SentiSight,目标识别技术

本页内容

• 为什么选择SentiSight?
• 算法
• 可靠性测试和技术规范
• 系统需求
• 算法演示
• 相关产品

为什么选择SentiSight?

神网科技公司的SentiSight技术，对基于计算机视觉的目标识别应用系统的开发者而言，是最佳的帮助。SentiSight能够学习并且识别已经学习过的目标物体，其图像输入来源包括了几乎所有现成的摄像机，网络摄像头，静态图像以及录像。

• 通用性. SentiSight算法被设计成尽可能利用现有的多种图像输入，以保证其通用性。它可以支持来自所有视像输入设备，如网络摄像头、监控摄像头等，以及直接输入来自图片的静态图像。识别过程不受物体大小比例、旋转角度、姿态等的影响。SentiSight技术的一些潜在应用领域如下：
  • 做为图片中（本地图像或网络远程采集图像）目标物体识别的搜索引擎；
  • 安防领域；
  • 生产线上零部件识别；
  • 机器人视觉；
  • 道路标识识别；
  • 机器视觉。
• 快速. SentiSight算法软件可以实时处理连续视频图像信息，完全可以胜任实时处理系统应用要求。
• 网络摄像头. 一个简单的网络摄像头就可以提供足够的图像信息给SentiSight算法，当然，如果使用图像质量更高的摄像头，识别效果会更好。
• 灵活. 许可方式灵活多样，性价比优良。

算法

SentiSight 1.1 目标物体识别算法实现了先进的，基于视觉的目标学习和识别功能。

1. 目标物体学习过程s

识别一个物体之前，先要使系统学习和记忆其外观特征。在学习这个步骤中，SentiSight 算法将从单幅图像或连续图像中提取目标物体的特征，然后将其以一定的格式存储，存储文件称为模型模板（model template）。

通常在图像中，除了我们希望系统学习和记忆的目标物体外，还有许多其他信息和细节，比如背景，其他物体，或者举着目标物体的手臂等等。因此，“学习”这个过程需要经过几个步骤，以便提供足够信息确定目标物体在图像画面中的准确位置。我们采用“面具”（“mask”）明确地界定图像中的每一个像素究竟是属于目标物体，还是属于背景等，以此方式，将仅与目标物体相关的信息归纳入模型模板中。

如果在某些图像中无法提供“面具”，SentiSight算法仍然可以学习目标物体，不过其他背景元素信息也会一并采集。这将影响算法的识别能力，并可能导致目标物体与其他同样背景的物体之间被错误的分类。

不过，对于轻型的可移动物体，SentiSight 算法了一套完整的自动学习程序。使用SentiSight 1.1 SDK对轻型可移动物体进行学习的用户，请参照以下步骤：

1. 选择一静态的背景（最好尽可能平整），将摄像头对准背景；
2. 选择一个“持握体”（holder）——即，持握住目标物体进行移动的物体，比如人的手臂；
3. 先将持握体本身对准摄像头，并展示不同的姿态和形式（除非它是很僵硬的物体），以便它先被SentiSight所学习和记忆；
4. 学习了持握体之后， SentiSight开始学习目标物体。由持握体将目标物体在摄像头前旋转不同角度，移动到离镜头不同的距离，让系统充分提取目标物体的信息；
5. 输入被学习目标物体的名称（或ID）。

对于不能移动的物体，或仅能提供图片的物体，学习的过程会有不同。这种情况下，用户需要手动设置物体的“面具”，或不使用“面具”。

2. 识别

识别已经学习过的目标物体时，摄像头要对准目标物体出现或可能出现的场景，无须其他动作。当目标物体出现在系统视觉范围内时，它将立即被SentiSight所识别，识别后软件将输出物体名称（ID）以及位置坐标。
SentiSight算法能够在不同的尺寸、角度和平移变化情况下识别目标物体。因为，当一个物体被系统学习后，算法将为此物体创建一个模型，该模型包括在不同的方向角度，不同的3D姿态，以及不同的光照环境下该物体可能的视像。

entiSight算法的识别速度相当快，对于单个的目标物体模型（分辨率320 X 240），速度大约为每秒十帧。不过，如果有更高的速度要求时，SentiSight 1.1 库函数产品具有一种跟踪模式，可以将跟踪速度提高到每秒20帧。跟踪过程是这样的： 当一个物体被识别和定位后，跟踪程序进行初试化，然后开始跟踪该物体的任何外形和位置变化，继续识别，识别后立即初始化，然后在跟踪，再识别。不过，跟踪功能对复杂背景比较敏感，而且对同类物体的跟踪很难实现。

所有性能评估的硬件平台都是基于PC （2.4 GHz Intel Core2 Duo CPU）

可靠性测试及技术规范

 

SentiSight 1.1算法测试，使用了来自很多种类摄像头采集的图像。在FAR= 0.1%时，识别率从70% 到超过99%不等，取决于目标物体的结构、外观、透明度等等。对于具有良好内部结构定义的物体，识别率为98% - 99%（0.1% FAR）

系统需求

• PC 至少1GHz 处理器，支持SSE2 技术；
• 256 MB内存。

算法演示

 

我们有两套在Windows 2000/XP/2003/Vista下运行的关于SentiSight 1.1技术的演示软件：

• SentiSight 1.1完整演示软件，该程序可以从几乎所有现成的摄像头或录像文件获取图像，学习和识别目标物体。请参阅SentiSight演示程序使用指南。
• SentiSight 1.1简单演示软件，作为对SentiSight 1.1技术的简单评估用。它具有简单易用的界面，只能使用网络摄像头进行学习和识别。

SentiSight 1.1 SDK试用版也可在此下载。

相关产品

 

SentiSight 1.1 SDK是基于SentiSight 1.1技术的产品。