Moderní počítačové vidění. Úkoly a počítačové vidění technologie. Programování Computer Vision v Pythonu

Jak naučit počítač pochopit, co je znázorněno na obrázku a obrázků? To se zdá jednoduché, ale na počítači je to jen matice skládající se z nul a jedniček, ze kterého chcete získat důležité informace.

Co je počítačové vidění? Je to schopnost „vidět“ počítače

Vision - je důležitým zdrojem informací pro osoby používat to získáme, podle různých odhadů 70 až 90% všech informací. A samozřejmě, pokud chceme vytvořit inteligentní auto, musíme implementovat stejné schopnosti a počítač.

Problém počítačového vidění lze konstatovat zcela jasně. Co je to „vidět“? Je zřejmé, že tam, kde jsou pouhým pohledem. Že dospěl k závěru, rozdíly počítačového vidění a lidského zraku. Vize pro nás - to je zdrojem poznání o světě, stejně jako zdroj informací metrické - tedy schopnost porozumět vzdáleností a velikostí.

Sémantický obraz jádra

Při pohledu na obrázek, můžeme popsat celou řadou vlastností, tak říkajíc, extrahovat sémantické informace.

Například při pohledu na tento obrázek, můžeme říci, že je venku. Jaký je městské dopravy. Že tam jsou automobily. můžeme odhadnout, že to je jihovýchodní Asie na konfiguraci budovy a hieroglyfů. Portrét Mao Ce-tunga pochopit, že se jedná v Pekingu, a pokud někdo viděl živé video nebo se tam byl, bych, že to je slavná náměstí Tiananmen.

To, co můžeme říci více o obrázku, vidět to? Můžeme identifikovat objekty v obraze, říci, že existují lidé, zde blíže - plot. Zde deštníky, plakáty, které budovy. To jsou příklady tříd je velmi důležité objekty, které se zabývají hledáním chvíli.

Stále se můžeme naučit některé z funkcí nebo atributy objektů. Například zde můžeme určit, že se nejedná o portrét obyčejných Číňanů, totiž Mao Ce-tunga.

Podle vozidla, může být stanoveno, že se jedná o pohybující se objekt, a je těžké, že není deformována během pohybu. O flags lze říci, že objekty, které jsou v pohybu, ale nejsou těžké, neustále deformuje. A ve scéně tam je vítr, který může být stanoven prostřednictvím rozvoje příznaků, a může dokonce určit směr větru, například, to je fouká zleva doprava.

Vzdálenosti a délky v oblasti počítačového vidění

Velmi důležitá je metrický informace o počítačovém vidění vědě. To je všechny druhy vzdáleností. Například pro vozítka je obzvláště důležité, protože týmy jsou od Země asi 20 minut a odpovídat tolik. V důsledku toho je odkaz tam a zpět - 40 minut. A pokud budeme dělat plán pohybových příkazů na Zemi, je třeba vzít v úvahu.

Úspěšně integrovat technologie počítačového vidění ve videohrách. Podle videa, můžete vytvořit trojrozměrné modely objektů, lidí a fotografie na uživatel může obnovit trojrozměrných modelů měst. A pak po nich chodit.

počítačové vidění - poměrně široký sortiment. To je úzce spjata s různými jinými vědami. Část počítačového vidění Zachycuje oblast zpracování obrazu a někdy vyčleňuje počítačového vidění, historicky.

Analýza, rozpoznávání vzorů - cesta k vytvoření vyšší inteligence

Pojďme prozkoumat tyto pojmy odděleně.

Zpracování obrazu - se jedná o oblast algoritmů, ve kterém je vstup a výstup - image a musíme mu něco udělat.

Analýza image - je oblast počítačového vidění, který se zaměřuje na práci s dvojrozměrného obrazu a dělat závěry z toho.

Pattern Recognition - abstraktní matematická disciplína, která rozpoznává data ve formě vektorů. To znamená, že u vchodu - vektoru a máme co do činění s ním. V případě, že vektor je, že nejsou tak důležité vědět.

Počítačové vidění - to původně bylo obnovit strukturu dvourozměrných obrazů. Dnes se tato oblast stala širší, a to může být vykládáno jako přijetí všech fyzických objektů tvořících na základě obrazu. To znamená, že je úkolem umělé inteligence.

Souběžně s počítačového vidění v úplně jiném oboru, geodézie, fotogrammetrie vyvinula - měření vzdálenosti mezi objekty na dvourozměrných obrazů.

Roboti mohou „vidět“

A konečně - to je vize stroje. Podle vize stroje znamená vizi robotů. To je rozhodnutí některých výrobních problémů. Dá se říci, že počítačové vidění - je jedna velká věda. Spojuje některé z dalších vědních části. I když je počítač vize dostane nějaké konkrétní aplikaci, to promění vizi stroje.

