Objektgjenkjenning av sykler ved anvendelse av egenskapsdetektorene BRISK, SUSAN og SURF

Abstract

Egenskapsdetektorer er detektorer som finner fremtredende punkter med en type egenskap i bilder. Disse egenskapspunktene kan brukes til mange applikasjoner innen maskinsyn. I denne oppgaven er det valgt å bruke egenskapspunkter til objektgjenkjenning. Objektet som skal gjenkjennes er en sykkel. Målet er at en skal kunne bruke dette til å telle syklister på sykkelvei. For å finne objektet testes tre egenskapsdetektorer opp mot hverandre: BRISK, SUSAN og SURF. Dette er detektorer som alle er skala- og rotasjonsinvariante. I tillegg er metodene bak detektorene svært ulike. Disse testes opp mot lysendring, okklusjon og ved figurer som ligner sykkelhjulet. For å detektere hjulene ut i fra egenskapspunktene brukes Hough-transformens sirkeldeteksjon og for å segmentere sykkelen brukes bakgrunnssubtraksjon. SUSAN-detektoren blir valgt på bakgrunn av at den finner best punkter ved sykkelhjulene og er mest stabil i forhold til sirkeldeteksjonen. Detektoren finner mange punkter utenfor objektet i tillegg. Derfor optimaliseres detektoren i forhold til geometrisk terskel, gråverditerskel samt maskestørrelse. I tillegg legges det til kriterier til sirkeldeteksjonen. Sykkeldeteksjonen fungerer godt med SUSAN-detektoren etter optimalisering. I tillegg blir utklipp av interessant område i bildet testet. Dette gir det beste resultatet. Metoden er testet på bilder tatt ved en sykkelvei i Stavanger og alle syklene blir detektert.