Компьютердик көрүнүш

Компьютердик көрүү (же техникалык көрүнүш ) - объекттерди аныктоо, байкоо жана классификациялоочу машиналарды түзүү теориясы жана технологиясы.

Илимий дисциплина катары компьютердик көрүү сүрөттөрдөн маалымат алган жасалма системаларды түзүүнүн теориясын жана технологиясын билдирет. Видео маалыматтар көптөгөн формаларда болушу мүмкүн, мисалы, видео ырааттуулугу, ар кандай камералардагы сүрөттөр же Kinect аппаратынан же медициналык сканерден алынган 3D маалыматтар.

Технологиялык дисциплина катары, компьютердик көрүү компьютердик көрүү системаларын түзүү үчүн компьютердик көрүү теорияларын жана моделдерин колдонууга умтулат. Мындай системаларды колдонуу мисалдары болушу мүмкүн:

1. Процессти башкаруу системалары ( өнөр жай роботтору, автономдуу унаалар ).
2. Видео байкоо системалары .
3. Маалыматты уюштуруу тутумдары (мисалы, сүрөттөр базаларын индекстөө үчүн).
4. Объекттерди же айлана-чөйрөнү моделдөө системалары (медициналык сүрөттөрдү анализдөө, топографиялык моделдөө).
5. Өз ара аракеттенүү системалары (мисалы, адам менен машинанын өз ара аракеттенүү системасы үчүн киргизүү түзүлүштөрү).
6. Толукталган чындык системалары.
7. Эсептөөчү сүрөткө тартуу, мисалы, камералары бар мобилдик түзмөктөр үчүн.

Компьютердик көрүүнү биологиялык көрүүнү толуктоочу (бирок сөзсүз түрдө карама-каршы эмес) катары сыпаттаса болот. Биология адамдын жана ар түрдүү жаныбарлардын визуалдык кабылдоосун изилдейт, натыйжада физиологиялык процесстер боюнча мындай системалардын иштөө моделдерин түзөт. Компьютердик көрүү, экинчи жагынан, аппараттык же программалык камсыздоодо ишке ашырылган компьютердик көрүү системаларын изилдейт жана сүрөттөйт. Биологиялык жана компьютердик көрүүнүн ортосундагы дисциплиналар аралык алмашуу эки илимий чөйрө үчүн абдан жемиштүү экенин далилдеди.

Компьютердик көрүүнүн субталкаларына иш-аракетти кайталоо, окуяны аныктоо, көз салуу, үлгү таануу, сүрөттү калыбына келтирүү жана башка көптөгөн нерселер кирет.

Учурдагы кырдаал

Компьютердик көрүү тармагын жаш, ар түрдүү жана динамикалуу өнүгүп жаткан катары мүнөздөөгө болот. Мурунку иштер бар болсо да, 1970-жылдардын аягында гана бул көйгөйдү интенсивдүү изилдөө башталган деп айтууга болот, качан компьютерлер сүрөттөр сыяктуу чоң маалымат топтомун иштетүүнү башкара алышкан. Бирок, бул изилдөөлөр, адатта, башка аймактардан башталган, демек, компьютердик көрүү көйгөйүнүн стандарттуу формуласы жок. Ошондой эле, андан да маанилүүсү, компьютердик көрүү көйгөйүн кантип чечүү керектиги жөнүндө стандарттуу формула жок. Анын ордуна, ар кандай так аныкталган компьютердик көрүү көйгөйлөрүн чечүү үчүн ар кандай ыкмалар бар, мында методдор көбүнчө тапшырмага мүнөздүү жана сейрек колдонуунун кеңири спектрине жалпыланган. Көптөгөн методдор жана колдонмолор дагы эле негизги изилдөө стадиясында, бирок барган сайын көбөйүп жаткан ыкмалар коммерциялык продуктыларга кирүүдө, алар көбүнчө татаал маселелерди чече ала турган чоңураак системанын бир бөлүгүн түзөт (мисалы, медициналык сүрөттөө же өндүрүш процесстеринде өлчөө жана сапатты көзөмөлдөө). Компьютердик көрүүнүн практикалык колдонмолорунун көпчүлүгүндө компьютерлер конкреттүү маселелерди чечүү үчүн алдын ала программаланган, бирок билимге негизделген методдор кеңири жайылууда.