Počítačové vidění region má hmotnost praktických aplikací. To je spojováno s automatizací výroby. Na podniky zefektivnit nahradit manuální práci strojem. Stroj se neunaví, nespí, měla nepravidelnou pracovní dobu, že je ochoten pracovat 365 dní v roce. Takže, s využitím práce stroje, se můžeme dostat zaručenou výsledek v určitém čase, a to je docela zajímavé. Všechny úlohy mají jasný způsob využití systémů počítačového vidění. A není nic lepšího, než vidět výsledky okamžitě na snímku pouze ve fázi výpočtu.

Na prahu světa umělé inteligence

Plus prostor - je to těžké! Významná část mozku zodpovědného za vidění, a předpokládá se, že pokud se naučit váš počítač „vidět“, to znamená, že plné využití počítačové vidění, to je jeden z cílů plnou umělé inteligence. Pokud se nám podaří vyřešit problém na lidské úrovni, s největší pravděpodobností ve stejné době, budeme řešit problém AI. Že je velmi dobrá! Nebo není moc dobré, když se podíváte, „Terminator 2“.

Proč je vize - to je těžké? Protože obraz stejného objektu se může měnit velmi liší v závislosti na vnějších vlivech. V závislosti na předmětu pozorovacích míst vypadat jinak.

Například jedno a stejné postavy, převzaté z různých úhlů. A co je nejzajímavější na obrázku, může být jedno oko, dvě oči a půl. A v závislosti na kontextu (je-li tento obraz člověka v košili s malovanými oči), oko může být víc než dva.

Počítač stále nerozumí, ale to „vidí“

Dalším faktorem, který ztěžuje - je to osvětlení. Stejná scéna s různým osvětlením bude vypadat jinak. velikost objektu se může lišit. Kromě toho předměty jakékoliv třídy. Jak můžete říci o člověku, že jeho výška 2 metry? Nic. Lidský růstový a může být 2,3 m, a 80 cm. Stejně jako u jiných typů objektů, nicméně, jsou objekty stejné třídy.

Zejména živé objekty procházejí celou řadu kmenů. Vlasy lidé, sportovci, zvířata. Podívejte se na fotky z koní běží, zjistit, co se děje s jejich hřívu a ocas je prostě nemožné. A překrývajících se objektů v obraze? Pokud si strčit počítačový obraz, dokonce i nejsilnější stroj najít potíže dát správné rozhodnutí.

Další zobrazení - to je převlek. Některé objekty, zvířata se maskuje jako je životní prostředí, a docela obratně. A tytéž skvrny a zbarvení. Přesto jsme je vidět, i když ne vždy z dálky.

Dalším problémem - pohyb. Objekty v pohybu nepředstavitelné deformují.

Mnohé z těchto předmětů jsou velmi variabilní. Zde, například, ve dvou fotografiích níže uvedených objektů „židle“.

A na to se můžete posadit. Ale naučit stroj tak, že různé věci ve tvaru, barvy, materiál, všechno je objekt „židle“ - je velmi obtížné. To je výzva. Integrovat metody počítačového vidění - je naučit stroj pochopit, analyzovat, spekulovat.

Integrace počítačového vidění na různých platformách

Hmotnost počítačového vidění začaly pronikat ještě v roce 2001, kdy vytvořil první detektor obličeje. Udělali jsme to dva autoři: Viola, Jones. Bylo to poprvé, rychlý a spolehlivý dost algoritmus, který demonstroval sílu metod strojového učení.

Nyní počítačového vidění mají dostatek nových praktických aplikací - rozpoznání lidské tváře.

Ale rozpoznat člověka jako ve filmech - v náhodných úhlech, různých světelných podmínkách - to je nemožné. Ale jak vyřešit problém, nebo ten, který je různí lidé s různými osvětlení nebo v jiné póze, podobně jako na fotografii v pase, je možné s vysokou mírou spolehlivosti.

pasové fotografie požadavky do značné míry díky funkci algoritmů na rozpoznávání obličejů.

Například, pokud máte biometrický pas, v některých moderních letištích, můžete použít automatický systém řízení pas.

Nevyřešeným problémem počítačového vidění - schopnost rozpoznat jakýkoli text

Možná, že někdo používá systém OCR. Jeden z nich - Jemné Reader, je velmi populární v systému Runet. Existuje mnoho forem, kde si vyplnit údaje, které jsou dokonale skenovány, informace jsou rozpoznány systémem velmi dobře. Ale s libovolným textem v obraze je situace mnohem horší. Tento problém zůstává nevyřešen.

Hry zahrnující počítačového vidění, motion capture

Samostatný velký prostor - je vytvoření trojrozměrných modelů a motion capture (což je poměrně úspěšně realizován v počítačových hrách). První program, který využívá počítačového vidění - systém interakce s počítačem pomocí gest. Když to bylo vytvořeno to bylo hodně věcí otevřené.

