Комп'ю́терний зір або Комп'ютерне бачення — теорія та технологія створення машин, які можуть проводити виявляння, відстежування та визначення об'єктів.
![image](https://www.wikidata.uk-ua.nina.az/image/aHR0cHM6Ly93d3cud2lraWRhdGEudWstdWEubmluYS5hei9pbWFnZS9hSFIwY0hNNkx5OTFjR3h2WVdRdWQybHJhVzFsWkdsaExtOXlaeTkzYVd0cGNHVmthV0V2WTI5dGJXOXVjeTkwYUhWdFlpOWtMMlE0TDA1QlUwRmZUV0Z5YzE5U2IzWmxjaTVxY0djdk1qSXdjSGd0VGtGVFFWOU5ZWEp6WDFKdmRtVnlMbXB3Wnc9PS5qcGc=.jpg)
Як наукова дисципліна комп'ютерний зір належить до теорії та технології створення штучних систем, які отримують інформацію у вигляді зображень. Відеодані може бути представлено у вигляді багатьох форм, таких як відеопослідовність, зображення з різних камер або тривимірними даними з медичного сканера.
Як технологічна дисципліна комп'ютерний зір прагне застосувати теорії та моделі комп'ютерного зору до створення . Прикладами таких систем можуть бути:
- системи керування процесами (промислові роботи, автономні транспортні засоби)
- системи відеоспостереження
- системи організації інформації (наприклад, для індексації баз даних зображень)
- системи моделювання об'єктів або навколишнього середовища (аналіз медичних зображень, топографічне моделювання)
- системи взаємодії (наприклад, пристрої введення для систем людино-машинної взаємодії).
Комп'ютерний зір також може бути описаний як доповнення (але не обов'язково протилежність) біологічному зору. У біології вивчається зорове сприйняття людини і різноманітних тварин, в підсумку створюються моделі роботи таких систем в термінах фізіологічних процесів. Комп'ютерний зір, з іншого боку, вивчає і описує системи комп'ютерного зору, які виконано апаратно або програмно. Міждисциплінарний обмін між біологічним та комп'ютерним зором виявився досить продуктивним для обох наукових галузей.
Підрозділи комп'ютерного зору охоплюють відтворення дій, виявлення подій, стеження, розпізнавання образів, відновлення зображень.
Сучасний стан справ
Галузь комп'ютерного зору може бути охарактеризована як молода та різноманітна. І, хоча існують більш ранні роботи, можна сказати, що тільки з кінця 1970-х почалось інтенсивне вивчення цієї проблеми, коли комп'ютери змогли керувати обробкою великих наборів даних, таких як зображення. Однак, ці дослідження зазвичай починались з інших галузей, і, відповідно, нема стандартного формулювання проблеми комп'ютерного зору. Також, і це навіть важливіше, немає стандартного формулювання того, як треба вирішувати проблему комп'ютерного зору. Натомість існує безліч методів для вирішення різноманітних суворо визначених завдань комп'ютерного зору, де методи часто залежать від завдань і рідко коли можуть бути узагальнені для широкого кола застосування. Багато з методів та застосувань все ще перебуває на стадії ґрунтовних досліджень, але все більша кількість методів знаходить застосування в комерційних продуктах, де вони часто складають частину складнішої системи, яка може вирішувати складні завдання (наприклад, в галузі медичних зображень або вимірювання та контролю якості в процесах виробництва). У більшості практичних застосувань комп'ютерного зору комп'ютери попередньо запрограмовано для вирішення окремих завдань, але методи, що базуються на знаннях, стають все більше узагальненими.
Важливою частиною в області штучного інтелекту є автоматичне планування або ухвалення рішень в системах, які можуть виконувати механічні дії, такі як пересування робота крізь деяке середовище. Цей тип обробки зазвичай потребує вхідних даних, що надаються системами комп'ютерного зору, діють як відеосенсор і надають високорівневу інформацію про середовище та роботу.
Інші галузі, які іноді описуються як ті, що належать до штучного інтелекту, і які використовуються відносно комп'ютерного зору, це розпізнавання образів та навчальні методи. Внаслідок цього комп'ютерний зір іноді розглядають як частину галузі штучного інтелекту чи галузі комп'ютерних наук загалом.
Фізика є іншою наукою, яка тісно пов'язана з комп'ютерним зором. Значна частина комп'ютерного зору має справу з методами, які потребують досконального розуміння процесу, в якому електромагнітне випромінювання, зазвичай в області видимого або інфрачервоного спектру, відбивається поверхнею об'єктів та вимірюється давачем зображення, щоб отримати відеодані. Цей процес ґрунтується на оптиці і фізиці твердого тіла. Складніші давачі зображення також потребують знань з квантової механіки для повного розуміння процесу формування зображення. Також різноманітні проблеми вимірювань у фізиці можна вирішити, використовуючи комп'ютерний зір (наприклад, ті, що стосуються руху в рідинах). Тому комп'ютерний зір можна розглядати як розширення фізики.
Третя галузь науки, яка відіграє важливу роль, — це нейробіологія, зокрема вивчення систем біологічного зору. За останнє ХХ століття провели великі дослідження очей, нейронів та структур мозку, що стосуються обробки візуальних подразників як у людини, так і в різноманітних тварин. Це привело до грубого і водночас складного опису того, як працюють «реальні» системи зору, що допомогло розв'язати деякі задачі. Результати цих досліджень привели до створення штучних систем, що наслідують роботу і функціонування аналогічних біологічних систем на різних рівнях складності. Також деякі методи вивчення, розроблені в галузі комп'ютерного зору, зобов'язані своєму походженню біології.
Ще однією галуззю, що пов'язана з комп'ютерним зором, є обробка сигналів. Багато способів обробки одномірних сигналів, зазвичай часових сигналів, можна природним шляхом розширити для обробки двовимірних чи багатовимірних сигналів в комп'ютерному зорі. Однак через своєрідну природу зображень існує багато методів, розроблених в галузі комп'ютерного зору, що не мають аналогів в області обробки одновимірних сигналів. Особливістю цих методів є їхня нелінійність, що, разом з багатовимірністю сигналу, робить відповідну підобласть в обробці сигналів частиною області комп'ютерного зору.