Жасалма интеллект тармагынын маанилүү бөлүгү – роботту кандайдыр бир чөйрөдө жылдыруу сыяктуу механикалык аракеттерди жасай алган системаларда автоматтык пландаштыруу же чечим кабыл алуу. Иштетүүнүн бул түрү, адатта, видео сенсор катары иш алып барган жана айлана-чөйрө жана робот жөнүндө жогорку деңгээлдеги маалыматты камсыз кылган компьютердик көрүү системалары тарабынан берилген киргизүү маалыматтарды талап кылат. Кээде жасалма интеллектке таандык деп сыпатталган жана компьютердик көрүнүшкө карата колдонулган башка чөйрөлөр үлгү таануу жана үйрөнүү ыкмалары болуп саналат. Натыйжада, компьютердик көрүнүш кээде жасалма интеллект тармагынын же жалпысынан информатика тармагынын бир бөлүгү катары каралат.

Компьютердик көрүү менен байланышкан дагы бир аймак сигналды иштетүү . Бир өлчөмдүү сигналдарды, адатта, убактылуу сигналдарды иштетүүнүн көптөгөн ыкмаларын компьютердик көрүүдөгү эки өлчөмдүү же көп өлчөмдүү сигналдарды иштетүү үчүн табигый түрдө узартылышы мүмкүн. Бирок сүрөттөрдүн өзгөчөлүгүнөн улам бир өлчөмдүү сигналды иштетүү тармагында аналогдору жок компьютердик көрүү тармагында иштелип чыккан көптөгөн методдор бар. Бул ыкмалардын өзгөчө касиети алардын сызыктуу эместиги болуп саналат, ал сигналдын көп өлчөмдүүлүгү менен бирге сигналды иштетүүдө тиешелүү подталканы компьютердик көрүү талаасынын бөлүгү кылат.

Компьютердик көрүү проблемасына айтылган ыкмалардан тышкары, изилденип жаткан көптөгөн маселелерди таза математикалык көз караштан изилдөөгө болот. Мисалы, көптөгөн ыкмалар статистикага, оптималдаштыруу ыкмаларына же геометрияга негизделген. Акыр-аягы, компьютердик көрүүнүн практикалык колдонулушу боюнча көп иштер аткарылып жатат — колдонуудагы техникалар программалык жана аппараттык камсыздоодо кандайча ишке ашырылышы мүмкүн, же ресурстун керектөөсүн олуттуу көбөйтпөстөн, жогорку ылдамдыкта иштөө үчүн аларды кантип өзгөртүүгө болот.

Тектеш аймактар

Компьютердик көрүү, Сүрөт иштетүү жана Машина көрүү бири-бири менен тыгыз байланышкан тармактар. Бирок алар бир, кененирээк бөлүмдөр экени азырынча так аныктала элек. Жакшыраак талдоо жүргүзгөндө, булар бир эле аймактын ар башка аталыштары сыяктуу сезилиши мүмкүн. Чаташтырбоо үчүн, аларды изилдөөнүн белгилүү бир предметине багытталган аймактар катары айырмалоо адат болуп саналат. Төмөндө эң маанилүүлөрдүн айрымдары сүрөттөлөт:

Сүрөттү иштетүү, же сүрөттү талдоо, негизинен, эки өлчөмдүү сүрөттөр менен иштөөгө, башкача айтканда, бир сүрөттү башкага кантип өзгөртүүгө багытталган. Мисалы, пикселдик-пикселдик контрастты жакшыртуу операциялары, четтерин жакшыртуу операциялары, ызы-чууну азайтуу операциялары же Аффиндик трансформациялар сыяктуу геометриялык трансформациялар. Бул операциялар сүрөттөрдү иштетүү/талдоо сүрөттөрдүн мазмунунан көз карандысыз иштейт деп болжолдойт.

