DE10024559B4 - Object recognition method - Google Patents
Object recognition method Download PDFInfo
- Publication number
- DE10024559B4 DE10024559B4 DE10024559A DE10024559A DE10024559B4 DE 10024559 B4 DE10024559 B4 DE 10024559B4 DE 10024559 A DE10024559 A DE 10024559A DE 10024559 A DE10024559 A DE 10024559A DE 10024559 B4 DE10024559 B4 DE 10024559B4
- Authority
- DE
- Germany
- Prior art keywords
- search
- representation
- section
- learned
- search window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
Abstract
Verfahren zur Erkennung von ruhenden oder bewegten Objekten wie Bildern, Texten oder Gegenständen, enthaltend die Schritte:
– Bereitstellen (102) einer zu erlernenden, digitalen Darstellung (308) des Objektes oder eines Teiles des Objektes;
– Auswählen eines Suchfensters (312) innerhalb der zu erlernenden Darstellung (308) oder innerhalb eines Ausschnittes (310) der zu erlernenden Darstellung (308),
dadurch gekennzeichnet, dass ein Suchfenster ausgewählt wird, welches innerhalb der zu erlernenden Darstellung (308) oder innerhalb des Ausschnittes (310) nur einmal vorkommt; und
dass innerhalb des Suchfensters mindestens ein für die Objekterkennung heranzuziehender Suchausschnitt (314, 316, 318) ausgewählt wird, wobei innerhalb einer auszuwertenden, digitalen Darstellung (408) nach einem dem mindestens einem Suchausschnitt (314, 316, 318) entsprechenden Muster (414, 416, 418) gesucht wird,
wobei die Position des Suchausschnittes (314, 316, 318) innerhalb des Suchfensters (312) und/oder die geometrische Gestalt des Suchausschnittes (314, 316, 318) dynamisch in Abhängigkeit vom Inhalt des Suchfensters (312) festgelegt werden. Method for the detection of stationary or moving objects such as images, texts or objects, comprising the steps:
- Providing (102) a digital representation (308) of the object or a part of the object to be learned;
- selecting a search window (312) within the display (308) to be learned or within a section (310) of the display (308) to be learned,
characterized in that a search window is selected which occurs only once within the representation (308) to be learned or within the section (310); and
that at least one search section (314, 316, 318) to be used for object recognition is selected within the search window, within a digital representation (408) to be evaluated according to a pattern (414, 416) corresponding to the at least one search section (314, 316, 318) , 418) is sought,
wherein the position of the search section (314, 316, 318) within the search window (312) and / or the geometric shape of the search section (314, 316, 318) are determined dynamically as a function of the content of the search window (312).
Description
Die Erfindung betrifft ein Verfahren zur Erkennung von ruhenden oder bewegten Objekten wie Bildern, Texten oder Gegenständen.The invention relates to a method for the detection of stationary or moving objects such as pictures, texts or objects.
Eine Reihe von beispielsweise industriellen Anwendungen erfordert die Erkennung von Objekten, welche in unterschiedlichen Positionen innerhalb eines Beobachtungsfensters angeordnet sein können. So müssen in der grafischen Industrie im Bereich von Sammellinien oder Zusammentraglinien für Druckbögen schlecht gefalzte oder falsche Druckbögen sicher erkannt und entfernt werden. Die Erkennung schlecht gefalzter oder falscher Druckbögen wird dadurch erschwert, daß sich die einzelnen Druckbögen ständig sowohl in Sammel- oder Zusammentragrichtung als auch senkrecht dazu bewegen und daß aufeinanderfolgende Druckbögen selten vollständig bündig zueinander ausgerichtet sind. Um trotzdem ein sicheres Erkennen von schlecht gefalzten oder falschen Druckbögen zu ermöglichen, sind komplexe und teure Bearbeitungssysteme erforderlich, welche hohe Rechenleistungen benötigen.A number of industrial applications, for example requires the detection of objects that are in different Positions can be arranged within an observation window can. So must in the graphic industry in the area of collecting lines or gathering lines bad for press sheets folded or wrong printed sheets be safely recognized and removed. The detection of poorly folded or wrong printed sheets complicated by the fact that the individual printed sheets constantly both in the direction of collection or collation as well as perpendicular to it move and that successive spreads rarely complete flush are aligned with each other. In order to be able to recognize it reliably enabling poorly folded or false sheets to print is complex and expensive processing systems required, which high computing power need.
