Umetno zaznavanje

Vsebina predmeta:

1. Pregled področja umetnega zaznavanja, aplikacijski doseg in znanstveni izzivi
2. Procesiranje slik
   1. Nastanek slike v kameri
   2. Binarizacija, morfološke operacije, segmentacija
   3. Barvni prostori in zaznavanje
   4. Linearni in nelinearni filtri
3. Odvodi slike in zaznavanje robov
   1. Zaznavanje robov z odvodi
   2. Robovi za zaznavanje objektov
   3. Zaznavanje parametričnih oblik
4. Prileganje modelov
   1. Normalne enačbe
   2. Homogeni sistemi
   3. Robustne metode
5. Lokalne značilnice
   1. Detektorji kotov
   2. Lokalni opisniki z izbiro merila in afino adaptacijo
6. Stereoskopija in zaznavanje globine
   1. Nekalibrirani in kalibrirani sistemi ter rekonstrukcija
7. Razpoznavanje objektov
   1. Podprostorske metode (PCA,LDA)
   2. Razpoznavanje z lokalnimi značilnicami
8. Detekcija objektov
   1. Zapis vizualnih lastnosti in postopki za detekcijo
9. Zaznavanje gibanja
   1. Lokalno gibanje in metode za sledenje objektov

Vaje:

Vaje bodo potekale v obliki projektno-orientiranih nalog v primerno opremljenih študentskih laboratorijih. Študentje v okviru nalog samostojno implementirajo algoritme in jih preizkušajo na različnih naborih podatkov zajetih z različnimi senzorskimi sistemi. Sprotno in obvezno delo na projektih omogoča poglobljeno in kritično razumevanje obravnavane tematike, spodbuja pa tudi samostojno mišljenje in kreativnost.

Obvezna:

• D. Forsyth and J. Ponce, Computer Vision: A modern approach, Prentice Hall 2011.
• R. Szeliski,Computer Vision: Algorithms and Applications, Springer, 2011

Dopolnilna:

• H. R. Schiffman: Sensation and Perception, An Integrated Approach, John Wilez & Sons 2001.

Izbrani članki iz revij IEEE PAMI, CVIU, IJCV, Pattern Recognition (dostopno na spletu)

Študenti bodo v okviru tega predmeta pridobili konkretna znanja in veščine s področja računalniškega vida. Razvili bodo kompetence z nizkonivojskega procesiranja slik, 3D geometrije kamer in sterea, detekcije objektov, razpoznavanja objektov in osnove izračunavanja gibanja v videoposnetkih. Osvojili bodo tudi matematične osnove za reševanje zahtevnih inženirskih problemov, ki so značilni za analizo tako kompleksnih signalov kot so slike in videoposnetki.

Poleg tega bodo študenti osvojili naslednje kompetence:

• Sposobnost razumevanja in reševanja strokovnih izzivov s področja računalništva in informatike

• Sposobnost strokovne komunikacije v materinem in tujem jeziku.

• Sposobnost neodvisnega reševanja tako manj zahtevnih kakor kompleksnih inženirskih in organizacijskih problemov iz ozkih področji, kakor tudi specifičnih dobro definiranih problemov s področja računalništva in informatike.

Po uspešnem zaključku predmeta naj bi študenti:

- poznali računalniške tehnologije in računalniške metodologije za razvoj komponent in sistemov računalniškega zaznavanja,

- razumeli osnove nizkonivojskega procesiranja slik,

- razumeli osnove 3D geometrije kamer in sterea,

- razumeli osnove detekcije in razpoznavanja objektov,

- poznali osnovne postopke izračunavanja gibanja v videoposnetkih,

- bili sposobni obravnavati moderne algoritme računalniškega vida in strojnega vida,

- bili sposobni uporabe računalniških tehnologij in računalniških metodologij pri specifičnih aplikacijah avtonomnih inteligentnih kognitivnih sistemov.

Predavanja, laboratorijske vaje v računalniški učilnici z aktivnim sodelovanjem. Individualno delo na vajah. Teorija s predavanj se praktično analizira na vajah. Poseben poudarek je na sprotnem študiju in sprotnem delu pri vajah.

Način (pisni izpit, ustno izpraševanje, vaje):

Sprotno preverjanje (domače naloge in laboratorijske vaje)
Končno preverjanje (pisni in ustni izpit)
Ocene: 6-10 pozitivno, 5 negativno
(v skladu s Statutom UL).

LUKEŽIČ, Alan, ČEHOVIN ZAJC, Luka, KRISTAN, Matej. Deformable parts correlation filters for robust visual tracking. IEEE transactions on cybernetics, ISSN 2168-2267, 2017, vol. , no. , str. 1-13, [COBISS-SI-ID 1537625283],

KRISTAN, Matej, SULIĆ KENK, Vildana, KOVAČIČ, Stanislav, PERŠ, Janez. Fast image-based obstacle detection from unmanned surface vehicles. IEEE transactions on cybernetics, ISSN 2168-2267 , 2016, vol. 46, no. 3, str. 641-654, [COBISS-SI-ID 1536310979],

KRISTAN, Matej, MATAS, Jiří, LEONARDIS, Aleš, VOJÍŘ, Tomáš, PFLUGFELDER, Roman, FERNÁNDEZ, Gustavo, NEBEHAY, Georg, PORIKLI, Fatih, ČEHOVIN ZAJC, Luka. A novel performance evaluation methodology for single-target trackers. IEEE transactions on pattern analysis and machine intelligence, ISSN 0162-8828. [Print ed.], Nov. 2016, vol. 38, no. 11, str. 2137-2155, [COBISS-SI-ID 1536872643]

URŠIČ, Peter, LEONARDIS, Aleš, SKOČAJ, Danijel, KRISTAN, Matej. Learning part-based spatial models for laser-vision-based room categorization. The international journal of robotics research, ISSN 0278-3649, 2017, vol. 36, no. 4, str. 379-402, [COBISS-SI-ID 1537424323]

ČEHOVIN, Luka, KRISTAN, Matej, LEONARDIS, Aleš. Robust visual tracking using an adaptive coupled-layer visual model. IEEE trans. pattern anal. mach. intell.. [Print ed.], 2012, str. [1-14], [COBISS-SI-ID 9431124]

Celotna bibliografija je dostopna na SICRISu:

http://sicris.izum.si/search/rsr.aspx?lang=slv&id=32801.