Компьютердик көрүү бир же бир нече сүрөткө проекцияланган үч өлчөмдүү көрүнүштөрдү иштетүүгө багытталган. Мисалы, бир же бир нече сүрөттөрдөн үч өлчөмдүү көрүнүш жөнүндө структураны же башка маалыматты калыбына келтирүү менен. Компьютердик көрүнүш көбүнчө сүрөттөрдө чагылдырылган нерселер жөнүндө аздыр-көптүр татаал божомолдордон көз каранды.

Машинанын көрүнүшү, негизинен, автономдуу роботтор жана визуалдык текшерүү жана өлчөө системалары сыяктуу өнөр жайлык колдонмолорго багытталган. Бул сүрөт сенсор технологиясы жана башкаруу теориясы роботту башкаруу үчүн видео маалыматтарды иштетүү менен байланышкан, ал эми реалдуу убакытта маалыматтарды иштетүү аппараттык же программалык камсыздоодо жүзөгө ашырылат дегенди билдирет.

Визуализация деп аталган талаа да бар, ал алгач сүрөттөрдү түзүү процессине байланыштуу болгон, бирок кээде кайра иштетүү жана талдоо менен алектенет. Мисалы, рентгенография медициналык колдонмолор үчүн видео маалыматтарды талдоо менен иштейт.

Акыр-аягы, үлгү таануу, негизинен, статистикалык ыкмага негизделген, көргөзмө маалыматтардан маалыматты алуу үчүн ар кандай ыкмаларды колдонгон талаа болуп саналат. Бул талаанын көп бөлүгү бул ыкмаларды практикалык колдонууга арналган.

Компьютердик көрүү колдонмолорунун мисалдары

Эң маанилүү колдонмолордун бири медицинадагы сүрөттү иштетүү. Бул талаа бейтаптарга медициналык диагноз коюу үчүн видео маалыматтардан маалымат алуу менен мүнөздөлөт. Көпчүлүк учурларда, видео маалыматтар микроскопия, рентгенография, ангиография, УЗИ жана томографиянын жардамы менен алынат. Мындай видеомаалыматтардан алынышы мүмкүн болгон маалыматтын мисалы - шишиктердин, атеросклероздун же башка зыяндуу өзгөрүүлөрдүн табылышы. Дагы бир мисал, органдын көлөмүн, кандын агымын, ж.б. өлчөө болот. Бул колдонмо чөйрөсү ошондой эле жаңы маалыматтарды, мисалы, мээнин түзүлүшү же медициналык дарылоонун сапаты жөнүндө берүү менен медициналык изилдөөгө салым кошот.

Компьютердик көрүүнүн дагы бир колдонмо чөйрөсү - өнөр жайы. Бул жерде өндүрүш процессин колдоо үчүн маалымат алынат. Мисал сапатты контролдоо, мында тетиктер же акыркы продукт автоматтык түрдө кемчиликтер үчүн текшерилет. Дагы бир мисал, робот колу менен көтөрүлгөн тетиктердин ордун жана багытын өлчөө.