Ähnlich gelagerte Problematiken bestehen beispielsweise bei der lagerichtigen Zuführung von zu montierenden Teilen in Fertigungslinien oder bei der oftmals nur visuell durchzuführenden Füllstandskontrolle in der Verpackungsindustrie.Similar stored problems exist, for example, in the correct position feed of parts to be assembled in production lines or at the often only to be carried out visually level control in the packaging industry.
Aus der
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren anzugeben, welches die sichere Erkennung von in unterschiedlichen Positionen innerhalb eines Beobachtungsfensters angeordneten, ruhenden oder bewegten Objekten gestattet, ohne dass die für die Erkennung erforderliche Rechenleistung übermäßig ansteigt.The invention is based on the object Specify the method that the reliable detection of in different Positions arranged within an observation window, at rest or moving objects without allowing for detection required computing power increases excessively.
Diese Aufgabe wird durch ein Verfahren gelöst, bei dem zunächst eine zu erlernende digitale Darstellung des Objektes oder eines Teiles des Objektes bereitgestellt wird. Im Anschluss daran wird innerhalb der zu erlernenden Darstellung oder inner halb eines Ausschnittes der zu erlernenden Darstellung ein Suchfenster ausgewählt, welches innerhalb der zu erlernenden Darstellung oder innerhalb des Ausschnittes nur einmal vorkommt. Daraufhin werden einer oder mehrere Suchausschnitte innerhalb des Suchfensters ausgewählt, welche die Grundlage für die Objekterkennung bilden.This task is accomplished through a process solved, at first a digital representation of the object or one to be learned Part of the object is provided. Following that within the representation to be learned or within a section selected a search window for the display to be learned, which within the representation to be learned or within the section occurs only once. Thereupon one or more search sections selected within the search window, which is the basis for object detection form.
Die Objekterkennung im Anschluß an die Auswahl des mindestens einen Suchausschnittes erfolgen so, daß innerhalb einer auszuwertenden, digitalen Darstellung nach einem Muster gesucht wird, welches inbesondere bezüglich Inhalt und geometrischer Gestalt dem anhand der zu erlernenden Darstellung ermittelten Suchausschnitt entspricht. Die auszuwertende Darstellung fungiert dabei als Beobachtungsfenster, innerhalb dessen das zu erkennende Objekt oder ein Teil des zu erkennenden Objekts in unterschiedlichen Positionen angeordnet sein kann.The object recognition after the selection of the at least one search section are made so that within of a digital representation to be evaluated searched for a pattern which, in particular with regard to The content and the geometrical shape of that based on the illustration to be learned determined search section corresponds. The representation to be evaluated acts as an observation window, within which the recognizing object or part of the object to be recognized in different Positions can be arranged.
Bei dem erfindungsgemäßen Verfahren wird vorteilhafterweise der meiste Rechenaufwand im Vorfeld der eigentlichen Objekterkennung auf das Auffinden eines oder mehrerer zuverlässiger Suchausschnitte verwendet, so daß die Erkennung des Objektes aufgrund der geringen Datenmenge des Suchausschnittes äußerst schnell erfolgen kann. Aufgrund des reduzierten Rechenaufwands für die Objekterkennung kann insbesondere die Echtzeitfähigkeit des erfindungsgemäßen Verfahrens gewährleistet werden.In the method according to the invention most of the computing effort is advantageously in advance of actual object detection on finding one or more reliable Search clippings are used so that the recognition of the object extremely fast due to the small amount of data in the search section can be done. Due to the reduced computing effort for object detection can especially real-time capability of the method according to the invention guaranteed become.
