Računalniški vid za pametno knjižnico

Trček, Matej (author), Skočaj, Danijel (mentor)

S prostoročnimi vmesniki lahko tehnologijo na udoben način vključimo v vsakdanje dejavnosti. Diplomsko delo opisuje izdelavo aplikacije za prepoznavanje knjižnih platnic z barvno-globinsko kamero za rabo v pametni knjižnici. Aplikacija v globinski sliki zazna ravnino, v njej najde štirikotnik in ga naravna v ravnino kamere. V naslednjem koraku s tehnikami računalniškega vida primerja najdeno sliko s pripravljeno podatkovno bazo posnetkov knjižnih platnic in najde najboljše ujemanje. Globinska slika je zajeta s kamero Microsoft Kinect, aplikacija pa je sprogramirana v jeziku C++ z uporabo knjižnice OpenCV. Za iskanje ravnine se uporablja algoritem RANSAC, za iskanje oglišč pa je bil razvit algoritem, ki se opira na iskanje najbolj oddaljenih točk in preverjanje kotov med njimi. Za opis vzorcev se uporabljata algoritem PCA in histogram pojavitev značilk SIFT, za klasifikacijo pa algoritma SVM in k-NN ter evklidska razdalja do najboljšega primera iz vsakega razreda.

• Language: Slovenian
• Keywords: računalniški vid, prepoznavanje slik, globinske slike
• Work type: Bachelor thesis/paper
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2016
• PID: 20.500.12556/RUL-81164
• Publication date in RUL: 30.03.2016

Secondary language

• Language: English
• Title: Computer vision for smart library

Abstract

Hands-free interfaces allow us to comfortably integrate technology into mundane tasks. This thesis describes the development of an application for book cover recognition using an RGBD camera for use in a smart library. The application detects a plane within the depth image, finds the corners of a rectangle within it and alligns it with the camera plane. Computer vision techniques are used to compare the recorded image with a prepared database of book covers to find the best match. The depth image is taken with a Microsoft Kinect camera and the application is coded in the C++ language using the OpenCV library. The plane detection uses the RANSAC algorithm while the corner detection algorithm relies on finding the most distant points and checking the corners between them. PCA projection and SIFT feature frequency histograms are used to describe the images classification is performed using SVM and k-NN algorithms and the euclidean distance to the best example of each class.

• Keywords: computer vision, image recognition, range images