Аскердик колдонмолор, балким, компьютердик көрүүнүн эң чоң аймагы. Ачык мисалдар - душмандын аскерлерин жана унааларын аныктоо жана ракеталарды башкаруу. Ракетаны башкаруунун эң өнүккөн системалары ракетаны белгилүү бир бутанын ордуна белгиленген аймакка жөнөтөт жана максатты тандоо ракета көрсөтүлгөн аймакка жеткенде алынган видеомаалыматтардын негизинде ишке ашат. "Согуш аң-сезими" сыяктуу заманбап аскердик түшүнүктөр ар кандай сенсорлор, анын ичинде сүрөт сенсорлору, стратегиялык чечимдерди кабыл алуу үчүн колдонула турган согуш талаасы жөнүндө маалыматтын чоң топтомун камсыз кылууну билдирет. Бул учурда алынган маалыматтын татаалдыгын азайтуу же ишенимдүүлүгүн жогорулатуу үчүн маалыматтарды автоматтык иштетүү колдонулат.

Колдонуунун жаңы аймактарынын айрымдары автономдуу унаалар, анын ичинде суу астындагы, жердеги (роботтор, унаалар) жана абада. Автономиянын деңгээли толугу менен автономдуу (учкучсуз) унаалардан тартып, компьютердик көрүү тутумдары айдоочуну же пилотту ар кандай кырдаалдарда колдогон унааларга чейин өзгөрөт. Толугу менен автономдуу унаалар навигация үчүн, башкача айтканда, алардын жайгашкан жери тууралуу маалымат алуу, айлана-чөйрөнүн картасын түзүү, тоскоолдуктарды аныктоо үчүн компьютердик көрүүнү колдонушат. Алар ошондой эле токой өрттөрүн аныктоо сыяктуу белгилүү бир иштер үчүн колдонулушу мүмкүн. Мындай системалардын мисалдарына унаалардагы тоскоолдуктарды эскертүү системалары жана учактар үчүн автономдуу конуу системалары кирет. Кээ бир унаа өндүрүүчүлөр автономдуу айдоо системаларын көрсөтүштү, бирок технология аны массалык өндүрүшкө киргизе турган деңгээлге жете элек.

Башка колдонмолорго төмөнкүлөр кирет:

• Кино жана телекөрсөтүү үчүн видео эффекттерди түзүүнү колдоо
• Байкоо

Компьютердик көрүүнүн типтүү тапшырмалары

Жогоруда сүрөттөлгөн компьютердик көрүүнү колдонуунун ар бири бир катар кыйынчылыктарды камтыйт; Аздыр-көптүр так аныкталган өлчөө же иштетүү маселелери ар кандай ыкмаларды колдонуу менен чечилиши мүмкүн. Төмөндө компьютердик көрүү боюнча типтүү тапшырмалардын кээ бир мисалдары келтирилген.

Таануу

Компьютерде көрүү, сүрөт иштетүү жана машина менен көрүүдөгү классикалык көйгөй видео маалыматтарда кандайдыр бир мүнөздүү объект, функция же иш-аракеттерди камтыганын аныктоо болуп саналат. Бул маселени адамдар ишенимдүү жана оңой чечиши мүмкүн, бирок жалпы учурда компьютердик көрүнүштө али канааттандырарлык чечиле элек: кокустук жагдайлардагы туш келди объекттер.

Бул маселени чечүүнүн колдонулуп жаткан ыкмалары жөнөкөй геометриялык объектилер (мисалы, көп кырдуулар), адамдын жүзү, басылган же кол менен жазылган символдор, унаалар сыяктуу белгилүү бир объектилер үчүн жана белгилүү бир шарттарда, адатта, белгилүү бир жарыктандыруу, фон жана позициялар үчүн гана натыйжалуу. объект камерага салыштырмалуу.

