Пропонується методика виявлення обличчя на зображеннi, яка заснована на бiнаризацiї, масштабуваннi, сегментацiї зображення з подальшим вибором максимальної зв'язуючої компоненти, яка вiдповiдає образу обличчя. Сучаснi методи бiнаризацiї, масштабування та таксономiчної сегментацiї зображень володiють одним або бiльше з таких недолiкiв: мають високу обчислювальну складнiсть; вимагають визначення значень параметрiв. Методи таксономiчної сегментацiї зображень можуть володiти додатковими недолiками: не дозволяють видiляти шум i випадковi викиди; кластери не можуть мати рiзну форму та розмiр, i їх кiлькiсть фiксована. У зв'язку з цим, для пiдвищення ефективностi методики виявлення обличчя на зображеннi необхiдне вдосконалення методiв бiнаризацiї, масштабування та таксономiчної сегментацiї. Запропоновано метод бiнаризацiї, особливiстю якого є використання фону зображення. Це дозволяє спростити процес масштабування та сегментацiї (оскiльки всi пiкселi фону представленi одним кольором), неоднорiдну яскравiсть обличчя, i не використовувати налаштування порогу й додатковi параметри. Запропоновано метод масштабування бiнарного зображення, особливiстю якого є використання середньоарифметичного фiльтра з порогової обробкою та швидкого вейвлет-перетворення. Це дозволяє прискорити процес сегментацiї зображення приблизно в Р 2 раз, де Р-параметр масштабування, i не використовувати трудомiстку процедуру визначення додаткових параметрiв. Запропоновано метод сегментацiї бiнарного масштабованого зображення, особливiстю якого є використання щiльнiсної кластеризацiї. Це дозволяє вiдокремлювати дiлянки обличчя неоднорiдної яскравостi вiд фону зображення, шуму та випадкових викидiв. Також це дозволяє кластерам мати рiзну форму i розмiр, не вимагати завдання кiлькостi кластерiв й додаткових параметрiв. Для визначення параметра масштабування в роботi були проведенi численнi дослiдження, якi встановили, що залежнiсть часу сегментацiї вiд параметра масштабування близька до експоненцiйної. Також було встановлено, що при малих Р, якiсть виявлення обличчя погiршується незначно. Запропонована методика виявлення особи на зображеннi на основi бiнаризацiї, масштабування та сегментацiї може використовуватися в iнтелектуальних комп'ютерних системах бiометричної iдентифiкацiї особистостi по зображенню обличчя Ключовi слова: виявлення обличчя, зображення, бiнаризацiя, масштабування, сегментацiя, щiльнiсна кластеризацiя UDC 004.
Об'єктом дослідження є процес відстеження положення мобільного об'єкта в просторі. Одним з най більш слабких місць в системах відстеження положення мобільного об'єкта в просторі є проблема усунення неоднозначності визначення ключових точок при скануванні навколишнього середовища. Ця проблема особ ливо важлива при одночасному застосуванні декількох методів (або технологій) відстеження положення. З'являється потреба в додатковому калібруванні та налагодженні. У ході дослідження використовувалися результати аналізу методів і технологій автоматичного ви значення положення і орієнтації тривимірних об'єктів з використанням систем технічного зору. Аналіз розглянутих популярних систем і методів вимірювання просторового положення об'єктів, а також алго ритмів та технологій навігації мобільного робота, показав, що кожна з розглянутих систем має свої пере ваги і недоліки. Кожна з них використовується в залежності від поставлених перед даною системою цілей. Проведено порівняльний аналіз основних різновидів алгоритмів методу SLAM. Перспективи даного методу-використання методів штучного інтелекту та розширеного фільтра Калмана-покращують швидкість SLAMметоду. Підтвердженням цьому-величезна кількість відкритих проектів по створенню даного типу навігації в рамках різноманітних конкурсів:-VSLAM-реалізація методу SLAM на основі методів комп'ютерного зору;-RGBDSLAM-пакет для реєстрації хмари точок з RGBD датчиків, таких як Kinect або стереокамери;-hector_mapping-SLAM для платформ без одометра-тільки на основі даних від LIDAR та ін. Оскільки більшість сучасних технологій все частіше використовують стандартизовані формати сигналів WiFi, Bluetooth, GPS, можна стверджувати, що застосування і аналіз інформації з великої кіль кості датчиків дозволить збільшити точність визначення координат об'єкта в кілька разів. Створення необхідного інформаційного поля навігації і маршрутизації дозволить картографувати і локалізуватися мобільному об'єкту на місцевості з великою точністю. Ключові слова: алгоритми методу SLAM, визначення положення, мобільний об'єкт, технічний зір.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.