Кіріспе

Компьютерлік көрудегі ерекшеліктерді анықтау алгоритмі. Масштабқа тәуелсіз ерекшеліктерді түрлендіру (SIFT) – 1999 жылы Дэвид Лоу жасаған, суреттердегі жергілікті ерекшеліктерді анықтау, сипаттау және салыстыруға арналған компьютерлік көру алгоритмі.

Кілт нүктесін орналастыру

Шкалалық кеңістіктегі экстремумдарды анықтау тым көп кілттік нүкте үміткерлерін тудырады, олардың кейбіреулері тұрақсыз болады. Алгоритмнің келесі қадамы – негізгі қисықтықтардың дәл орналасуын, масштабын және қатынасын анықтау үшін жақын маңдағы деректерге толық сәйкестік табу. Бұл ақпарат контрасты төмен (демек, шуға сезімтал) немесе жиек бойында нашар анықталған нүктелерді жоюға мүмкіндік береді.

Қарап тұрған жердің нақты орналасуын анықтау үшін жақын маңдағы деректерді интерполяциялау

Біріншіден, әрбір үміткерлік кілт нүктесі үшін оның орнын дәл анықтау үшін жақын маңдағы деректерді интерполяциялау қолданылады. Бастапқы тәсіл – әр кілт нүктесін үміткер кілт нүктесінің орналасқан жері мен масштабында орналастыру болатын. 0,2 шегі эмпирикалық жолмен таңдалды, ал белгіленген шекті жүйелі түрде есептелген шекпен алмастыру арқылы сәйкестік нәтижелерін жақсартуға болады. Сонымен қатар, SIFT-те жиі назардан тыс қалдырылатын, бірақ пайдалы өлшем – тек екі кілт нүктесінен абсолютті қалыпты анықтау мүмкіндігі бар. Бұл бағдарлау өлшемдері қажетті сәйкестіктердің санын азайтады, осылайша беріктік экспоненциалды түрде артады.

Панорамалық тігу

SIFT функциясын сәйкестендіруді панорамалық емес суреттерден толық автоматтандырылған панораманы қайта құру үшін суреттерді тікелей қосуда қолдануға болады. Кіріс суреттерден алынған SIFT ерекшеліктері әр ерекшелік үшін k ең жақын көршіні табу үшін бір-бірімен салыстырылады. Бұл сәйкестіктер әр сурет үшін m мүмкін сәйкес келетін суреттерді анықтау үшін пайдаланылады. Суреттер жұптары арасындағы гомографиялар RANSAC арқылы есептеледі, ал тексеру үшін ықтималдық модель қолданылады. Кіріс суреттеріне ешқандай шектеулер қойылмағандықтан, суреттердің сәйкестіктерінің байланысты компоненттерін табу үшін графты іздеу қолданылады, мұнда әр байланысты компонент панорамаға сәйкес келеді. Соңында, әр байланысты компонент үшін бірлескен камера параметрлерін табу үшін жиынтық түзету жасалады және панорама көп жолақты біріктіру арқылы көрсетіледі. Панораманы тікелей қосуға SIFT-тен шабыттанған нысанды тану тәсілінің арқасында, жүйе суреттердің ретіне, бағытына, масштабына және жарықтандыруына сезімтал емес. Кіріс суреттерінде бірнеше панорамалар мен қате суреттер болуы мүмкін (олардың кейбіреулері тіпті жиынтық суреттің бөлігі болмауы мүмкін), ал панорамалық тізбектер танылып, нәтиже ретінде көрсетіледі.

Адам әрекетімен танысу үшін 3D SIFT-қа ұқсас дескрипторлар

SIFT дескрипторының 2+1 өлшемді кеңістік-уақыттық деректерге кеңейтілуі бейне тізбектеріндегі адам әрекетін тану контекстінде зерттелді. Бұл таза кескін дескрипторы, SIFT-тегі таза кескін дескрипторының негізіндегі барлық кескін өлшемдерін гаусс туындыларының жауаптары арқылы анықтайды, ал дәстүрлі SIFT-тегі кескін пирамидасындағы туындыларды жуықтаудың орнына. Осылайша, кеңістік және масштаб бойынша дискреттеу әсерін ең төменгі деңгейге дейін азайтуға болады, бұл ықтимал тоқыраусыз кескін дескрипторларын жасауға мүмкіндік береді. Линдеберг (2015)