Крім названих підходів до проблеми комп'ютерного зору, багато з досліджуваних питань можна вивчити з суто математичної точки зору. Наприклад, більшість методів базується на статистиці, оптимізаційній математиці або геометрії.
Нарешті, великі роботи ведуться в області практичного застосування комп'ютерного зору, в тому, як методи, що існують, можуть бути реалізовані програмно і апаратно чи як вони можуть бути змінені з метою досягнення високої швидкості роботи без істотного збільшення споживаних ресурсів.
Пов'язані області
Комп'ютерний зір, Обробка зображень, Аналіз зображень, Зір робота і Машинний зір — тісно пов'язані області. Але досі точно не визначено, чи є вони розділами однієї, ширшої галузі. При докладному аналізі може здатись, що це лише різні назви однієї і тієї ж області. Щоб не виникло плутанини, прийнято розрізняти їх як напрямки, зосереджені на певному предметі вивчення. Нижче наведено опис деяких з них, найбільш важливих.
Обробка зображень і Аналіз зображень в основному зосереджені на роботі з двовимірними зображеннями, тобто як перетворити одне зображення на інше. Наприклад, попіксельні операції збільшення контрастності, операції з виділення країв, усунення шумів чи геометричні перетворення, такі як обертання зображення. Дані операції припускають, що обробка/аналіз зображення діють незалежно від вмісту самих зображень.
Комп'ютерний зір зосереджується на обробці тривимірних сцен, спроєктованих на одне чи декілька зображень. Наприклад, відновлення структури чи іншої інформації про тривимірну сцену по одному чи декільком зображенням. Комп'ютерний зір часто залежить від більш чи менше складних припущень відносно того, що представлено на зображеннях.
Машинний зір зосереджується на застосуванні, в основному промисловому, наприклад, автономні роботи і системи зорової перевірки та вимірювання. Це означає, що технології давачів зображення і теорії керування пов'язані з обробкою відеоданих для керування роботом і обробка даних в реальному часі здійснюється апаратно чи програмно.
Також існує область, названа Візуалізацією, яка початково була пов'язана з процесом створення зображень, але іноді мала справу з обробкою та аналізом. Наприклад, рентгенографія працює з аналізом відеоданих медичного призначення.
Нарешті, розпізнавання образів є областю, яка використовує різноманітні методи для отримання інформації з відеоданих, що, в основному, ґрунтуються на статистичному підході. Значна частина цієї області присвячена практичному застосуванню цих методів.
Приклади застосування комп'ютерного зору
Одним з найбільш важливих застосувань є обробка зображень в медицині. Ця область характеризується отриманням інформації з відеоданих для визначення медичного діагнозу пацієнту. В більшості випадків, відеодані отримують за допомогою мікроскопії, рентгенографії, ангіографії, ультразвукових досліджень та томографії. Прикладом інформації, яка може бути отримана з таких відеоданих є виявлення пухлин, атеросклерозу чи інших злоякісних змін. Також прикладом може слугувати вимірювання розмірів органів, кровообігу тощо. Ця прикладна галузь також сприяє медичним дослідженням, наданням нової інформації, наприклад, про будову мозку чи якості медичного лікування.
Іншою прикладною галуззю комп'ютерного зору є промисловість. Тут інформацію отримують для підтримки виробничого процесу. Прикладом може слугувати контроль якості, коли деталі чи кінцевий продукт автоматично перевіряють на наявність дефектів. Іншим прикладом є вимірювання положення та орієнтація деталей, які піднімає рука робота.
Військове застосування є, мабуть, найбільшою областю комп'ютерного зору. Очевидним прикладом є виявлення ворожих солдатів і транспортних засобів та керування ракетами. Найбільш досконалі системи керування ракетами відправляють ракету в задану область, замість конкретної цілі, а визначення цілей відбувається тоді, коли ракета досягає заданої області, базуючись на відеоданих, що надходять. Сучасний воєнний термін, як «бойова поінформованість», припускає, що різноманітні давачі, в тому числі давачі зображення, надають великий набір інформації про поле битви, яка може бути використана для ухвалення стратегічних рішень. В цьому разі автоматичну обробку даних використовують для зменшення складності чи збільшення надійності отриманої інформації.
Одними з нових галузей застосування є автономні транспортні засоби: підводні, наземні (роботи, машини), повітряні. Рівень автономності вимірюється від повністю автономних (безпілотних) до транспортних засобів, де системи, що базуються на комп'ютерному баченні, підтримують водія чи пілота в різноманітних подіях. Повністю автономні транспортні засоби використовують комп'ютерне бачення для навігації, тобто для отримання інформації про місце свого положення, для створення мапи навколишнього оточення, для визначення перешкод. Вони також можуть бути використані, наприклад, для визначених завдань знаходження лісових пожеж. Прикладом таких систем, можуть бути: система попереджувальної сигналізації про перешкоди на машинах і системи автономної посадки літаків. Деякі виробники машин демонстрували системи автономного керування автомобілем, але ця технологія все ще не досягла того рівня, коли її можна запустити в масове виробництво.
Інші області застосування охоплюють:
- підтримку створення відеоефектів для кіно та телебачення;
- спостереження.
Типові завдання комп'ютерного зору
Кожна з галузей застосування комп'ютерного зору, що були описані вище, пов'язана з низкою завдань; більш чи менше гарно визначені проблеми вимірювання чи обробки можуть бути вирішені з використанням багатьох методів. Деякі приклади типових завдань комп'ютерного зору представлено нижче.
Розпізнавання
Класичне завдання в комп'ютерному зорі, обробці зображень і машинному зорі — це визначення того, чи містять відеодані деякий характерний об'єкт, особливість чи активність. Це завдання може бути правильно і легко вирішено людиною, але досі не вирішено задовільно в комп'ютерному зорі в загальному випадку: випадкові об'єкти у випадкових ситуаціях.
Наявні способи вирішення цього завдання придатні тільки для окремих об'єктів, таких як прості геометричні об'єкти (наприклад, багатокутники), людські обличчя, друковані чи рукописні символи, автомобілі і лише у визначених умовах, зазвичай це певне освітлення, тло і положення об'єкта відносно камери.
