Спецкурс "техническое зрение"
SeninAndrew
Я подумал, что в рассылке, есть люди, которым это может быть интересно
и которые не подписаны на itlab. Вообще спецкурс для магистров, но
можно посещать в виде "вольнослушателя".
...
Спецкурс <техническое зрение> будет по пятницам в 14-40 в 102(6 корп).
Первое занятие через неделю - 30го октября.
Сообщите пожалуйста всем кому может быть интересно.
В этом году СК будет расширен лекциями о применении зрения в
робототехнике (автоматическая локализация и построение карты
местности, обучение с подкреплением).
Полный план занятий ниже.
Спецкурс является обязательным для студентов 5го курса каф. ЧиФА и
спецкурсом по выбору для магистрантов.
Форма отчётности - зачёт.
С уважением,
Александр Бовырин
5.2. Содержание разделов дисциплины.
1. МЕТОДЫ ПОЛУЧЕНИЯ И ОБРАБОТКИ ИЗОБРАЖЕНИЙ
1.1. Введение в проблематику. Примеры систем технического зрения.
1.2. Формирование изображений. Камера Обскура. Перспективная проекция.
Использование линз. Устройство современной цифровой камеры. Получение
растра. Основные искажения при формировании изображения.
1.3. Устройство человеческого глаза. Типовое устройство системы
технического зрения.
1.4. Виды цифровых изображений. Основные форматы хранения изображений.
1.5. Инструменты обработки бинарных изображений. Нахождение связанных
компонент. Морфологические операции. Инвариантные свойства связанных
компонент. Векторизация бинарных изображений. Алгоритм. Применения.
Бинаризация изображения. Анализ гистограмы. Метод Отсу.
1.6. Обработка и низкоуровневый анализ полутоновых и цветных
изображений. Линейная фильтрация изображения. Свертка. Повышение
чёткости. Подсчёт градиентов. Фильтры Собеля. Выделение границ
объектов. Детектор границ Кани. Процедура трансформации расстояния.
Нахождение угловых точек на изображении. Понятие гистограммы и
улучшение контрастности. Выравнивание контрастности двух изображений.
Эквализация гистограммы.
1.7. Мультиспектральные изображения. Виды цветовых пространств. Методы
улучшения цветных изображений. Методы сегментации цветных изображений.
2. МЕТОДЫ ВИДЕОАНАЛИЗА
2.1. Постановки задач возникающие при видеонаблюдении.
2.2. Методы детектирование и оценки движения.
2.3. Обучение модели фона. Вычитание фона.
2.4. Постановка задачи слежения за объектом в видео потоке.
2.5. Численный метод поиска оптимального оптического потока.
Применение градиентного метода поиска локального минимума функции.
2.6. Слежение за объектом с помощью алгоритма Meanshift.
2.7. Предсказание движения с помощью фильтра Калмана.
2.8. Детектирование подозрительных траекторий движения.
3. МЕТОДЫ ПОИСКА ОБЪЕКТОВ НА ИЗОБРАЖЕНИИ
3.1. Постановка задачи поиска. Инвариантность поиска.
3.2. Обзор и классификация популярных методов локализации.
3.3. Метод скользящего окна.
3.4. Локализация особых точек изображения и вычисление вектора
признаков методом SIFT.
3.5. Другие методы описания объекта: SURF, MSER, HOG...
3.6. Использование ключевых точек изображения для предсказания
положения объекта. Кластеризация в пространстве гипотез для нахождения
наиболее вероятного положения объекта. Обобщённое преобразование Хафа.
3.7. Поиск шаблона с помощью решения двойственной задачи нахождения
клики (максимального полного графа).
4. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ И РАСПОЗНАВАНИЯ ОБРАЗОВ
4.1. Основные понятия распознавания образов. Общая модель
классификации. Обучение с учителем и без. Базовые элементы статистики.
4.2. Подготовка данных. Методы фильтрации. Метод главных компонент.
Метод канонических переменных.
4.3. Обзор классификаторов. К- ближайших соседей. Байесовский
классификатор. Машина опорных векторов. Деревья решений. Нейронные
сети.
4.4. Обучение без учителя. Методы кластеризации данных. К-средних.
Агломеративная кластеризация. EM -алгоритм.
4.5. Применение машины опорных векторов в задаче детекции пешеходов.
5. МЕТОДЫ ЛОКАЛИЗАЦИИ И РАСПОЗНАВАНИЯ ЛИЦ
5.1. Методы локализации лица. Детектирование лица с помощью каскадного
классификатора на основе признаков Хара. Метод Adaboost. Признаки
Хаара. Интегральные изображения. Подсчёт признаков Хаара с помощью
интегральных изображений.
5.2. Методы поиска элементов лица (глаза, нос, рот).
5.3. Методы распознавания лиц. Активные модели. Геометрическое
сравнение. Поэлементное сравнение. Метод главных компонент.
Использование оптического потока.
5.4. Организация поиска в базе.
6. ЧИСЛЕННОЕ ОПИСАНИЕ, АНАЛИЗ И СРАВНЕНИЕ ИЗОБРАЖЕНИЙ
6.1. Постановка задачи поиска изображений. Практическая значимостью
6.2. Цветовые характеристики изображения.
6.3. Текстурные характеристики изображения.
6.4. Градиентные характеристики изображения.
6.5. Расстояние Хаусдорфа.
6.6. Различные численные методы сравнения изображений. Гистограммы.
Корелограммы. LBP. Методы сравнения из стандарта MPEG-7.
6.7. Оптимальное хранение цифровой библиотеки. KD-деревья.
7. МОДЕЛИРОВАНИЕ ВИЗУАЛЬНО НАБЛЮДАЕМЫХ ПРОЦЕССОВ. ЧИСЛЕННЫЕ МЕТОДЫ
ОЦЕНКИ МОДЕЛИ
7.1. Примеры математического моделирования в задачах технического
зрения.
7.2. Метод наименьших квадратов. Преобразование Хафа.
7.3. Задача оценки модели движущегося человека. Примеры моделей для
оценки позы человека и локализации элементов лица.
7.4. Стохастические методы оптимизации модели. Метод фильтрации
частиц.
8. КАЛИБРАЦИЯ КАМЕР И СТЕРЕОЗРЕНИЕ
8.1. Типы калибрации камер. Практическая значимость калибрации.
8.2. Модели камеры. Внутренние и внешние параметры камеры.
8.3. Обзор методов калибрации.
8.4. Стереозрение. Эпиполярная геометрия. Выравнивание изображений
стереопары. Использование структурного света.
8.5. Восстановление структуры по движению.
8.6. Методы нахождения стереосоответствия. Метод скользящего окна.
Использование динамического программирования. Метод сопоставления с
помощью поиска максимальной клики.
9. ПРИМЕНЕНИЕ ТЕХНИЧЕСКОГО ЗРЕНИЯ В РОБОТОТЕХНИКЕ
9.1. Планирование движений в условии неопределённости.
9.2. Задача локализации робота .
9.3. Задача составления карты.
9.4. Обучение с подкреплением: технология обучения робота.