Адабиятта ар кандай таануу көйгөйлөрү сүрөттөлгөн:

• Таануу: Бир же бир нече алдын ала аныкталган же үйрөнүлгөн объекттер же объекттердин класстары, адатта, алардын сүрөттөлүштөгү эки өлчөмдүү абалы же көрүнүштөгү үч өлчөмдүү абалы менен бирге таанылышы мүмкүн.
• Идентификация: Объекттин жеке инстанциясы таанылат. Мисалдар: белгилүү бир адамдын жүзүн же манжа изин же унааны идентификациялоо.
• Аныктоо: Видео маалыматтар белгилүү бир шартта текшерилет. Мисалы, медициналык сүрөттөрдө мүмкүн болгон анормалдуу клеткаларды же ткандарды аныктоо. Салыштырмалуу жөнөкөй жана тез эсептөөлөрдүн негизинде аныктоо кээде анализделген сүрөттөлүштөн кичинекей аймактарды табуу үчүн колдонулат, андан кийин туура интерпретацияны алуу үчүн көбүрөөк ресурсту талап кылган ыкмалар менен анализденет.

таанууга негизделген бир нече адистештирилген тапшырмалар бар, мисалы:

• Сүрөттөрдү мазмун боюнча издөө: Белгилүү бир мазмунга ээ болгон сүрөттөрдүн чоң топтомундагы бардык сүрөттөрдү табуу. Мазмун ар кандай жолдор менен көрсөтүлүшү мүмкүн, мисалы, белгилүү бир сүрөткө окшоштугу боюнча (мага берилген сүрөткө окшош бардык сүрөттөрдү табыңыз) же текст маалыматы катары киргизилген жогорку деңгээлдеги издөө критерийлери боюнча (табуу мага кышында курулган жана унаалар жок көптөгөн үйлөрдү көрсөткөн бардык сүрөттөр).
• Позицияны баалоо: камерага салыштырмалуу белгилүү бир объектинин абалын же багытын аныктоо. Бул ыкманы колдонуунун мисалы катары конвейердик лентадан объекттерди алууда роботтук колго жардам берүү болот.
• Оптикалык белгилерди таануу : басылган же кол менен жазылган тексттин сүрөттөрүндөгү символдорду таануу, адатта, түзөтүү же индекстөө үчүн эң ыңгайлуу текст форматына которуу үчүн (мисалы, ASCII ).
  • Оптикалык жол белгилерин таануу

Кыймыл

Сүрөттүн же 3D көрүнүшүндөгү ар бир чекиттин ылдамдыгын баалоо үчүн сүрөттөрдүн ырааттуулугу (видео маалыматтары) иштетилген кыймылды баалоо боюнча бир нече көйгөйлөр. Мындай милдеттердин мисалдары:

• 3D камеранын кыймылын аныктоо
• Көз салуу, башкача айтканда, объекттин кыймылын (мисалы, унаалар же адамдар)

Сахнаны калыбына келтирүү

Эки же андан көп көрүнүш сүрөттөрү же видео маалыматтары берилет. Сахнаны реконструкциялоодо сахнанын үч өлчөмдүү моделин кайра түзүү милдети турат. Эң жөнөкөй учурда модель үч өлчөмдүү мейкиндиктеги чекиттердин жыйындысы болушу мүмкүн. Татаал ыкмалар толук үч өлчөмдүү моделди кайра чыгарат.

Сүрөттү калыбына келтирүү

Сүрөттү калыбына келтирүү милдети ызы-чуу (сенсордук ызы-чуу, кыймылдуу объекттин бүдөмүктөлүшү ж.б.) жок кылуу болуп саналат. Бул көйгөйдү чечүүнүн эң жөнөкөй ыкмасы - бул чыпкалардын ар кандай түрлөрү, мисалы, төмөнкү же орто өткөрүүчү чыпкалар. Татаалыраак ыкмалар сүрөттөлүштүн айрым бөлүктөрүнүн кандай болушу керектиги жөнүндөгү идеяларды колдонот жана ошонун негизинде аларды өзгөртөт.

Чууну жок кылуунун жогорку деңгээли алгач сызыктар же четтер сыяктуу ар кандай структуралар үчүн видеомаалыматтарды талдоо, андан кийин ошол маалыматтардын негизинде чыпкалоо процессин көзөмөлдөө аркылуу жетишилет.