В літературі описане різноманіття проблем розпізнавання:
- Розпізнавання: один чи декілька попередньо заданих чи вивчених об'єктів або класів об'єктів можуть бути розпізнані, зазвичай разом з їх двовимірним положенням на зображенні чи тривимірним положенням в сцені.
- Ідентифікація: розпізнається індивідуальний екземпляр об'єкта. Приклади: ідентифікація визначеного людського обличчя або відбитка пальців чи автомобіля.
- Виявлення: відеодані перевіряються на наявність визначеної умови. Наприклад, виявлення можливих неправильних клітин чи тканин в медичних зображеннях. Виявлення, що ґрунтується на відносно простих і швидких обчисленнях, іноді використовується для знаходження невеликих ділянок в зображенні, що аналізується, які потім досліджуються за допомогою заходів, які потребують більше ресурсів, для отримання правильної інтерпретації.
Існує кілька спеціалізованих завдань, що базуються на розпізнаванні, наприклад:
- Пошук зображень за вмістом: знаходження всіх зображень серед великого набору зображень, які мають певний вміст. Вміст може бути визначено різними шляхами, наприклад в термінах схожості з певним зображенням (знайти всі зображення, що схожі на дане зображення), чи в термінах високорівневих критеріїв пошуку, котрі вводяться як текстові дані (знайти всі зображення на яких зображено багато будинків, які зроблені взимку і на яких нема машин).
- Оцінка положення: визначення положення чи орієнтації визначеного об'єкта відносно камери. Прикладом застосування цієї техніки може бути спрямування руки робота при вилученні об'єктів з конвеєра на лінії складання.
- Оптичне розпізнавання символів: розпізнавання символів на зображеннях друкованого чи рукописного тексту, зазвичай для перекладу в текстовий формат, найбільш зручний для редагування чи індексації (наприклад, ASCII).
Рух
Кілька завдань, що пов'язані з оцінкою руху, в яких послідовність зображень (відеодані) обробляється для знаходження швидкості кожної точки зображення чи 3D сцени або навіть самої камери, що робить знімання. Прикладами таких завдань є:
- одометрія — визначення руху камери (переміщення і обертання) в тривимірному просторі на основі низки знімків.
- стеження, тобто прямуванням за переміщенням об'єкта (наприклад, машин чи людей).
- оптичний потік — визначення руху кожної точки зображення відносно площини зображення, тобто видимий рух, що є підсумком руху як самої точки, так і камери.
Відновлення сцени
Задано два або більше зображення сцени або відеодані. Відновлення сцени має за мету відтворення тривимірної моделі сцени. В найпростішому випадку моделлю може бути набір точок тривимірного простору. Складніші методи відтворюють повну тривимірну модель.
Відновлення зображень
Завдання відновлення зображень — це видалення шумів (шуму давача, розмитості об'єкта, що рухається тощо). Найпростішим підходом до вирішення цього завдання є різноманітні типи фільтрів, такі як фільтри низьких чи середніх частот. Складніші методи використовують уявлення того, як повинні виглядати ті або інші ділянки зображення, і на основі цього їхнє перетворення.
Більш високий рівень видалення шумів досягається протягом первинного аналізу відеоданих на наявність різноманітних структур, таких як лінії чи межі, а потім керування ходом фільтрації на основі цих даних.
Системи комп'ютерного зору
Впровадження систем комп'ютерного зору дуже залежить від області їхнього застосування. Деякі системи є автономними і вирішують специфічні проблеми детектування та вимірювання, тоді як інші системи складають підсистеми більших систем, які, наприклад, можуть містити підсистеми контролю за механічними маніпуляторами, планування, інформаційні бази даних, інтерфейси людина-машина тощо. Реалізація систем комп'ютерного зору також залежить від того, є її функціональність наперед визначеною чи деякі її частини можуть бути вивчені і вдосконалені в процесі роботи. Однак існують функції, типові для багатьох систем комп'ютерного зору.
- Отримання зображень: цифрові зображення отримуються від одного чи кількох давачів зображення, які окрім різноманітних типів світлочутливих камер мають давачі відстані, радари, ультразвукові камери тощо. Залежно від типу давача отримані дані можуть бути звичайним 2D зображенням, 3D зображенням чи послідовністю зображень. Значення пікселів зазвичай відповідають інтенсивності світла в одній чи кількох спектральних смугах (кольорові чи зображення у відтінках сірого), але можуть бути пов'язані з різноманітними фізичними вимірюваннями, такими як глибина, поглинання чи відображення звукових або електромагнітних хвиль, або ядерним магнітним резонансом.
- Попередня обробка: перед тим, як методи комп'ютерного зору можуть бути застосовані до відеоданих з метою вилучення певної частини інформації, необхідно обробити відеодані, щоб вони задовольняли деяким вимогам залежно від методу, що використовується. Приклади:
- повторна вибірка з метою, щоб переконатися, що координатна система зображення є правильною;
- видалення шумів задля того, щоби видалити спотворення, які вносяться давачем;
- покращення контрастності для того, щоб потрібна інформація могла бути виявлена;
- Масштабопросторове подання для кращого розрізнення структур на зображенні.
- Виокремлення деталей: деталі зображення різного рівня складності виділяються з відеоданих. Типовими прикладами таких деталей є:
- лінії та межі;
- локалізовані точки інтересу, такі як кути, краплі чи точки: складніші деталі можуть належати до структури, форми чи руху.
- Детектування/Сегментація: на певному етапі обробки ухвалюють рішення про те, які точки чи ділянки зображення є важливими для подальшої обробки. Прикладами є:
- виділення визначеного набору точок, що нас цікавлять;
- Сегментація одного або кількох ділянок зображення, які містять характерний об'єкт.
- Високорівнева обробка: на цьому кроці вхідні дані зазвичай представляють невеликий набір даних, наприклад, набір точок чи ділянку зображення, в якій за припущенням міститься певний об'єкт. Прикладами є:
- перевірка того, що дані задовольняють умовам, що залежать від методу і застосування;
- оцінка характерних параметрів, таких як положення або розмір об'єкта;
- класифікація знайденого об'єкта за різними категоріями.
