Šalej Mirko Iskraemeco, d.d. Kranj mirko.salej@iskraemeco.si Metoda lastnih slik Razpoznavanje vrednosti na številčniku Šalej Mirko Iskraemeco, d.d. Kranj mirko.salej@iskraemeco.si strojni vid

Opis metode Metoda temelji na preslikavi učne množice slik v nek drug prostor (lastni prostor). dejanski prostor lastni prostor Z analizo glavnih komponent poiščemo take slike (lastne slike), ki dobro opišejo vse slike iz množice. Vsako sliko lahko predstavimo z linearno kombinacijo lastnih slik. Pripadnost vhodne slike v lastnem prostoru določimo z računanjem razdalje. strojni vid

Transformacijska matrika = ? Opis metode Preslikavo definira transformacijska matrika Transformacijska matrika = ? dejanski prostor lastni prostor Izračun transformacijske matrike Posnamemo učno množico slik: o=(o1,o2, …,oN). Slike pretvorimo v matrike oz. vektorje: strojni vid

Izračun transformacijske matrike Slike (vektorje) normiramo. Dobimo množico normiranih vektorjev: Izračunamo vektor srednje slike (c) in ga odštejemo od vsakega vektorja slike. Kovariančna matrika ( ) je prevelike dimenzije zato izračunamo “kvazi” kovariančno matriko: strojni vid

Izračun transformacijske matrike Izračunamo lastne vrednosti in lastne vektorje “kvazi” kovariančne matrike Izračunamo prave lastne vektorje: Glede na največje lastne vrednosti izberemo (k) lastnih vektorjev Matrika lastnih vektorjev predstavlja transformacijsko matriko strojni vid

Razpoznavanje slik Vse normirane vektorje slik učne množice preko transformacijske matrike preslikamo v “lastni prostor”, kjer vsaka slika predstavlja točko v k-dimenzionalnem prostoru. Normiran vektor vhodne slike preko transformacijske matrike preslikamo v “lastni prostor”. Točki vhodne slike poiščemo najbližjo točko modela in tako razpoznamo sliko. lastni prostor strojni vid

Realizacija razpoznavanja številčnika Postavitev sistema za zajemanje slik: strojni vid

Realizacija razpoznavanja številčnika Predstavitev objekta - številčnik: strojni vid

Realizacija razpoznavanja številčnika Osvetlitev obljekta: Slika 15 kamera osvetlitev čelna plošča kolut strojni vid Posneta slika Odrezana slika

Realizacija razpoznavanja številčnika Učna množica (100 slik): . . . 0.0 0.1 0.2 0.3 9.9 Preskusna množica (36 slik): . . . . . . strojni vid zasuk koluta osvetlitev premik

Realizacija razpoznavanja številčnika Pri kreiranju transformacijske matrike izberemo 12 lastnih vektorjev, ki so posledica 12 največjih lastnih vrednosti. To predstavlja 70% informacije. Pravilno razpoznane slike glede na: 10% 100% 40 5% 6 0% 83% 70% 3 premik osvetlitev zasuk koluta št. last. vektorjev strojni vid Tabela prikazuje pravilno razpoznane slike glede na posamezno skupino slik pri različnem številu lastnih vektorjev.

Realizacija razpoznavanja številčnika Sto točk v lastnem prostoru predstavlja slike učne množice. Zaradi velike podobnosti (ne samo sosednjih) slik, je množica neurejena. -0.6 -0.4 -0.2 0.2 0.4 -1 -0.5 0.5 1 strojni vid Učna množica v 3D lastnem prostoru

Realizacija razpoznavanja številčnika Izgled prvih šestih lastnih slik: 1 2 3 strojni vid 4 5 6

Realizacija razpoznavanja številčnika Razdalje med iskano sliko in slikami iz učne množice: 0,3820 0,3084 0,1834 0,1631 Razdalja do iskane slike 8,8 3,1 6,2 3,2 Vrednost slike iz učne množice strojni vid

Opažanja – nepričakovani problemi Pomembna izbira kamere in osvetlitve. Za izračun je potrebno uporabiti le koristen del slike (odstraniš šum). Počasnost računalnika zaradi velikih matrik. Majhna učna množica (npr. 10 – 20 slik) ni uporabna. Slika 9 strojni vid

Literatura H. Murase, S. Nayar, Visual Learning and Recognition of 3-D Objects from Appeareance, IJCV, Vol. 14, No. 1, 1995. K. Nayar, S. Nene, H. Murase, Subspace Methods for Robot Vision, Department of Computer Science, Columbia University, New York, 1995. S. Kovačič, A. Leonardis, Predavanja “Strojni vid”, Fakulteta za elektrotehniko, Ljubljana, 2003. strojni vid