Nhận Dạng Đối Tượng

Đề tài NCKH sinh viên

GVHD: ThS. Trương Thế ChuyênThS. Phạm Thế AnhThS. Lê Đình Danh

Nhóm Sinh viên: Lê Đình TrườngLê Văn HàoLê Ngọc Thanh

NỘI DUNG Tổng quan Thuật toán SIFT

Dò tìm cực trị cục bộ Trích xuất Keypoint Gắn hướng cho các Keypoint Tạo mô tả cho mỗi Keypoint Đối sánh 2 tập Keypoint

Minh họa kết quả Kết luận

TỔNG QUAN

Ngày nay ứng dụng nhận dạng đối tượng được trải rộng khắp các mặt cuộc sống.

Kĩ thuật hiệu quả nhất hiện nay là sử dụng đặc trưng bất biến của ảnh

SIFT (Scale - Invarian Feature Transform) là giải thuật tiền đề trong kĩ thuật này

THUẬT TOÁN SIFT

SIFT do David Lowe đề xuất có nhiều ưu điểm và hiệu quả cao

SIFT sử dụng các điểm đặc biệt cục bộ làm đặc trưng bất biến cho ảnh và làm cơ sở đối sánh, nhận dạng ảnh.

Thuật toán có 5 giai đoạn chính

1/ TÌM CỰC TRỊ CỤC BỘ

Sử dụng hàm sai khác DoG()D(x,y,σ) = L(x,y,kσ) – L(x,y,σ) = (G(x,y,kσ) – G(x,y, σ)) * I(x,y)

1/ TÌM CỰC TRỊ CỤC BỘ

Tìm các điểm cực trị trong không gian đo:

2/ TRÍCH XUẤT KEYPOINT

Sử dụng phép nội suy lân cận cho vị trí đúng của candidate Keypoint, sử dụng khai triển mở rộng Taylor

Loại trừ điểm có tính tương phản kémLoại bỏ các điểm dư thừa theo biên

3/ GẮN HƯỚNG CHO KEYPOINT Mỗi keypoint được gắn 1 hoặc nhiều

hướng dựa theo biên độ Gradient

4/ TẠO MÔ TẢ CHO KEYPOINT Mỗi bộ mô tả của mỗi keypoint là khác

nhau tạo tính bất biến với độ sáng, góc nhìn 3D …

Cấu trúc bộ mô tả gồm biểu đồ ma trận 4x4 với 8 ngăn -> 128 phần tử

5/ ĐỐI SÁNH

Tìm từng keypoint tương ứng trong tập keypoint ở mỗi ảnh và từ đó tạo ra tập keypoint so khớp nhau.

1021 882 98

NHẬN DẠNG ĐỐI TƯỢNG

KẾT LUẬN

Ưu điểm của SIFT là dùng các điểm bất biến với độ sáng, xoay, thu phóng … làm đặc trưng đối sánh

Hạn chế của SIFT là tốc độ trích xuất keypoint và chi phí đối sánh còn lớn

Hướng nghiên cứu tiếp theo là cải tiến tốc độ đối sánh bằng cách hạn chế số lượng keypoint