Специфікації OpenVX
Восени 2014 група Khronos, що відповідає за розробку стандартів сімейства OpenGL і OpenCL, представила кінцевий варіант специфікації OpenVX 1.0, котра визначає прикладний програмний інтерфейс (API) для розробки переносних, високопродуктивних і енергоефективних застосунків і бібліотек для вирішення завдань комп'ютерного зору (виявлення, стеження і класифікація об'єктів на зображеннях і відеоданих).
OpenVX надає можливість використання серії алгоритмів для розпізнавання і відстеження переміщення особи, тіла і жестів, автоматизації відеоспостереження, автоматичних систем допомоги водієві, реконструкції об'єктів та сцен, доповненої реальності, візуального огляду, робототехніки та багатьох інших застосувань. Обробка даних в OpenVX-застосунках проводиться через маніпуляцію з графом функціональних вузлів, робота з яким може бути пришвидшена за рахунок залучення графічного процесора, процесора цифрових сигналів і додаткових апаратних пристроїв, а також роздільної обробки фрагментів (tiling).
Див. також
Література
- O.Yu. Sergiyenko, V.V. Tyrsa. 3D optical machine vision sensors with intelligent data management for robotic swarm navigation improvement, IEEE Sensors Journal 2021 (10), pp. 11262-11274
- Oleg Sergiyenko , Mikhail V. Ivanov , Vera V. Tyrsa , Vladimir M. Kartashov , Moises Rivas-Lopez and Daniel Hern'andez-Balbuena , Wendy Flores-Fuentes , Julio C{\'e}sar Rodr{\'i}guez-Qui{\~n}onez , Juan Iv{\'a}n Nieto-Hip{\'o}lito, Wilmar Hernandez and Andrei Tchernykh, Data transferring model determination in robotic group, journal={Robotics Auton. Syst.}, Elsevier, year={2016}, volume={83}, pages 251-260
- Л. Шапиро, Дж. Стокман. Компьютерное зрение = Computer Vision. — М. : Бином. Лаборатория знаний, 2006. — 752 с. — .
- Дэвид Форсайт, Жан Понс. Компьютерное зрение. Современный подход = Computer Vision: A Modern Approach. — М. : «Вильямс», 2004. — 928 с. — .
Посилання
- Benjamin F. Duffy, Daniel R. Flynn, ред. (2017). . The M Tank. Архів оригіналу за 1 Лютого 2018. Процитовано 2 Лютого 2018.
Ця стаття потребує додаткових для поліпшення її . (лютий 2018) |
В іншому мовному розділі є повніша стаття Computer vision(англ.). Ви можете допомогти, розширивши поточну статтю за допомогою з англійської. (жовтень 2021)
|
![]() | Це незавершена стаття зі штучного інтелекту. Ви можете проєкту, виправивши або дописавши її. |
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Komp yu ternij zir abo Komp yuterne bachennya teoriya ta tehnologiya stvorennya mashin yaki mozhut provoditi viyavlyannya vidstezhuvannya ta viznachennya ob yektiv Koncepciya marsohodu Zvernit uvagu na stereo kameri vstanovleni na verhivci Yak naukova disciplina komp yuternij zir nalezhit do teoriyi ta tehnologiyi stvorennya shtuchnih sistem yaki otrimuyut informaciyu u viglyadi zobrazhen Videodani mozhe buti predstavleno u viglyadi bagatoh form takih yak videoposlidovnist zobrazhennya z riznih kamer abo trivimirnimi danimi z medichnogo skanera Yak tehnologichna disciplina komp yuternij zir pragne zastosuvati teoriyi ta modeli komp yuternogo zoru do stvorennya Prikladami takih sistem mozhut buti sistemi keruvannya procesami promislovi roboti avtonomni transportni zasobi sistemi videosposterezhennya sistemi organizaciyi informaciyi napriklad dlya indeksaciyi baz danih zobrazhen sistemi modelyuvannya ob yektiv abo navkolishnogo seredovisha analiz medichnih zobrazhen topografichne modelyuvannya sistemi vzayemodiyi napriklad pristroyi vvedennya dlya sistem lyudino mashinnoyi vzayemodiyi Komp yuternij zir takozh mozhe buti opisanij yak dopovnennya ale ne obov yazkovo protilezhnist biologichnomu zoru U biologiyi vivchayetsya zorove sprijnyattya lyudini i riznomanitnih tvarin v pidsumku stvoryuyutsya modeli roboti takih sistem v terminah fiziologichnih procesiv Komp yuternij zir z inshogo boku vivchaye i opisuye sistemi komp yuternogo zoru yaki vikonano aparatno abo programno Mizhdisciplinarnij obmin mizh biologichnim ta komp yuternim zorom viyavivsya dosit produktivnim dlya oboh naukovih galuzej Pidrozdili komp yuternogo zoru ohoplyuyut vidtvorennya dij viyavlennya podij stezhennya rozpiznavannya obraziv vidnovlennya zobrazhen Suchasnij stan spravGaluz komp yuternogo zoru mozhe buti oharakterizovana yak moloda ta riznomanitna I hocha isnuyut bilsh ranni roboti mozhna skazati sho tilki z kincya 1970 h pochalos intensivne vivchennya ciyeyi problemi koli komp yuteri zmogli keruvati obrobkoyu velikih naboriv danih takih yak zobrazhennya Odnak ci doslidzhennya zazvichaj pochinalis z inshih galuzej i vidpovidno nema standartnogo formulyuvannya problemi komp yuternogo zoru Takozh i ce navit vazhlivishe nemaye standartnogo formulyuvannya togo yak treba virishuvati problemu komp yuternogo zoru Natomist isnuye bezlich metodiv dlya virishennya riznomanitnih suvoro viznachenih zavdan komp yuternogo zoru de metodi chasto zalezhat vid zavdan i ridko koli mozhut buti uzagalneni dlya