Рейтинг
+2.27
голосов:
2
avatar

Теория распознавания образов  

Ускоренное сравнение с шаблоном

Здесь http://recog.ru/blog/opencv/57.htm показано, как использовать функции OpenCV cvMatchTemplate для сравнения с эталоном.
Недавно появилась статья «Tirui Wu, Alexander Toet Speed-Up Template Matching Through Integral Image Based Weak Classifiers // Journal of Pattern Recognition Research 1 (2014) 1-12.» (http://www.jprr.org/index.php/jprr/article/viewFile/516/193), в которой показано, как можно значительно ускорить процесс поиска шаблона.
Алгоритм работы следующий:
1. Шаблон и само изображение переводится к интегральному виду (т.е. в дальнейшем используются интегральные изображения).
2. Для шаблона вычисляется множество «слабых» бинарных блоков. Что такое «слабый» (weak) бинарный блок можно понять из следующего рисунка:



( Читать дальше )

Классификация систем распознавания образов реального времени

В основе любой классификации лежат определенные классификационные признаки (принципы). Так в работе [1] в качестве квалификационного признака используются свойства информации, которая применяется в процессе распознавания. Однако такая классификация не отражает всех характеристик системы реального времени (РВ), поэтому была разработана классификация по свойствам управления систем распознавания образов (СРО) в процессе распознавания (Рис. 1).

Рис. 1. Классификация СРО РВ


( Читать дальше )

Индивидуальный выбор оптимального количества особенностей при распознавании графических образов

         Существует целый класс алгоритмов распознавания графических образов, основанных на сопоставлении некоторых особенностей («особых» точек) неизвестного объекта с эталонными образами. Один из наиболее известных механизмов выделения особенностей представлен в работе [4] и реализован в популярной программной библиотеке OpenCV. Достоинством алгоритма распознавания на базе особенностей является возможность находить объекты на изображениях, где они повёрнуты на произвольные углы и могут частично перекрываться. Вероятность правильного распознавания в данном алгоритме, прежде всего, зависит от количества и содержимого эталонных образов, а также от числа сравниваемых особенностей.
         При применении алгоритмов на базе особенностей существенное влияние оказывает проблема быстродействия, которая усиливается при увеличении числа эталонных образов, когда особенности неизвестного изображения необходимо сравнить со всеми особенностями всех эталонных образов. Чрезмерное увеличение количества особенностей ведёт к снижению производительности алгоритма, поэтому возникает идея выбирать количество особенностей индивидуально для каждого эталонного образа, что позволит снизить время распознавания при сохранении качества. Целью настоящей работы является оптимизация алгоритма распознавания на основе особенностей путём оптимального выбора количества особенностей.


( Читать дальше )