Компьютерное зрение

Компьютерное зрение – это область науки, дисциплина(раздел изучения искусственного интеллекта), которая занимается задачами, связанными с анализом изображений и видео. На сегодняшний день существуют алгоритмы, которые работают с изображением, считывают информацию о цветах точек, их положение на изображении и все потому, что датчики получающие такую информацию, сенсоры, стали более доступными.
Технологии компьютерного зрения могут быть применимы во многих областях: начиная от считывателей QR- или штрих- кодов и заканчивая технологиями дополненной реальности или же построением трехмерной модели из изображений, набора фотографий или их видео.
На данный момент тематика компьютерного зрения очень интересная, перспективная и растет с каждым днем. Если еще в 2010 году на главную конференцию по компьютерному зрению приезжало не более тысячи человек, то в 2017 году это цифра выросла не менее, чем в 4 раза. Причем часть из них была из компаний разного рода, начиная от маленьких стартапов и заканчивая ведущими корпорациями по ПО.
Можно выделить следующие основные примеры компьютерного зрения на сегодняшний день:
- поиск изображений в интернете;
- распознавание текста;
- биометрия(распознавание лица, радужной оболочки глаза);
- видео-аналитика;
- анализ спутниковых снимков;
- графические редакторы;
- трехмерный анализ;
- управление автомобилем;
Для хранения цифровых изображений, как правило, используется пространство RGB. В нем каждому из трех каналов присваивается свой цвет(красный, зеленый, синий). Вся остальная цветовая гамма получается путем смешивания этих трех основных цветов.
Но данного типа пространство не совсем подходящее для компьютерного зрения. В данном случаем близость цветов, значительно отличается от того, как человек воспринимает близость цветов друг к другу. Для компьютерного зрения более подходящим является пространство HSV(рис.1.). В нем присутствует область Value, которая характеризирует количество цвета. Hue можно представить в виде угла и он отвечает за основной тон. А от третьего значения, Saturation зависит насыщенность цвета.
Рисунок 1 – Представление цветового пространства HSV
Одной из популярных в использовании библиотек для решения задач компьютерного зрения является – OpenCV. Есть множество реализаций этой библиотеки на разные языки программирования, например для С++ и Python. В последнем случае, беря во внимание легкость и простоту использования языка Python, использование библиотеки тоже является упрощенным. На рис.2 наведен пример представления изображения в памяти компьютера.
Рисунок 2 – Представление изображения в памяти компьютера
К примеру можно рассмотреть задачу сегментации. Способом решения такой задачи являются следующие действия: нужно отрезать пиксели выше какого-то порога и назначить их объекту, а пиксели ниже порога фону. На рис.3 наведен пример исходных данных и результата решения такой задачи.
Рисунок 3 – Пример сегментации изображения
А решается данная задача с помощью следующих нескольких строчек кода:
img = cv2.imread('coins.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
Теперь можно только представить, что можно сделать на базе этой библиотеки и какого объема будет исходный код такого ПО и систем.
В ближайшее время у области компьютерного зрения будет несколько основных направлений. В первую очередь – это робототехника, системы автономного вождения, которые сейчас набирают все больше и больше популярности и являются центром для обсуждений. Например первыми системами компьютерного зрения были промышленные роботы, которые проверяли, что деталь на конвейере занимает определенное количество пикселей. В сегодняшний день задачи уже намного расширились, ведь современной системе компьютерного зрения нужно не просто работать с деталями определенного цвета лежащими на конвейере, а нужно анализировать сложный реальный мир, проводить этот анализ в трехмерном пространстве, что за объекты, направление их движения, какие могут быть цели у этих объектов.
Следующими являются системы, связанные с интернетом. В этой области главными компаниями выступают такие гиганты, как например Google или Facebook, которым нужно анализировать миллионы, сотни миллионов или даже миллиарды изображений ежедневно.
Также компьютерное зрение найдет применение, например, в медицине или науке.
Свою нишу эта область займет в игровой или рекламной индустрии, например, компьютерные игры с дополненной реальностью или например реклама которую можно посмотреть в дополненной реальности через смартфон.
Ну и конечно же – это разного рода системы видеонаблюдения, биометрии, распознавания лиц и т.д.