Hierarchischer Ansatz zur Objekterkennung mithilfe von Formdeskriptoren

Die automatische Objekterkennung ist ein grundlegendes Problem in den Bereichen Computer Vision und maschinelles Lernen, das in letzter Zeit viel Forschungsaufmerksamkeit erhalten hat. Während es verschiedene Methoden gibt, die auf verschiedenen Low-Level-Merkmalen aufbauen, um Objektmodelle zu konstruieren, erforscht und implementiert diese Arbeit die Verwendung von geschlossenen Konturen als formidable Objektmerkmale. Zur Extraktion der Konturen wird eine hierarchische Technik eingesetzt, die die inhärenten räumlichen Beziehungen zwischen den Eltern- und Kindkonturen eines Objekts ausnutzt. Fourier-Deskriptoren werden verwendet, um die extrahierten Konturen effektiv und unveränderlich zu beschreiben. Es wird eine einfache hierarchische Methode zum Abgleich von Formbezeichnungen und räumlichen Deskriptoren implementiert, um das nächstgelegene Objektmodell zu ermitteln. Eine Multi-Thread-Architektur und GPU-effiziente Bildverarbeitungsfunktionen machen die Technik effizient für den Einsatz in realen Anwendungen. Die Technik wurde erfolgreich an gewöhnlichen Verkehrsschildern in realen Bildern getestet, wobei als Endergebnis eine insgesamt gute Leistung und Robustheit erzielt wurde.