shirokogo kola zastosuvannya Bagato z metodiv ta zastosuvan vse she perebuvaye na stadiyi gruntovnih doslidzhen ale vse bilsha kilkist metodiv znahodit zastosuvannya v komercijnih produktah de voni chasto skladayut chastinu skladnishoyi sistemi yaka mozhe virishuvati skladni zavdannya napriklad v galuzi medichnih zobrazhen abo vimiryuvannya ta kontrolyu yakosti v procesah virobnictva U bilshosti praktichnih zastosuvan komp yuternogo zoru komp yuteri poperedno zaprogramovano dlya virishennya okremih zavdan ale metodi sho bazuyutsya na znannyah stayut vse bilshe uzagalnenimi Vazhlivoyu chastinoyu v oblasti shtuchnogo intelektu ye avtomatichne planuvannya abo uhvalennya rishen v sistemah yaki mozhut vikonuvati mehanichni diyi taki yak peresuvannya robota kriz deyake seredovishe Cej tip obrobki zazvichaj potrebuye vhidnih danih sho nadayutsya sistemami komp yuternogo zoru diyut yak videosensor i nadayut visokorivnevu informaciyu pro seredovishe ta robotu Inshi galuzi yaki inodi opisuyutsya yak ti sho nalezhat do shtuchnogo intelektu i yaki vikoristovuyutsya vidnosno komp yuternogo zoru ce rozpiznavannya obraziv ta navchalni metodi Vnaslidok cogo komp yuternij zir inodi rozglyadayut yak chastinu galuzi shtuchnogo intelektu chi galuzi komp yuternih nauk zagalom Fizika ye inshoyu naukoyu yaka tisno pov yazana z komp yuternim zorom Znachna chastina komp yuternogo zoru maye spravu z metodami yaki potrebuyut doskonalnogo rozuminnya procesu v yakomu elektromagnitne viprominyuvannya zazvichaj v oblasti vidimogo abo infrachervonogo spektru vidbivayetsya poverhneyu ob yektiv ta vimiryuyetsya davachem zobrazhennya shob otrimati videodani Cej proces gruntuyetsya na optici i fizici tverdogo tila Skladnishi davachi zobrazhennya takozh potrebuyut znan z kvantovoyi mehaniki dlya povnogo rozuminnya procesu formuvannya zobrazhennya Takozh riznomanitni problemi vimiryuvan u fizici mozhna virishiti vikoristovuyuchi komp yuternij zir napriklad ti sho stosuyutsya ruhu v ridinah Tomu komp yuternij zir mozhna rozglyadati yak rozshirennya fiziki Tretya galuz nauki yaka vidigraye vazhlivu rol ce nejrobiologiya zokrema vivchennya sistem biologichnogo zoru Za ostannye HH stolittya proveli veliki doslidzhennya ochej nejroniv ta struktur mozku sho stosuyutsya obrobki vizualnih podraznikiv yak u lyudini tak i v riznomanitnih tvarin Ce privelo do grubogo i vodnochas skladnogo opisu togo yak pracyuyut realni sistemi zoru sho dopomoglo rozv yazati deyaki zadachi Rezultati cih doslidzhen priveli do stvorennya shtuchnih sistem sho nasliduyut robotu i funkcionuvannya analogichnih biologichnih sistem na riznih rivnyah skladnosti Takozh deyaki metodi vivchennya rozrobleni v galuzi komp yuternogo zoru zobov yazani svoyemu pohodzhennyu biologiyi She odniyeyu galuzzyu sho pov yazana z komp yuternim zorom ye obrobka signaliv Bagato sposobiv obrobki odnomirnih signaliv zazvichaj chasovih signaliv mozhna prirodnim shlyahom rozshiriti dlya obrobki dvovimirnih chi bagatovimirnih signaliv v komp yuternomu zori Odnak cherez svoyeridnu prirodu zobrazhen isnuye bagato metodiv rozroblenih v galuzi komp yuternogo zoru sho ne mayut analogiv v oblasti obrobki odnovimirnih signaliv Osoblivistyu cih metodiv ye yihnya nelinijnist sho razom z bagatovimirnistyu signalu robit vidpovidnu pidoblast v obrobci signaliv chastinoyu oblasti komp yuternogo zoru Krim nazvanih pidhodiv do problemi komp yuternogo zoru bagato z doslidzhuvanih pitan mozhna vivchiti z suto matematichnoyi tochki zoru Napriklad bilshist metodiv bazuyetsya na statistici optimizacijnij matematici abo geometriyi Nareshti veliki roboti vedutsya v oblasti praktichnogo zastosuvannya komp yuternogo zoru v tomu yak metodi sho isnuyut mozhut buti realizovani programno i aparatno chi yak voni mozhut buti zmineni z metoyu dosyagnennya visokoyi shvidkosti roboti bez istotnogo zbilshennya spozhivanih resursiv Pov yazani oblastiKomp yuternij zir Obrobka zobrazhen Analiz zobrazhen Zir robota i Mashinnij zir tisno pov yazani oblasti Ale dosi tochno ne viznacheno chi ye voni rozdilami odniyeyi shirshoyi galuzi Pri dokladnomu analizi mozhe zdatis sho ce lishe rizni nazvi odniyeyi i tiyeyi zh oblasti Shob ne viniklo plutanini prijnyato rozriznyati yih yak napryamki zoseredzheni na pevnomu predmeti vivchennya Nizhche navedeno opis deyakih z nih najbilsh vazhlivih Obrobka zobrazhen i Analiz zobrazhen v osnovnomu zoseredzheni na roboti z dvovimirnimi zobrazhennyami tobto yak peretvoriti odne zobrazhennya na inshe Napriklad popikselni operaciyi zbilshennya kontrastnosti operaciyi z vidilennya krayiv usunennya shumiv chi geometrichni peretvorennya taki yak obertannya zobrazhennya Dani operaciyi pripuskayut sho obrobka analiz zobrazhennya diyut nezalezhno vid vmistu samih zobrazhen Komp yuternij zir zoseredzhuyetsya na obrobci trivimirnih scen sproyektovanih na odne chi dekilka zobrazhen Napriklad vidnovlennya strukturi chi inshoyi informaciyi pro trivimirnu