SIFT & SURF.

Slides:



Advertisements
Similar presentations
한국지엠㈜ 김양수 기본에 충실하자 연무대 공업고등학교 첫 만남 25 대한민국 48,508,972,238 / 49 북한 22,665,345 ♡ 70 억 명 : 1 ♡ 첫 인상 ♡ 처 음 ↔ 끝 ◆ 첫인상의 좋은점 나쁜점은 처음 30~40 초에 결정.
Advertisements

 사회  4 학년 1 학기  1. 우리 시ㆍ도 모습 > (1) 지도에 나타난 우리 시. 도의 모습 (2/17) 지도를 알아보자 (1)
녹는점과 끓는점 화학과 이 언정 손 나영 《수업 계획서》
Pride Power P 3 in VISION laboratory … Passion 5th week Presentation Vision System Lab, Sang-Hun Han.
아동이 살기 좋은 횡성군 만들기 추진위원회 2차 모임
Surface [1] Surface Feature [2] Surface의 조작 [3] Datum Curve
Digital Image Processing
퍼스널 로봇의 고기능 모듈 기술개발 전자부품연구원 정중기 수석연구원 2005년 3월11일(금요일)
1. 던전 디자인 개요_1 1. ‘던전’ 룬스톤은 던전 한 층에도 여러 개가 존재하며, 각 룬스톤 마다 영향을 미치는 범위가 설정되어 있다. 룬스톤이 영향을 주는 범위에 일정시간 사용자가 위치해 있게 되면 사용자 캐릭터는 ‘유령화’ 되어 버리기 때문에, 사용자는.
& 국민연금법 국민건강보험법 사회복지법제 행정학부 김인철 사회복지학과 김건우
시대의 향기를 담은 고수필 고전문학원전강독 신태웅 김수연 이진솔.
Mathematics for Computer Graphics
스테레오 비젼을 위한 3장 영상의 효율적인 영상정렬 기법
Multimedia Programming 05: Point Processing
Snake : Active Contour Model Computer Vision & Pattern Recognition
신호의 분석와 합성 미디어통신연구실 책임교수 최재호
신호 분석 방법에 관한 연구 컴퓨터 응용과학부 김수진.
인천대학교 PINCOM 컴퓨터비전 스터디 계획 인천대학교 임베디드시스템공학과 김도건.
커뮤니케이션 스킬 UP -전화매너- ..
Feature Extraction Lecture 4 에지 검출.
Mesh Saliency 김 종 현.
Feature Extraction Lecture 5 영상 분할.
OpenCV Presenter : 지왕태.
Multimedia Programming 05: Point Processing
Red Color Detection Course ChanYoung Kim
Multimedia Programming 11: Point Processing 6
Multimedia Programming 06: Point Processing3
포항공과대학교 COMPUTER VISION LAB. 석박통합과정 여동훈
Accelerometer Data Collection and Preprocessing
10 Three-Dimensional Object Representations  고려대학교 컴퓨터학과 김 창 헌.
3D Vision Lecture 7 동작 이해 (광류).
불변특징 SIFT와 응용 제5회 컴퓨터비전 및 패턴인식 겨울학교, 2011년 2월 21-22일, 전북대학교
7. 자극과 반응 7-2. 신경계 3. 여러 가지 반응.
for Robust Facial Landmark Localization
Computer Vision & Pattern Recognition Lab. 김 태 철 (월)
웨이브렛 프레임과 공간 정보를 이용한 질감 영상 분할 Texture Segmentation Using Wavelet Frame and Spatial Information 지도교수: 조 석 제 예 병 길 제어계측공학과.
1. 병원 직원들을 위한 서비스기본 과정 ■ 교육 목적 ■ 교육 내용 ▪ 의료 환경 변화의 이해와 고객만족 서비스 마인드 함양
Dongchul Kim / / OpenCV Tutorials Course Dongchul Kim / /
7 영역처리를 이용한 에지 검출 01 에지 검출의 개요 02 에지 검출기 03 1차 미분을 이용한 에지 검출
Opencv 이민권.
RaspberryPi3 및 Pi camera 3D Printing 출력물과 *[rPi + Pi cam] 병합모듈 제작
OpenCV Tutorials Dongchul Kim Media System Lab., Yonsei University
Multimedia Programming 10: Unsharp Masking/ Histogram Equalization
3D 프린팅 프로그래밍 06 – 에펠탑 만들기 강사: 김영준 목원대학교 겸임교수.
사진측량학 Photogrammetry.
1장. 소개.
영상 압축 방법에 관한 연구 컴퓨터응용과학부 유정숙.
키타노카시쇼쿠닌(北の菓子職人) - 「오호츠크의 소금 맛」
Digital Signal Processing
OpenCV 가족구성에 따른 TV 구매 방향 - Graphic Therapy : 도형 심리 검사 ( 사용자가 도형을 그리면, 그려진 도형의 위치와 크기 겹쳐진 형태에 따라 조건에 맞게 판별. 실제 검사와 근사한 결과가 나오도록 하는 데 중점을 둠.)
1장. 디지털 영상처리의 개념(1) 임은경 2주차 - 디지털영상처리의개념.
홍정미 (정보미디어학과, ) 문희윤 (정보미디어학과, )
자동차 사고 용의 차량 번호판 인식 시스템 개발 디지털정보융합학과 심영복.
시각(Vision) 인지(Cognition)의 중요성 컴퓨터의 시각(Vision)
6. Video Effects.
재활용의 실태와 재활용품 만들기의 계획 실과 6학년 8 . 환경을 살리는 나의 생활> 2) 재활용품 만들기(5~6/8)
Surface—나름대로 요약(수업용) [1] Surface Feature [2] Surface의 조작
Low-fi 프로토타입 숙명여자대학교 임순범.
아동안전관리 홍성훈 교수님 아동보육학과 박윤희
직장생활 예절 ① - 인사 1.내가 먼저 [인사의 5point] 2.상대방의 눈을 보고 미소지으며 3.상대방에 맞춰서
제 10장 가족치료모델 발 표 : 여금란.
가상현실연구실 박정식 증강현실 예제 가상현실연구실 박정식
서울, 1964년 겨울 -김승옥.
서울, 1964년 겨울 -김승옥.
서울, 1964년 겨울 -김승옥.
학습목표 신호에 대한 이해와 그 종류를 파악한다. 디지털 신호의 생성 과정을 이해한다. 왜 디지털 신호를 사용하는지 이해한다.
1. 전문대학기초학습지원센터 접속하기 전문대학 기초학습지원센터 접속 접속URL : LOG-IN 클릭.
1. 전문대학기초학습지원센터 접속하기 전문대학 기초학습지원센터 접속 접속URL : LOG-IN 클릭.
1. 전문대학기초학습지원센터 접속하기 전문대학 기초학습지원센터 접속 접속URL : LOG-IN 클릭.
Progress Seminar 선석규.
Presentation transcript:

SIFT & SURF

객체 인식 영상으로부터 검출된 특징정보(feature)를 이용 기계학습을 통해 생성된 분류기로 인식하는 방법 특징기술자(descriptor)를 매칭하여 인식하는 방법

특징기술자 기반 객체 인식 영상에서 특징점(interest point)을 검출 특징점 주변 모양을 특징정보(local feature)로 나타내는 특징기술자 추출 특징기술자를 데이터베이스 내의 특징기술자와 매칭하여 객체를 식별

특징점의 종류 Corner Blob Region

Blob detector

Blob detector: LoG Laplacian of Gaussian (LoG)

Blob detector: Hessian response Hessian matrix (H) – 2nd derivative Hessian (determinant of H) Laplacian (trace of H) Blob detection DoH: detect maxima

특징정보의 조건 영상의 여러 변화에 대해서 불변성을 가져야 한다 노이즈 스케일 변화 회전 시점 변화 조명 변화

대표적인 특징기술자 SIFT (Scale-Invariant Feature Transform) D. Lowe, “Distinctive image features from scale-invariant keypoints,” IJCV, vol. 60, no. 2, pp. 91-110, 2004. SURF (Speeded Up Robust Features) H. Bay, T. Tuytelaars, and L. V. Gool, “SURF: Speeded Up Robust Features,” European Conference on Computer Vision, 2006.

