Ulteriori informazioni
Für den Menschen ist die Objekterkennung trivial. Wir können Objekte in unserer Umgebung leicht identifizieren, unabhängig davon, ob sie auf dem Kopf stehen, eine andere Farbe oder Textur haben, teilweise verdeckt sind, usw. Selbst Objekte, die in vielen verschiedenen Formen auftreten, wie Vasen, oder Objekte, die erheblichen Formabweichungen unterliegen, wie Bäume, können von unserem Gehirn leicht zu einer Art von Objekt verallgemeinert werden. Die Identifizierung von Objekten erfolgt durch die Integration der skaleninvarianten Merkmalsextraktion (SIFT) und der Formindexdarstellung von Entfernungsbildern, die den Abgleich von Oberflächen mit unterschiedlichen Maßstäben und Ausrichtungen ermöglicht. Es wird ein Formindex ermittelt, der als lokaler Deskriptor oder Schlüsselpunktdeskriptor verwendet wird. Schlüsselpunktdeskriptoren werden dort identifiziert, wo die Formindexwerte extrem sind. Das vorgeschlagene Projekt verwendet also zur Objektidentifizierung zwei verschiedene Eigenschaften wie 3D-Oberflächeneigenschaften für die Formindexidentifizierung und eine skaleninvariante 2D-Merkmalstransformation für die Erkennung von Schlüsselpunkten und die Merkmalsextraktion. Die vorgeschlagene Methode kann für skalierte, gedrehte und verdeckte Bilder angewendet werden.
Info autore
Kishore Kumar D erhielt seinen Master of Science in Software Engg von der VIT University Vellore im Jahr 2015. Er hat viele Projekte durchgeführt. Er arbeitet bei Cognizant Tech. Sols. Der zweite Autor, Chiranji Lal Chowdhary, erwarb seinen B.E. & M.Tech. in CSE. Er verfügt über mehr als 10 Jahre Erfahrung in Lehre und Forschung. Er arbeitet an der VIT-Universität Vellore, Indien.