Zur Reduzierung des Rechenaufwandes bei der Auswertung einer das zu erkennende Objekt möglicherweise enthaltenden Darstellung wird in einem ersten Schritt innerhalb der zu erlernenden Darstellung des zu erkennenden Objektes oder eines Ausschnittes hiervon ein verkleinertes, charakteristisches Suchfenster ermittelt. Mit dieser Ermittlung des charakteristischen Suchfensters geht eine erste Reduzierung der für die Objekterkennung auszuwertenden Datenmenge einher. In einem zweiten Schritt wird dieses Suchfenster auf einen Suchausschnitt mit einer bestimmten geometrischen Struktur wie beispielsweise ein Kreuz, ein Ring oder eine Gerade verkleinert. Das Verkleinern des Suchfensters auf den Suchausschnitt geschieht hier derart, daß nur bestimmte Bereiche innerhalb des Suchfensters als Suchausschnitt herangezogen werden. Der Suchausschnitt weist damit vorteilhafterweise eine gegenüber dem Suchfenster nochmals reduzierte Datenmenge auf.In order to reduce the computational effort involved in evaluating a representation that may contain the object to be recognized, the first step within the Dar to be learned is position of the object to be recognized or a section thereof, a reduced, characteristic search window is determined. This determination of the characteristic search window is accompanied by a first reduction in the amount of data to be evaluated for object detection. In a second step, this search window is reduced to a search section with a specific geometric structure, such as a cross, a ring or a straight line. The search window is reduced to the search section in such a way that only certain areas within the search window are used as the search section. The search section thus advantageously has a reduced amount of data compared to the search window.
Zur sicheren Erkennung, ob das zu erfassende Objekt in einer auszuwertenden Darstellung enthalten ist, braucht gemäß einer Ausführungsform der Erfindung daher nur noch festgestellt werden, ob der anhand der zu erlernenden Darstellung ermittelte Suchausschnitt als Muster innerhalb der auszuwertenden Darstellung enthalten ist oder nicht. Aufgrund der geringen Datenmenge des Suchausschnittes und dessen hohen Maßes an Charakteristizität für das zu erfassende Objekt kann die Erkennung schnell und mit großer Sicherheit erfolgen.For reliable detection of whether that is contain the object to be captured in a representation to be evaluated according to one embodiment The invention can therefore only be determined whether the of the search section determined as a pattern is contained within the representation to be evaluated or not. Due to the small amount of data in the search section and its high level of characteristic for the The object to be detected can be recognized quickly and with great certainty respectively.
Innerhalb des Suchfensters können einer oder mehrere Suchausschnitte ausgewählt werden. Die Position jedes Suchausschnittes innerhalb des Suchfensters und die geometrische Gestalt jedes Suchausschnittes werden dynamisch in Abhängigkeit vom Inhalt des Suchfensters festgelegt. Eine dynamische Auswahl der Position eines Suchausschnittes oder der geometrischen Gestalt des Suchausschnittes kann bei vorgegebenem Inhalt des Suchfensters beispielsweise derart erfolgen, daß der Suchausschnitt eine bestimmte, vorgegebene Markanz aufweisen muß.Within the search window, one or selected several search sections become. The position of each search section within the search window and the geometric shape of each search section becomes dynamic dependent on determined by the content of the search window. A dynamic selection the position of a search section or the geometric shape of the search section can, given the content of the search window for example in such a way that the search section contains a specific must have predetermined markings.
Erfindungsgemäß ist die Markanz beispielsweise eines Suchfensters oder eines Suchausschnittes durch die Anzahl vorhandener unterschiedlicher Pixelinhalte und deren Häufigkeitsverteilung charakterisiert. Eine hohe Markanz ist dann gegeben, wenn möglichst viele unterschiedliche Pixelinhalte vorhanden sind und die unterschiedlichen Pixelinhalte mit ungefähr jeweils derselben Häufigkeit auftreten. Eine Binärdarstellung beispielsweise, welche lediglich schwarze und weiße Pixel umfaßt, ist dann optimal markant, wenn die eine Hälfte der Pixel schwarz und die andere Hälfte der Pixel weiß ist. Bei einer dynamischen Auswahl beispielsweise der Position des Suchaus schnittes wird dieser folglich derart innerhalb des Suchfensters plaziert, daß der Suchausschnitt möglichst viele unterschiedliche Pixelinhalte umfaßt, welche jeweils mit ungefähr der gleichen Häufigkeit auftreten.According to the invention, the mark is for example a search window or a search section by the number existing different pixel contents and their frequency distribution characterized. A high mark is given if possible there are many different pixel contents and the different ones Approximate pixel content the same frequency in each case occur. A binary representation for example, which are just black and white pixels comprises is optimally striking if half of the pixels are black and the other half the pixel is white. With a dynamic selection, for example, the position of the search section is consequently placed within the search window in such a way that the Search section if possible comprises many different pixel contents, each with approximately the same frequency occur.
