МЕТОДИКА РАСПОЗНАВАНИЯ ТОЧЕЧНЫХ ОСОБЕННОСТЕЙ НА ОСНОВЕ РАНДОМНЫХ ДЕРЕВЬЕВ
В СИСТЕМАХ РАСШИРЕННОЙ РЕАЛЬНОСТИ 

Финогеев Алексей Германович, доктор технических наук, профессор, кафедра систем автоматизированного проектирования, Пензенский государственный университет (г. Пенза, ул. Красная, 40), finogeev@sura.ru
Четвергова Мария Владимировна, аспирант, Пензенский государственный университет (г. Пенза, ул. Красная, 40), marysha85@inbox.ru 

004.932:159.9 

Рассматривается технология распознавания особых точек изображений объектов, выделенных в видеоряде для мобильных систем расширенной реальности. Предложена методика определения и сопоставления дескрипторов особых точек на изображениях объектов с дальнейшей возможностью
обучения подсистемы распознавания на основе использования леса рандомных деревьев. Проведено сравнительное исследование существующих методик распознавания точечных особенностей, таких как SIFT, SURF и RIFF, приведены их недостатки. С целью повышения качества методики распознавания объектов с выделенными точечными особенностями на мобильных устройствах предложена методика на основе леса рандомных деревьев. Основная идея методики заключается в распознавании объектов на базе статистики распределения классификатора Байеса о возможных сопоставлениях дескрипторов. Предложены две структуры леса рандомных деревьев: базовая и
расширенная. Проведены сравнительные аналитические и экспериментальные исследования существующих и разработанной методик распознавания объектов по детектированным точечным особенностям на основе леса рандомных деревьев. Показано, что использование разработанной методики на базе рандомных деревьев дает лучшую оценку качества распознавания при более высоких требованиях к оперативной памяти и минимальном увеличении времени работы системы. 

Ключевые слова

расширенная реальность, распознавание изображений, особые точки, точечная особенность, детектирование, дескриптор, рандомные деревья. 

 Скачать статью в формате PDF

1. Васильев, В. Н. Математические методы и алгоритмическое обеспечение анализа и распознавания изображений в информационно-телекоммуникационных системах / В. Н. Васильев, И. П. Гуров, А. С. Потапов // Всероссийский конкурс обзорно-аналитических статей по приоритетному направлению «Информационно-телекоммуникационные системы». – URL: http://www.itc.edu.ru/ itkonkurs2008/
2. Shi, J. Good features to track / J. Shi, T. Kanade // IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’94), IEEE Computer Society, Sietl. − 1994.
3. Harris, C. A combine corner and edge detector / C. Harris, M. Stephens // In Fourth Alvey Vision Conference. – Manchester, UK. – P. 147–151.
4. Lowe, D. G. Object Recognition from Local Scale-Invariant Features / David G. Lowe // Proceedings of the International Conference on Computer Vision. – 1999. – V. 2. – P. 1150–1157.
5. Herbert, B. SURF: Speeded Up Robust Features / B. Herbert, Andreas Ess, Tinne Tuytelaars, Luc Van Gool // Computer Vision and Image Understanding (CVIU). – 2008. – V. 110, № 3. – P. 346–359.
6. Takacs, G. Unified Real-Time Tracking and Recognition with Rotation-Invariant Fast Features / G. Takacs, V. Chandrasekhar, S. Tsai, D. Chen, R. Grzeszczuk, B. Girod. – URL: CVPR2010_RIFF.pdf
7. Calonder, M. BRIEF: Binary Robust Independent Elementary Features / M. Calonder, V. Lepetit, P. Fua. – URL: http://cvlab.epfl.ch/~lepetit/
8. Hartley, R. Multiple View Geometry In Computer Vision / R. Hartley, A. Zisserman. – 2nd edition. – Cambridge : Cambridge University Press, 2003. – P. 670.