Компьютердик көрүү системалары

Компьютердик көрүү системаларын ишке ашыруу колдонмого, аппараттык платформага жана аткаруу талаптарына абдан көз каранды. Кээ бир системалар өз алдынча болуп саналат жана аныктоо жана өлчөө маселелерин чечет, ал эми башка системалар механикалык манипуляторлор (роботтор), маалымат базалары (окшош сүрөттөрдү издөө), адам менен машина интерфейстери (компьютер) үчүн башкаруу подсистемаларын камтышы мүмкүн болгон чоңураак системалардын подсистемаларын түзөт. оюндар).

Сүрөттү алуу: Санариптик сүрөттөр бир же бир нече сүрөт сенсорлорунан алынат, алар жарыкка сезгич камералардын ар кандай түрлөрүнөн тышкары аралык сенсорлорун, радарларды, ультра үн камераларын ж. 2D сүрөтү, 3D сүрөтү же ырааттуу сүрөттөр. Пикселдик маанилер адатта бир же бир нече спектрдик тилкелердеги жарык интенсивдүүлүгүнө туура келет (түстүү же боз түстөгү сүрөттөр), бирок үн же электромагниттик толкундардын тереңдиги, жутулушу же чагылуусу, же ядролук магниттик резонанс сыяктуу ар кандай физикалык өлчөмдөргө байланыштуу болушу мүмкүн.

Алдын ала иштетүү: Маалыматтын белгилүү бир көлөмүн алуу үчүн видео маалыматтарга компьютердик көрүү ыкмаларын колдонуудан мурун, видео маалыматтар колдонулган ыкмага жараша белгилүү бир шарттарга жооп бере тургандай иштетилиши керек. Мисалдар:

• Сүрөттүн координаттар системасынын туура болушун камсыз кылуу үчүн үлгүнү өзгөртүү
• Сенсор киргизген бурмалоону жок кылуу үчүн ызы-чууну жок кылуу
• Тиешелүү маалыматты аныктоо үчүн жакшыртылган контраст
• Сүрөттөгү структураларды жакшыраак айырмалоо үчүн масштабдоо

Чоо-жайын чыгаруу: Ар кандай татаалдыктагы сүрөттүн деталдары видео маалыматтарынан алынган. Мындай бөлүктөрүнүн типтүү мисалдары:

• Сызыктар, чектер жана четтер
• Бурчтар, бүдүрчөлөр же чекиттер сыяктуу локализацияланган кызыкчылык жерлери: татаалыраак деталдар структурага, формага же кыймылга тиешелүү болушу мүмкүн.

Детекция/сегментация: иштетүүнүн белгилүү бир этабында сүрөттүн кайсы чекиттери же аймактары андан ары иштетүү үчүн маанилүү экендиги жөнүндө чечим кабыл алынат. Мисалдар:

• Кызыкчылыктардын белгилүү бир топтомун тандоо
• Мүнөздүү объектти камтыган бир же бир нече сүрөт аймактарын сегменттөө

Жогорку деңгээлдеги иштетүү: Бул кадамда киргизилген маалыматтар, адатта, белгилүү бир объект жайгашуусу керек болгон чекиттер же сүрөттөлүштүн аймагы сыяктуу маалыматтардын кичинекей топтому болуп саналат. Мисалдар:

• Берилиштер методго жана колдонмого тиешелүү шарттарга жооп берерин текшерүү
• Объекттин орду же өлчөмү сыяктуу мүнөздүү параметрлерди баалоо
• Табылган объектини ар кандай категорияларга классификациялоо

1. OpenCV Компьютердик көрүү алгоритмдеринин ачык булак китепканасы.
2. PCL 3D чекит булуттары менен иштөө үчүн ачык китепкана.

Жана башка дагы

• Машина көрүү
• Машина үйрөнүү
• Жасалма интеллект
• Vision Processor
• Сүрөт иштетүү
• Үлгү таануу
• Рентгенография