Algoritmus je navržen tak jednoduše, ale pro konfiguraci trvalo vytvořit generátor syntetických obrazů lidí se dostat milion obrázků. Superpočítač s nimi zvolit parametry algoritmu, pro který teď pracuje dobře.

To je jeden milion snímků a týden čas počitatelné superpočítač možné vytvořit algoritmus, který spotřebuje 12% kapacity jednoho procesoru a člověku umožňuje vnímat pozici v reálném čase. Tento systém Microsoft Kinect (2010).

Vyhledávání obrázků podle obsahu vám umožní nahrát fotografie do systému, a výsledky to bude dávat všechny obrázky se stejným obsahem a ze stejného úhlu.

Příklady počítačového vidění: trojrozměrné a dvourozměrné mapy V současné době se s ním. Mapy pro navigaci auta jsou pravidelně aktualizovány v souladu s DVR.

K dispozici je databáze s miliardami geograficky označených fotografií. Stažením obrazu v databázi, můžete určit, kde byl vyroben, a dokonce s nějakou perspektivou. Samozřejmě za předpokladu, že toto místo natolik, že populární najednou turisté a udělal několik fotografií z této oblasti byly tam.

Roboti jsou všude

Robotics v současné době, všude, aniž by v žádném případě. Teď tam jsou vozidla, která mají zvláštní kamery, které rozpoznají chodce a dopravní značky předávat povely řidiče (to takovým způsobem, počítačový program pro prohlížení, pomáhá motorista). A tam je plně automatizovaná robotická vozidla, ale nemohou spoléhat pouze na kamerovým systémem bez použití velkého množství doplňujících informací.

Moderní kamera - to je analog kamera obscura

Mluvme o digitálního obrazu. Moderní digitální fotoaparáty jsou uspořádány na principu camera obscura. Pouze místo otvoru, přes který světlo vstupuje do světlo a promítaného na zadní stěně komory podle předkládaného obvodu, máme speciální optický systém s názvem objektiv. Jejím cílem je shromáždit velký světelný paprsek a převést jej tak, aby všechny paprsky prochází virtuální bod, aby se dosáhlo na výstupek a tvoří obraz na filmu nebo matrice.

Moderní digitální fotoaparáty (matice) se skládá z jednotlivých prvků - pixelů. Každý pixel může měřit energii světla, které dopadá na celkové pixelů, a vydá jeden výstupní číslo. Z tohoto důvodu, v digitálním fotoaparátu, dostaneme namísto set světelných měření jasu obrazu, ulovených v jednom pixelu - počítačovou zorné pole. Proto, když se obraz vidíme, není plynulé linie a jasné kontury a mřížku barevných čtverců v různých barvách - pixelů.

Níže vidíte první digitální obraz ve světě.

Ale v tomto obrázku není? Barvu. Co je to barva?

Psychologické vnímání barev

Barva - to je to, co vidíme. Barva jedné a té samé pro člověka a kočky budou lišit. Vzhledem k tomu, my (člověka) a živočišného optického systému - k vidění je odlišná. Proto je barva - to je psychologický kvalita naší vize, ke kterému dochází při pozorování objektů a světlo. A ne fyzikální vlastnosti objektu a světlo. Barva - je výsledkem vzájemného působení světelných prvků, a na scéně našeho vizuálního systému.

Programování Computer Vision v Pythonu s využitím knihovny

Pokud jste se rozhodli zapojit se vážně na studium počítačového vidění, měl by okamžitě připravit na řadu obtíží, tato věda není nejjednodušší a skrývá řadu úskalí. Ale „Programování Computer Vision na Python“ autorství Jan Erik Solema - knihu, která obsahuje přehled všech nejjednodušší jazyk. Zde se seznámí s metodami rozpoznávání různých objektů v 3D, naučit se pracovat s stereofonního obrazu, virtuální reality a mnoho dalších aplikací počítačového vidění. V knize jsou dost příkladů v jazyce Python. Ale vysvětlení jsou prezentovány, tak říkajíc, generalizované, tak, aby nedošlo k přetížení příliš mnoho výzkumu a tvrdá data. Práce vhodná pro studenty, amatéry a nadšence. Stáhněte si tuto knihu a jiní asi počítačového vidění (formátu pdf), může být v síti.

V tuto chvíli existují open source knihovnu počítačového vidění algoritmů a zpracování obrazu a numerických algoritmů OpenCV. To je realizován na nejmodernějších programovacích jazyků, je open source. Pokud budeme hovořit o počítačové vidění, Python používá jako programovací jazyk, ale má také podporu knihovny, kromě toho, že se neustále vyvíjí a má velkou komunitu.

Společnost „Microsoft“ poskytuje své služby Api-moci trénovat neuronové sítě jej pracovat s obrázky lidí. K dispozici je také možnost uplatnit počítačového vidění, Python používá jako programovací jazyk.