SIFT (SCALE-INVARIANT FEATURE TRANSFORM)

SIFT 4단계 알고리즘 Scale-space extreme detection Keypoint localization and filtering Orientation assignment Descriptor construction

Scale-space extreme detection Gaussian scale-space 입력 영상에 σ를 증가시켜가며 가우시안 필터를 적용한 영상을 만든다. σ가 두 배가 될 때마다 영상을 ½로 다운샘플링하고 위의 과정을 반복한다. DoG (Difference of Gaussian)

Blob detector: DoG Difference of Gaussian Approximated LoG

DoG

Local extreme detection of DoG DoG 영상에서 x,y,s축으로 인접한 26지점보다 DoG값의 절대값이 큰(극값을 갖는) 지점을 찾아 특징점 후보로 선택한다.

Keypoint localization and filtering 낮은 극값을 갖는(low contrast) 특징점 후보 제거 에지 응답을 갖는 특징점 후보 제거 Principal curvature가 큰 후보 샘플링된 극점이 아닌 subpixel 극점을 찾는다

검출 예 (a) original image (b) extreme points (832) (c) low extreme threshold (729) (d) large ratio of principal curvature threshold (536)

Orientation assignment

Orientation assignment

Orientation assignment

Descriptor construction 특징점 주변 영역을 4×4 블록으로 나누고, 각 블록내의 그래디언트 방향의 분포를 8개의 bin을 갖는 히스토그램으로 만든다. SIFT 특징기술자는 16블록×8bin =128 차원을 갖는 벡터 형태가 된다. 특징기술자 벡터를 정규화함으로써 조명 변화에 강건하게 만든다.

SURF (SPEEDED UP ROBUST FEATURES)

SURF SURF의 특징 특징점의 고속 검출 Haar-wavelet 응답을 이용한 특징기술자 Laplacian의 부호를 이용하여 매칭속도 향상

Integral image 원본 영상의 원점으로부터 각 위치까지의 픽셀값의 합을 저장한 영상 특정 사각형 영역 내의 픽셀값 합을 매우 빠르게 계산 가능 SURF에서는 속도 향상을 얻기 위해 integral image를 사용

Fast hessian detector 박스 필터를 이용하여 hessian 응답을 근사

Scale-space 영상의 크기를 줄이는 대신 필터의 크기를 키움으로써 고속화

Scale-space 영상의 크기를 줄이는 대신 필터의 크기를 키움으로써 고속화

Local maxima detection Thresholding Non-maxima suppression Interpolation (subpixel accuracy)

Orientation assignment

Descriptor construction 특징점 주변 영역을 4×4 블록으로 나누고, 각 블록 내를 5×5로 샘플링 블록 내의 각 샘플에 대한 Haar-wavelet 응답을 구하고 dx, dy, |dx|, |dy|의 합을 구한다. 특징기술자는 4×4×4=64차원의 벡터 형태가 된다. 특징기술자 벡터를 정규화하여 조명 변화에 강건하게 만든다.

SURF 특징기술자의 매칭 Laplacian 부호를 비교 유클리드 거리로 최근접이웃 탐색 부호에 따른 두 가지 타입 부호가 같은 경우에만 유클리드 거리 계산 유클리드 거리로 최근접이웃 탐색 Nearest neighbor distance ratio

PRACTICE

SURF in OpenCV SURF 특징점 및 특징기술자 추출함수 SURF 특징점 구조체

SURF in OpenCV SURF 파라미터

SURF를 이용한 매칭 SURF_matching.zip의 소스로 빌드 후, 실행