scenu po odnomu chi dekilkom zobrazhennyam Komp yuternij zir chasto zalezhit vid bilsh chi menshe skladnih pripushen vidnosno togo sho predstavleno na zobrazhennyah Mashinnij zir zoseredzhuyetsya na zastosuvanni v osnovnomu promislovomu napriklad avtonomni roboti i sistemi zorovoyi perevirki ta vimiryuvannya Ce oznachaye sho tehnologiyi davachiv zobrazhennya i teoriyi keruvannya pov yazani z obrobkoyu videodanih dlya keruvannya robotom i obrobka danih v realnomu chasi zdijsnyuyetsya aparatno chi programno Takozh isnuye oblast nazvana Vizualizaciyeyu yaka pochatkovo bula pov yazana z procesom stvorennya zobrazhen ale inodi mala spravu z obrobkoyu ta analizom Napriklad rentgenografiya pracyuye z analizom videodanih medichnogo priznachennya Nareshti rozpiznavannya obraziv ye oblastyu yaka vikoristovuye riznomanitni metodi dlya otrimannya informaciyi z videodanih sho v osnovnomu gruntuyutsya na statistichnomu pidhodi Znachna chastina ciyeyi oblasti prisvyachena praktichnomu zastosuvannyu cih metodiv Prikladi zastosuvannya komp yuternogo zoruOdnim z najbilsh vazhlivih zastosuvan ye obrobka zobrazhen v medicini Cya oblast harakterizuyetsya otrimannyam informaciyi z videodanih dlya viznachennya medichnogo diagnozu paciyentu V bilshosti vipadkiv videodani otrimuyut za dopomogoyu mikroskopiyi rentgenografiyi angiografiyi ultrazvukovih doslidzhen ta tomografiyi Prikladom informaciyi yaka mozhe buti otrimana z takih videodanih ye viyavlennya puhlin aterosklerozu chi inshih zloyakisnih zmin Takozh prikladom mozhe sluguvati vimiryuvannya rozmiriv organiv krovoobigu tosho Cya prikladna galuz takozh spriyaye medichnim doslidzhennyam nadannyam novoyi informaciyi napriklad pro budovu mozku chi yakosti medichnogo likuvannya Inshoyu prikladnoyu galuzzyu komp yuternogo zoru ye promislovist Tut informaciyu otrimuyut dlya pidtrimki virobnichogo procesu Prikladom mozhe sluguvati kontrol yakosti koli detali chi kincevij produkt avtomatichno pereviryayut na nayavnist defektiv Inshim prikladom ye vimiryuvannya polozhennya ta oriyentaciya detalej yaki pidnimaye ruka robota Vijskove zastosuvannya ye mabut najbilshoyu oblastyu komp yuternogo zoru Ochevidnim prikladom ye viyavlennya vorozhih soldativ i transportnih zasobiv ta keruvannya raketami Najbilsh doskonali sistemi keruvannya raketami vidpravlyayut raketu v zadanu oblast zamist konkretnoyi cili a viznachennya cilej vidbuvayetsya todi koli raketa dosyagaye zadanoyi oblasti bazuyuchis na videodanih sho nadhodyat Suchasnij voyennij termin yak bojova poinformovanist pripuskaye sho riznomanitni davachi v tomu chisli davachi zobrazhennya nadayut velikij nabir informaciyi pro pole bitvi yaka mozhe buti vikoristana dlya uhvalennya strategichnih rishen V comu razi avtomatichnu obrobku danih vikoristovuyut dlya zmenshennya skladnosti chi zbilshennya nadijnosti otrimanoyi informaciyi Odnimi z novih galuzej zastosuvannya ye avtonomni transportni zasobi pidvodni nazemni roboti mashini povitryani Riven avtonomnosti vimiryuyetsya vid povnistyu avtonomnih bezpilotnih do transportnih zasobiv de sistemi sho bazuyutsya na komp yuternomu bachenni pidtrimuyut vodiya chi pilota v riznomanitnih podiyah Povnistyu avtonomni transportni zasobi vikoristovuyut komp yuterne bachennya dlya navigaciyi tobto dlya otrimannya informaciyi pro misce svogo polozhennya dlya stvorennya mapi navkolishnogo otochennya dlya viznachennya pereshkod Voni takozh mozhut buti vikoristani napriklad dlya viznachenih zavdan znahodzhennya lisovih pozhezh Prikladom takih sistem mozhut buti sistema poperedzhuvalnoyi signalizaciyi pro pereshkodi na mashinah i sistemi avtonomnoyi posadki litakiv Deyaki virobniki mashin demonstruvali sistemi avtonomnogo keruvannya avtomobilem ale cya tehnologiya vse she ne dosyagla togo rivnya koli yiyi mozhna zapustiti v masove virobnictvo Inshi oblasti zastosuvannya ohoplyuyut pidtrimku stvorennya videoefektiv dlya kino ta telebachennya sposterezhennya Tipovi zavdannya komp yuternogo zoruKozhna z galuzej zastosuvannya komp yuternogo zoru sho buli opisani vishe pov yazana z nizkoyu zavdan bilsh chi menshe garno viznacheni problemi vimiryuvannya chi obrobki mozhut buti virisheni z vikoristannyam bagatoh metodiv Deyaki prikladi tipovih zavdan komp yuternogo zoru predstavleno nizhche Rozpiznavannya Klasichne zavdannya v komp yuternomu zori obrobci zobrazhen i mashinnomu zori ce viznachennya togo chi mistyat videodani deyakij harakternij ob yekt osoblivist chi aktivnist Ce zavdannya mozhe buti pravilno i legko virisheno lyudinoyu ale dosi ne virisheno zadovilno v komp yuternomu zori v zagalnomu vipadku vipadkovi ob yekti u vipadkovih situaciyah Nayavni sposobi virishennya cogo zavdannya pridatni tilki dlya okremih ob yektiv takih yak prosti geometrichni ob yekti napriklad bagatokutniki lyudski oblichchya drukovani chi rukopisni simvoli avtomobili i lishe u viznachenih umovah zazvichaj ce pevne osvitlennya tlo i polozhennya ob yekta