SURF stands for Speeded Up Robust F

SURF stands for Speeded Up Robust Features. It is an algorithm which extracts some unique keypoints and descriptors from an image. More details on the algorithm can be found here and a note on its implementation in OpenCV can be found here. A set of SURF keypoints and descriptors can be extracted from an image and then used later to detect the same image. SURF uses an intermediate image representation called Integral Image, which is computed from the input image and is used to speed up the calculations in any rectangular area.It is formed by summing up the pixel values of the x,y

co-ordinates from origin to the end of the image. This makes computation time invariant to change in size and is particularly useful while encountering large images. The SURF detector is based on the determinant of the Hessian matrix. The SURF descriptor describes how pixel intensities are distributed within a scale dependent neighborhood of each interest point detected by Fast Hessian

Object detection using SURF is scale and rotation invariant which makes it very powerful. Also it doesn’t require long and tedious training as in case of using cascaded haar classifier based detection. But the detection time of SURF is a little longer than Haar, but it doesn’t make much problem in most situations if the robot takes some tens of millisecond more for detection. Since this method is rotation invariant, it is possible to successfully detect objects in any orientation. This will be particularly useful in mobile robots where it may encounter situations in which it has to recognize objects which may be at different orientations than the trained image, say for example , the robot was trained with the upright image of an object and it has to detect a fallen object. Detection using haar features fails miserably in this case. OK, lets now move from theory to practical, the actual way things works.

OpenCV library provides an example of detection called find_obj.cpp. It can be found at the OpenCV-x.x.x/samples/c/ folder of the source tar file, where x.x.x stands for the version number. It loads two images, finds the SURF keypoints and descriptors , compares them and finds a matching if there is any. But this sample code will be a bit tough for beginners. So let us move slowly, step by step. As the first step , we can find the SURF keypoints and descriptors in an frame captured from the webcam. The code for the same is given below:

feature

ผลลัพธ์ (ไทย) 1:

คลื่นหมายถึงค่าใช้คุณลักษณะประสิทธิภาพ Speeded เป็นอัลกอริทึมที่แยกเฉพาะ keypoints และตัวแสดงรายละเอียดบางอย่างจากรูป ได้ ขั้นตอนวิธีการรายละเอียดเพิ่มเติมสามารถพบได้ที่นี่ และหมายเหตุการดำเนินการใน OpenCV สามารถพบได้ที่นี่ เซิร์ฟ keypoints และตัวบอกสามารถแยกจากภาพ และจากนั้น ใช้ในภายหลังเพื่อตรวจสอบภาพเดียว คลื่นใช้แสดงรูปกลางที่เรียกว่ารูปเป็น ซึ่งจะคำนวณจากสัญญาณภาพ และใช้ความเร็วในการคำนวณในพื้นที่สี่เหลี่ยมมันจะเกิดขึ้น โดยการรวมค่าพิกเซลของ x, yจรรยาบรรณร่วมจากจุดเริ่มต้นของการสิ้นสุดของรูป นี้ช่วยให้คำนวณเวลาการบล็อกการเปลี่ยนแปลงในขนาด และเป็นประโยชน์ในขณะที่พบกับภาพขนาดใหญ่ เครื่องตรวจจับคลื่นจะขึ้นอยู่กับดีเทอร์มิแนนต์ของเมทริกซ์กระสอบ บอกคลื่นอธิบายถึงวิธีกระจายการปลดปล่อยก๊าซพิกเซลภายในละแวกนั้นขึ้นอยู่กับขนาดของแต่ละจุดสนใจที่ตรวจพบ โดยเร็วกระสอบตรวจจับวัตถุโดยใช้คลื่นมีขนาดและการหมุนบล็อกซึ่งทำให้มีประสิทธิภาพมาก มันไม่ต้องใช้เวลานาน และน่าเบื่อการฝึกอบรมในกรณีของการใช้ classifier cascaded haar ตามตรวจสอบ แต่เวลาตรวจคลื่นมีความยาวน้อยกว่า Haar แต่มันไม่ทำให้ปัญหามากในสถานการณ์ส่วนใหญ่ถ้าหุ่นยนต์ใช้บางสิบมิลลิวินาทีเพิ่มเติมสำหรับการตรวจหา เนื่องจากวิธีนี้คือ หมุนบล็อก จะสามารถสำเร็จตรวจสอบวัตถุในแนวใด ๆ นี้จะมีประโยชน์อย่างยิ่งในหุ่นยนต์เคลื่อนที่มันอาจพบสถานการณ์ที่มีการรับรู้วัตถุซึ่งอาจเป็นที่แนวแตกต่างกันมากกว่าภาพที่ผ่านการฝึกอบรม พูดเช่น หุ่นยนต์ได้เข้าอบรมกับภาพตรงวัตถุ และมีการตรวจพบวัตถุลดลง ตรวจสอบการใช้คุณลักษณะ haar ไม่เป็นท่าในกรณีนี้ ตกลง ทำให้ตอนนี้ ย้ายจากทฤษฎีไปปฏิบัติ วิธีจริงงานสิ่งไลบรารี OpenCV ให้ตัวอย่างของการตรวจสอบที่เรียกว่า find_obj.cpp มันสามารถพบในโฟลเดอร์ OpenCV-x.x.x/samples/c/ แฟ้มของทาร์แหล่ง ที่ x.x.x หมายถึงหมายเลขเวอร์ชัน มันโหลดภาพสอง พบคลื่น keypoints และตัวแสดงรายละเอียด เปรียบเทียบพวกเขา และค้นหาการจับคู่ถ้าไม่มีการ แต่โค้ดตัวอย่างนี้จะยากหน่อยสำหรับผู้เริ่มต้น ดังนั้นขอให้เราย้ายช้า ขั้นตอน เป็นขั้นตอนแรก เราสามารถหาคลื่น keypoints และตัวแสดงรายละเอียดในกรอบการจับภาพจากเว็บแคม กำหนดรหัสสำหรับเดียวกันด้านล่าง:ลักษณะการทำงาน

