2013-08-18 4 views
0

Мне было любопытно, можно ли подсчитать количество вещей на картинке, скажем, количество уток, сначала взяв образец изображения, а затем увидев, где он соответствовал отдельной картинке. Поэтому, чтобы уточнить, у нас было бы 2 фотографии (одна картинка с одной утиной и одна картинка с 4 утками ради аргумента), и программа увидела, сколько совпадений она могла бы сделать в 4-х картинах утки, наложив одну изображение утки - таким образом подсчитывая, сколько уток есть на картинке. Я немного читал компьютерное зрение, и я знаю, что сайт Opencv говорил об использовании преобразования Фурье, чтобы разбить изображение на его величину и фазу. Я надеялся, что, возможно, возьмем величину одной фотографии утки в матрицу, а затем сравните ее с серией матриц из четырех изображений утки.Компьютерное зрение: сравнение изображений и подсчет?

Я предполагаю, что это было бы довольно сложно, поскольку я хотел бы как-то сообщить программе форму начальной утки, а затем сохранить эту информацию о расколотой утке в матрицу, а затем сравнить ее с матрицами, разбитыми с другая картина. Любые идеи/предложения? Я думал, что это будет хороший опыт обучения, так как я студент-электротехник, и я изучил преобразования Фурье, ДПФ и т. Д. В прошлом семестре - было бы просто здорово применить их к чему-то.

+0

Посмотрите на определение лиц и классификаторы хара –

ответ

1

Вы говорите об Распознавание объектов - одна из основных проблем в компьютерном зрении. Ваша основная идея - сфотографировать объект, получить некоторые функции от него, а затем найти тот же набор функций на другом изображении - это правильно. Однако сравнение пикселей по пикселям (независимо от времени или частотной области) очень подвержено ошибкам и обычно дает плохие результаты. В большинстве случаев более высокоуровневые функции дают гораздо лучшие результаты.

Для начала взгляните на Cascade Classifier в OpenCV, который использует функции, подобные Хаару (небольшие прямоугольники с определенным уровнем серого). Он наиболее известен распознаванием и распознаванием лиц, но также может быть обучен другим объектам.

Вы также можете быть заинтересованы в методе SURF, который ищет точки со схожими характеристиками или даже AAMs, которые пытаются моделировать форму и внешний вид объекта.