vidnosno kameri V literaturi opisane riznomanittya problem rozpiznavannya Rozpiznavannya odin chi dekilka poperedno zadanih chi vivchenih ob yektiv abo klasiv ob yektiv mozhut buti rozpiznani zazvichaj razom z yih dvovimirnim polozhennyam na zobrazhenni chi trivimirnim polozhennyam v sceni Identifikaciya rozpiznayetsya individualnij ekzemplyar ob yekta Prikladi identifikaciya viznachenogo lyudskogo oblichchya abo vidbitka palciv chi avtomobilya Viyavlennya videodani pereviryayutsya na nayavnist viznachenoyi umovi Napriklad viyavlennya mozhlivih nepravilnih klitin chi tkanin v medichnih zobrazhennyah Viyavlennya sho gruntuyetsya na vidnosno prostih i shvidkih obchislennyah inodi vikoristovuyetsya dlya znahodzhennya nevelikih dilyanok v zobrazhenni sho analizuyetsya yaki potim doslidzhuyutsya za dopomogoyu zahodiv yaki potrebuyut bilshe resursiv dlya otrimannya pravilnoyi interpretaciyi Isnuye kilka specializovanih zavdan sho bazuyutsya na rozpiznavanni napriklad Poshuk zobrazhen za vmistom znahodzhennya vsih zobrazhen sered velikogo naboru zobrazhen yaki mayut pevnij vmist Vmist mozhe buti viznacheno riznimi shlyahami napriklad v terminah shozhosti z pevnim zobrazhennyam znajti vsi zobrazhennya sho shozhi na dane zobrazhennya chi v terminah visokorivnevih kriteriyiv poshuku kotri vvodyatsya yak tekstovi dani znajti vsi zobrazhennya na yakih zobrazheno bagato budinkiv yaki zrobleni vzimku i na yakih nema mashin Ocinka polozhennya viznachennya polozhennya chi oriyentaciyi viznachenogo ob yekta vidnosno kameri Prikladom zastosuvannya ciyeyi tehniki mozhe buti spryamuvannya ruki robota pri viluchenni ob yektiv z konveyera na liniyi skladannya Optichne rozpiznavannya simvoliv rozpiznavannya simvoliv na zobrazhennyah drukovanogo chi rukopisnogo tekstu zazvichaj dlya perekladu v tekstovij format najbilsh zruchnij dlya redaguvannya chi indeksaciyi napriklad ASCII Ruh Kilka zavdan sho pov yazani z ocinkoyu ruhu v yakih poslidovnist zobrazhen videodani obroblyayetsya dlya znahodzhennya shvidkosti kozhnoyi tochki zobrazhennya chi 3D sceni abo navit samoyi kameri sho robit znimannya Prikladami takih zavdan ye odometriya viznachennya ruhu kameri peremishennya i obertannya v trivimirnomu prostori na osnovi nizki znimkiv stezhennya tobto pryamuvannyam za peremishennyam ob yekta napriklad mashin chi lyudej optichnij potik viznachennya ruhu kozhnoyi tochki zobrazhennya vidnosno ploshini zobrazhennya tobto vidimij ruh sho ye pidsumkom ruhu yak samoyi tochki tak i kameri Vidnovlennya sceni Dokladnishe Struktura iz ruhu Zadano dva abo bilshe zobrazhennya sceni abo videodani Vidnovlennya sceni maye za metu vidtvorennya trivimirnoyi modeli sceni V najprostishomu vipadku modellyu mozhe buti nabir tochok trivimirnogo prostoru Skladnishi metodi vidtvoryuyut povnu trivimirnu model Vidnovlennya zobrazhen Zavdannya vidnovlennya zobrazhen ce vidalennya shumiv shumu davacha rozmitosti ob yekta sho ruhayetsya tosho Najprostishim pidhodom do virishennya cogo zavdannya ye riznomanitni tipi filtriv taki yak filtri nizkih chi serednih chastot Skladnishi metodi vikoristovuyut uyavlennya togo yak povinni viglyadati ti abo inshi dilyanki zobrazhennya i na osnovi cogo yihnye peretvorennya Bilsh visokij riven vidalennya shumiv dosyagayetsya protyagom pervinnogo analizu videodanih na nayavnist riznomanitnih struktur takih yak liniyi chi mezhi a potim keruvannya hodom filtraciyi na osnovi cih danih Sistemi komp yuternogo zoruVprovadzhennya sistem komp yuternogo zoru duzhe zalezhit vid oblasti yihnogo zastosuvannya Deyaki sistemi ye avtonomnimi i virishuyut specifichni problemi detektuvannya ta vimiryuvannya todi yak inshi sistemi skladayut pidsistemi bilshih sistem yaki napriklad mozhut mistiti pidsistemi kontrolyu za mehanichnimi manipulyatorami planuvannya informacijni bazi danih interfejsi lyudina mashina tosho Realizaciya sistem komp yuternogo zoru takozh zalezhit vid togo ye yiyi funkcionalnist napered viznachenoyu chi deyaki yiyi chastini mozhut buti vivcheni i vdoskonaleni v procesi roboti Odnak isnuyut funkciyi tipovi dlya bagatoh sistem komp yuternogo zoru Otrimannya zobrazhen cifrovi zobrazhennya otrimuyutsya vid odnogo chi kilkoh davachiv zobrazhennya yaki okrim riznomanitnih tipiv svitlochutlivih kamer mayut davachi vidstani radari ultrazvukovi kameri tosho Zalezhno vid tipu davacha otrimani dani mozhut buti zvichajnim 2D zobrazhennyam 3D zobrazhennyam chi poslidovnistyu zobrazhen Znachennya pikseliv zazvichaj vidpovidayut intensivnosti svitla v odnij chi kilkoh spektralnih smugah kolorovi chi zobrazhennya u vidtinkah sirogo ale mozhut buti pov yazani z riznomanitnimi fizichnimi vimiryuvannyami takimi yak glibina poglinannya chi vidobrazhennya zvukovih abo elektromagnitnih hvil abo yadernim magnitnim rezonansom Poperednya obrobka pered tim yak metodi komp yuternogo zoru mozhut buti zastosovani do videodanih z metoyu viluchennya pevnoyi chastini informaciyi neobhidno