ผลลัพธ์ (ไทย) 2:

SURF ย่อมาจาก speeded up คุณสมบัติที่แข็งแกร่ง มันเป็นขั้นตอนวิธีซึ่งสารสกัดบาง keypoints ไม่ซ้ำกันและอธิบายจากภาพ รายละเอียดเพิ่มเติมเกี่ยวกับขั้นตอนวิธีการที่สามารถพบได้ที่นี่และทราบในการดำเนินงานของ บริษัท ใน OpenCV สามารถพบได้ที่นี่ ชุดของ keypoints SURF และอธิบายสามารถสกัดได้จากภาพและนำไปใช้ในภายหลังเพื่อตรวจสอบภาพเดียวกัน SURF ใช้แทนภาพกลางที่เรียกว่าภาพ Integral ซึ่งคำนวณจากภาพการป้อนข้อมูลและนำมาใช้เพื่อเพิ่มความเร็วในการคำนวณใน area.It สี่เหลี่ยมใด ๆ ที่จะเกิดขึ้นได้จากข้อสรุปขึ้นค่าพิกเซลของ x, y พิกัดจากต้นทางไปยัง ในตอนท้ายของภาพ นี้จะทำให้เวลาในการคำนวณค่าคงที่การเปลี่ยนแปลงในขนาดและเป็นประโยชน์อย่างยิ่งในขณะที่เผชิญหน้ากับภาพขนาดใหญ่ เครื่องตรวจจับ SURF จะขึ้นอยู่กับปัจจัยของเมทริกซ์รัฐ ตัวบอก SURF อธิบายวิธีเข้มพิกเซลมีการกระจายภายในระดับใกล้เคียงขึ้นอยู่กับแต่ละจุดที่น่าสนใจตรวจพบโดยเร็วรัฐตรวจจับวัตถุโดยใช้ SURF เป็นขนาดและการหมุนคงที่ซึ่งจะทำให้มันมีประสิทธิภาพมาก นอกจากนี้ก็ไม่จำเป็นต้องมีการฝึกอบรมยาวและน่าเบื่อเช่นในกรณีของการใช้ลักษณนาม Haar ลดหลั่นกันตามการตรวจสอบ แต่เวลาการตรวจสอบของ SURF เป็นเพียงเล็กน้อยนานกว่า Haar แต่มันไม่ได้ทำให้ปัญหามากในสถานการณ์ส่วนใหญ่ถ้าหุ่นยนต์จะใช้เวลาหลายสิบมิลลิวินาทีบางมากขึ้นสำหรับการตรวจสอบ ตั้งแต่วิธีนี้คือการหมุนคงที่มันเป็นไปได้ที่จะประสบความสำเร็จในการตรวจจับวัตถุในทิศทางใด นี้จะเป็นประโยชน์โดยเฉพาะอย่างยิ่งในหุ่นยนต์มือถือที่มันอาจจะพบกับสถานการณ์ที่จะมีการรับรู้วัตถุซึ่งอาจจะเป็นที่ทิศทางที่แตกต่างจากภาพที่ผ่านการฝึกอบรมพูดเช่นหุ่นยนต์ที่ได้รับการฝึกฝนกับภาพตรงของวัตถุและมันจะต้องมี ตรวจจับวัตถุลดลง การตรวจสอบการใช้คุณลักษณะ Haar ล้มเหลวเข็ญใจในกรณีนี้ ตกลงตอนนี้ช่วยให้ย้ายจากทฤษฎีที่จะปฏิบัติในสิ่งที่เกิดขึ้นจริงวิธีการทำงาน. ห้องสมุด OpenCV ให้เห็นตัวอย่างของการตรวจสอบที่เรียกว่า find_obj.cpp มันสามารถพบได้ที่ OpenCV-xxx / ตัวอย่าง / c / โฟลเดอร์ของไฟล์ tar แหล่งที่มาที่ xxx หมายถึงหมายเลขรุ่น มันโหลดภาพสองภาพพบ keypoints SURF และอธิบายเปรียบเทียบพวกเขาและพบว่าการจับคู่ถ้ามีใด ๆ แต่รหัสตัวอย่างนี้จะเป็นบิตยากสำหรับผู้เริ่มต้น เพื่อให้เราย้ายอย่างช้าๆทีละขั้นตอน เป็นขั้นตอนแรกเราสามารถหา keypoints SURF และอธิบายในกรอบที่จับภาพจากเว็บแคม รหัสเดียวกันได้รับด้านล่าง: คุณลักษณะ

