Программный комплекс «Интерактивная информационная доска» Дроздова Юлия

Текущее состояние доски 1

Интерактивная информационная доска 2

Схема программного комплекса 3

Обзор существующих решений 4

Основные критерии сравнения ARToolKitLayar парадигмавидеозрениеGPS-координаты Размещаемый доп. контент определяются разработчиком текстовая информация; гиперссылки; изображения(non free). Процесс разработки приложения возможные трудности при компиляции; требуются программистские навыки; свобода действий разработчика. существуют спец. приложения для разработки; не требуется программистских навыков; ограничение свободы. Основные недостатки Устаревшие алгоритмы Распознавание монохромных изображений Неосмысленный выбор изображений Точность идентификации положения точек расширения не удовлетворяет требованиям предметной области 5

Компонент обнаружения Компонент распознавания Изображение Эталонные изображения Сегменты для распознавания ? Распознанные изображения эталон Компоненты обнаружения и распознавания. Принцип работы 6

7

Распознаваемые маркеры Информация о предлагаемых вакансиях (job) Срочная информация (timed) Информация о расписании (timetable) Информация об успеваемости (marks) Дополнительная информация (inf) 8

Исходное изображениеБинарное изображениеСегмент изображения Компонент обнаружения маркеров 9

Сравнение алгоритмов бинаризации Степень освещенности объекта Адаптивная бинаризацияГлобальная бинаризация Вес пикселей равнозначен Вес пикселей задан в соотв. с функцией Гаусса Пороговое значение определенно средней яркостью изображения Пороговое значение определенно эксперимент. путем Слабое освещение (до 280 лк) 4,3%60,5%11,6%2% Офисное освещение ( лк) 42,4%98,4%36,4% 99,6% 10

Контуры на изображении 1 Дерево контуров Обнаружение маркеров. Дерево контуров 7 11

Замкнутый контур 4 точки излома Углы близкие к 90° Одинаковые сегменты ° Обнаружение маркеров. Квадратный контур 12

Контуры на изображении Дерево контуров 7 Обнаружение маркеров. Дерево контуров 13

Контуры на изображении Дерево контуров 7 Обнаружение маркеров. Дерево контуров 13

Распознавание маркеров. Задача классификации Особые точки изображения Метод потенциальных функций ? 14

… Распознаваемое изображениеЭталонные изображения Распознавание маркеров. Задача классификации 15

Формула расчета потенциала: Формула фильтрации: P PDF= Распознавание маркеров. Задача классификации 16

Язык разработки Java, С++ Используемая библиотека: OpenCV Устройства для тестирования: мобильные устройства на базе Android Объем тестовой выборки более изображений Характеристики выборки: Угол обзора(до 80° от перпендикуляра к плоскости) Масштаб (маркера занимает от 10% изображения) Освещенность(офисное освещение и ниже) Разрешающая способность видеокамеры(5mpx, 8mpx) Реализация и тестирование 17

Тестирование 18

Тестирование. Усредненный результат 19

Оптимизация Предыдущий кадр Текущий кадр ? job marks 20

Тестирование 21

Тестирование 22

Были применены: Контурный анализ Метод потенциальных функций Особые точки изображения Классификация маркеров с точность до 100% Отсев маркеров в худшем случае до 9% Выводы 23

Дроздова Юлия Студент 4 курса кафедры МОВС ПГНИУ Спасибо за внимание