obrobiti videodani shob voni zadovolnyali deyakim vimogam zalezhno vid metodu sho vikoristovuyetsya Prikladi povtorna vibirka z metoyu shob perekonatisya sho koordinatna sistema zobrazhennya ye pravilnoyu vidalennya shumiv zadlya togo shobi vidaliti spotvorennya yaki vnosyatsya davachem pokrashennya kontrastnosti dlya togo shob potribna informaciya mogla buti viyavlena Masshtaboprostorove podannya dlya krashogo rozriznennya struktur na zobrazhenni Viokremlennya detalej detali zobrazhennya riznogo rivnya skladnosti vidilyayutsya z videodanih Tipovimi prikladami takih detalej ye liniyi ta mezhi lokalizovani tochki interesu taki yak kuti krapli chi tochki skladnishi detali mozhut nalezhati do strukturi formi chi ruhu Detektuvannya Segmentaciya na pevnomu etapi obrobki uhvalyuyut rishennya pro te yaki tochki chi dilyanki zobrazhennya ye vazhlivimi dlya podalshoyi obrobki Prikladami ye vidilennya viznachenogo naboru tochok sho nas cikavlyat Segmentaciya odnogo abo kilkoh dilyanok zobrazhennya yaki mistyat harakternij ob yekt Visokorivneva obrobka na comu kroci vhidni dani zazvichaj predstavlyayut nevelikij nabir danih napriklad nabir tochok chi dilyanku zobrazhennya v yakij za pripushennyam mistitsya pevnij ob yekt Prikladami ye perevirka togo sho dani zadovolnyayut umovam sho zalezhat vid metodu i zastosuvannya ocinka harakternih parametriv takih yak polozhennya abo rozmir ob yekta klasifikaciya znajdenogo ob yekta za riznimi kategoriyami Specifikaciyi OpenVXVoseni 2014 grupa Khronos sho vidpovidaye za rozrobku standartiv simejstva OpenGL i OpenCL predstavila kincevij variant specifikaciyi OpenVX 1 0 kotra viznachaye prikladnij programnij interfejs API dlya rozrobki perenosnih visokoproduktivnih i energoefektivnih zastosunkiv i bibliotek dlya virishennya zavdan komp yuternogo zoru viyavlennya stezhennya i klasifikaciya ob yektiv na zobrazhennyah i videodanih OpenVX nadaye mozhlivist vikoristannya seriyi algoritmiv dlya rozpiznavannya i vidstezhennya peremishennya osobi tila i zhestiv avtomatizaciyi videosposterezhennya avtomatichnih sistem dopomogi vodiyevi rekonstrukciyi ob yektiv ta scen dopovnenoyi realnosti vizualnogo oglyadu robototehniki ta bagatoh inshih zastosuvan Obrobka danih v OpenVX zastosunkah provoditsya cherez manipulyaciyu z grafom funkcionalnih vuzliv robota z yakim mozhe buti prishvidshena za rahunok zaluchennya grafichnogo procesora procesora cifrovih signaliv i dodatkovih aparatnih pristroyiv a takozh rozdilnoyi obrobki fragmentiv tiling Div takozhAI povna zadacha Zorovij analizator Androyid Konfiguraciya rozbittya prostoru LiteraturaO Yu Sergiyenko V V Tyrsa 3D optical machine vision sensors with intelligent data management for robotic swarm navigation improvement IEEE Sensors Journal 2021 10 pp 11262 11274 Oleg Sergiyenko Mikhail V Ivanov Vera V Tyrsa Vladimir M Kartashov Moises Rivas Lopez and Daniel Hern andez Balbuena Wendy Flores Fuentes Julio C e sar Rodr i guez Qui n onez Juan Iv a n Nieto Hip o lito Wilmar Hernandez and Andrei Tchernykh Data transferring model determination in robotic group journal Robotics Auton Syst Elsevier year 2016 volume 83 pages 251 260 L Shapiro Dzh Stokman Kompyuternoe zrenie Computer Vision M Binom Laboratoriya znanij 2006 752 s ISBN 5 94774 384 1 Devid Forsajt Zhan Pons Kompyuternoe zrenie Sovremennyj podhod Computer Vision A Modern Approach M Vilyams 2004 928 s ISBN 5 8459 0542 7 PosilannyaBenjamin F Duffy Daniel R Flynn red 2017 The M Tank Arhiv originalu za 1 Lyutogo 2018 Procitovano 2 Lyutogo 2018 Cya stattya potrebuye dodatkovih posilan na dzherela dlya polipshennya yiyi perevirnosti Bud laska dopomozhit udoskonaliti cyu stattyu dodavshi posilannya na nadijni avtoritetni dzherela Zvernitsya na storinku obgovorennya za poyasnennyami ta dopomozhit vipraviti nedoliki Material bez dzherel mozhe buti piddano sumnivu ta vilucheno lyutij 2018 V inshomu movnomu rozdili ye povnisha stattya Computer vision angl Vi mozhete dopomogti rozshirivshi potochnu stattyu za dopomogoyu perekladu z anglijskoyi zhovten 2021 Divitis avtoperekladenu versiyu statti z movi anglijska Perekladach povinen rozumiti sho vidpovidalnist za kincevij vmist statti u Vikipediyi nese same avtor redaguvan Onlajn pereklad nadayetsya lishe yak korisnij instrument pereglyadu vmistu zrozumiloyu movoyu Ne vikoristovujte nevichitanij i nevidkorigovanij mashinnij pereklad u stattyah ukrayinskoyi Vikipediyi Mashinnij pereklad Google ye korisnoyu vidpravnoyu tochkoyu dlya perekladu ale perekladacham neobhidno vipravlyati pomilki ta pidtverdzhuvati tochnist perekladu a ne prosto skopiyuvati mashinnij pereklad do ukrayinskoyi Vikipediyi Ne perekladajte tekst yakij vidayetsya nedostovirnim abo neyakisnim Yaksho mozhlivo perevirte tekst za posilannyami podanimi v inshomovnij statti Dokladni rekomendaciyi div Vikipediya Pereklad Ce nezavershena stattya zi shtuchnogo intelektu Vi mozhete dopomogti proyektu vipravivshi abo dopisavshi yiyi