ผลลัพธ์ (ไทย) 3:

ท่องย่อมาจาก ได้รับทราบถึงคุณสมบัติที่แข็งแกร่ง มันเป็นวิธีที่จะสกัดใน keypoints เฉพาะบางและจากภาพ รายละเอียดเพิ่มเติมเกี่ยวกับขั้นตอนวิธีที่สามารถพบได้ ที่นี่ และ หมายเหตุ ในการใช้งานในเป็นการที่สามารถพบได้ที่นี่ ชุด keypoints ท่องและในสามารถสกัดได้จากภาพแล้วใช้ในภายหลังเพื่อตรวจสอบภาพเดียวกันใช้ภาพแทนเรียกว่าท่องกลางภาพเป็นส่วนประกอบ ซึ่งคำนวณได้จากการรับภาพและใช้เพื่อเพิ่มความเร็วในการคำนวณพื้นที่สี่เหลี่ยม มันจะเกิดขึ้นโดยบวกค่าพิกเซลของ x , y

พิกัดจากจุดเริ่มต้นไปยังจุดสิ้นสุดของภาพ นี้จะทำให้เวลาในการคำนวณค่าคงที่การเปลี่ยนแปลงในขนาดและเป็นประโยชน์โดยเฉพาะอย่างยิ่งเมื่อพบกับภาพขนาดใหญ่คลื่นตรวจจับยึดกระสอบดีเทอร์มิแนนต์ของเมทริกซ์ กระดานโต้คลื่นการอธิบายวิธีพิกเซลเข้มกระจายภายในระดับขึ้นอยู่กับใกล้กับจุดแต่ละจุดที่ตรวจพบโดยเร็ว

สนใจกระสอบการตรวจจับวัตถุใช้ท่องขนาดและการหมุนค่าคงที่ซึ่งทำให้มันมีประสิทธิภาพมากก็มันไม่ต้องยาวและน่าเบื่อการฝึกอบรมเป็นกรณีใช้ทั้ง Haar ลักษณนามตามตรวจสอบ แต่การตรวจหาเวลาท่องนานกว่าเธอ แต่มันก็ไม่ได้ทำให้ปัญหามากในสถานการณ์ส่วนใหญ่ ถ้าหุ่นยนต์ที่ใช้นับมิลลิวินาทีสำหรับการตรวจสอบ เนื่องจากวิธีนี้จะหมุนความ เป็นไปได้ที่จะประสบความสำเร็จ ตรวจจับวัตถุในทิศทางใด ๆ .นี้จะเป็นประโยชน์โดยเฉพาะอย่างยิ่งในหุ่นยนต์เคลื่อนที่ ซึ่งอาจพบสถานการณ์ที่มันต้องรู้จักวัตถุซึ่งอาจเป็นทิศทางที่แตกต่างจากภาพฝึกพูดเช่นหุ่นยนต์ฝึกกับภาพตรงของวัตถุ และมีการตรวจสอบล้มวัตถุ การใช้คุณลักษณะ Haar ล้มเหลวไม่เป็นท่าในคดีนี้ โอเคตอนนี้ย้ายจากทฤษฎีสู่การปฏิบัติจริงอย่างที่งาน

เป็นการมีห้องสมุดตัวอย่างตรวจจับที่เรียกว่า find_obj.cpp . มันสามารถพบได้ในโฟลเดอร์ opencv-x.x.x/samples/c/ ของแหล่งที่มาไฟล์ tar ที่ x.x.x หมายถึงรุ่นหมายเลข มันโหลดภาพสองภาพ , ค้นหาและท่องใน keypoints เปรียบเทียบพวกเขาและเจอที่ตรงกัน หากมีการใด ๆแต่โค้ดตัวอย่างนี้จะยากหน่อยสำหรับมือใหม่ ดังนั้น ให้เราเลื่อนช้าๆ ทีละขั้นตอน เป็นขั้นตอนแรกที่เราสามารถค้นหาและท่อง keypoints ในในกรอบการบันทึกจากเว็บแคม รหัสเดียวกันมีให้ด้านล่าง :

คุณลักษณะ