Приблизительный быстрый поиск объекта в архиве изображений

[Paft 0]

Добрый вечер. Занимаюсь разработкой приложения для осуществления базового видеонаблюдения и возникла идея поиска объектов в видеоархиве по загруженному образцу:

* система обрабатывает видео с камеры, выделяет регионы с движением - эти регионы и будут объектами, среди которых должен осуществляться поиск. видео и информация о регионах соответственно сохраняется в архив.

* пользователь выбирает объект для поиска (загружает картинку из файла и выделяет на ней интересующий объект) и нажимает "Найти".

* происходит обработка и сравнение - выявляются особенности выбранного объекта и особенности сохраненных объектов и осуществляется сравнение - похож/не похож

Скорее всего особенности объектов будут анализироваться при записи в архив для того, чтобы ускорить поиск в будущем. Главные требования - скорость обработки, т.е. если на каждые 10 найденных совпадений будет одно правильное - этого вполне хватит.

Подскажите, в какую сторону копать? Долго ковырялся с примерами opencv и лазил по инету - так и не смог найти подходящее решение.

[Nuzhny 243]

1. Я видел решение в какой-то книге по вейвлетам, их примеры работали довольно нормально.

2. Насколько я знаю, самый популярный сейчас способ bag of words.

2. В разных книгах (типа "Компьютерное зрение" Понса и Форсайта) есть обзор методов.

[Paft 0]

Спасибо. Будем читать. Эх, примерчик бы... :-)

[Smorodov 579]

Так в примерах OpenCV вроде был BagOfWords.

[mrgloom 242]

сначала надо определится какие признаки выделять из этих регионов.

можно погуглить CBIR.

[Paft 0]

Сложно определиться какие именно признаки будут извлекаться. Почитал статьи - составилось следующее мнение:

* SIFT, SURF - очень медленно, не подходит для данной задачи, т.к. требуется больше скорость, чем точность определения

* BagOfWords - насколько я понял, это обучаемый в процессе работы алгоритм с использованием словаря. Т.к. сложно предсказать сколько объектов будет детектировано и соответственно проанализировано, то можно предположить рост словаря на объектах со множеством камер или с динамично меняющейся обстановкой - а следовательно и замедление работы - чем дольше работает обработка - тем больше будет тормозить. Сложилось мнение что больше все-таки данный метод подходит для построения каталога (поправьте, если я ошибаюсь).

* единственное что приходит в голову для очень простого сравнения - это примитивно сравнивать гистограммы изображений. Но здесь многое зависит от освещения и контрастности. Что если будет осуществляться поиск человека по изображению (например в яркой желтой футболке), полученного с внешней камеры (с улицы) по архиву, содержащему данные по кабинетной камере. Может ничего не найтись из-за разности яркости изображений. В общем просто и не очень надежно (может быть можно дополнить дополнительной проверкой, т.е использовать в комплексе).

Примера сравнения изображений при помощи вейвлетов так и не нашел.

Может подтолкнете еще в какую-нибудь сторону? :-)

[mrgloom 242]

цветовая гистограмма быстрый и простой метод, но плохой.

с яркостью возможно как то можно нормировать.

в общем случае наверно чем больше будет выделено признаков и чем выше их качество\сложность тем больше возможно будет различить объектов.

для систем видеонаблюдения не знаю какие используются особенности лучше погуглить на эту тему.

[mrgloom 242]

http://jamie.shotton.org/work/publications/cvpr08.pdf

вот есть что то такое еще.

и такое

http://phash.org/

http://pdiff.sourceforge.net/

http://stackoverflow.com/questions/225210/removing-duplicate-images

Clustering near-duplicate images in large collections

дескрипторы+ хэш функции

[Nuzhny 243]

Примера сравнения изображений при помощи вейвлетов так и не нашел.

Может подтолкнете еще в какую-нибудь сторону? :-)

Гугл на строку "вейвлеты поиск в базе данных" что-то похожее на правду выдаёт.

[Paft 0]

Спасибо большое Сейчас буду вкуривать :-)

[mrgloom 242]

http://cvlab.epfl.ch/alumni/oezuysal/ferns.html

вот еще кой чего.