Die geometrische Gestalt des Suchfensters und des Suchausschnittes sind frei wählbar. So können das Suchfenster als Rechteck und der Suchausschnitt als Gerade oder als Ring ausgebildet sein. Vorzugsweise weist der Suchausschnitt eine lineare Gestalt auf, da die Ermittlung eines derartigen Suchausschnittes innerhalb der zu erlernenden Darstellung bzw. eines korrespondierenden Musters innerhalb der auszuwertenden Darstellung den geringsten Rechenaufwand erfordert. So können beispielsweise zwei Suchausschnitte verwendet werden, welche als senkrecht zueinander verlaufende Geraden ausgebildet sind und deren Position innerhalb des Suchfensters dynamisch festgelegt wird.The geometric shape of the search window and of the search section are freely selectable. So can the search window as a rectangle and the search section as a straight line or be designed as a ring. The search section preferably has a linear shape, since the determination of such a search section within the representation to be learned or a corresponding one Pattern within the representation to be evaluated the least amount of computation requires. So can For example, two search sections are used, which are considered vertical straight lines are formed and their position is set dynamically within the search window.
Gemäß einer bevorzugten Ausführungsform wird innerhalb der zu erlernenden, digitalen Darstellung des Objektes zunächst ein im voraus festgelegter Vergleichsausschnitt ausgewählt und innerhalb dieses Vergleichsausschnittes ein charakteristisches Suchfenster ermittelt. Nach der Auswahl eines Suchausschnittes innerhalb des Suchfensters werden die Inhalte des Suchausschnittes und des Vergleichsausschnittes der zu erlernenden Darstellung, innerhalb dessen der Suchausschnitt ermittelt wurde, sowie die relative Lage des Suchausschnittes oder des Suchfensters innerhalb dieses Vergleichsausschnittes abgespeichert. Nachfolgend kann innerhalb einer auszuwertenden Darstellung nach einem dem Suchausschnitt am ehesten entsprechenden Muster gesucht werden.According to a preferred embodiment within the digital representation of the object to be learned first a predefined comparison section is selected and a characteristic search window within this comparison section determined. After selecting a search section within the Search window becomes the content of the search section and the comparison section the display to be learned, within which the search section was determined, as well as the relative position of the search section or of the search window is saved within this comparison section. The following can be used within a display to be evaluated a pattern that most closely matches the search section become.
Auf der Grundlage des dem Suchausschnitt am ehesten entsprechenden Musters kann dann innerhalb der auszuwertenden Darstellung ein Vergleichsausschnitt ermittelt werden, dessen Lage relativ zum gefundenen Muster mit der Lage des Vergleichsausschnittes der zu erlernenden Darstellung relativ zum erlernten Suchausschnitt übereinstimmt. Im Anschluß daran wird der Inhalt des Vergleichsausschnittes der zu erlernenden Darstellung mit dem Inhalt des Vergleichsausschnittes der auszuwertenden Darstellung verglichen. Sollten die beiden Vergleichsausschnitte bis auf eine einstellbare Abweichung übereinstimmen, steht als Ergebnis der Objekterkennung fest, daß das zu erkennende Objekt innerhalb der auszuwertenden Darstellung aufgefunden wurde.Based on the search section on The closest corresponding pattern can then be evaluated within the Representation of a comparison section can be determined, its location relative to the pattern found with the position of the comparison section the representation to be learned corresponds to the learned search section. in the Following it becomes the content of the comparison section of the representation to be learned with the content of the comparison section of the representation to be evaluated compared. If the two comparative sections except for one adjustable deviation match, the result of the object recognition is that the object to be recognized was found within the representation to be evaluated.
Die Zuverlässigkeit der Objekterkennung wird folglich dadurch gesteigert, daß im Falle des Auffindens eines dem erlernten Suchausschnitt entsprechenden Musters innerhalb der auszuwertenden Darstellung überprüft wird, ob an den erlernten Suchausschnitt und das aufgefundene Muster angrenzende Bereiche in Gestalt von Vergleichsausschnitten übereinstimmen. Gemäß der beschriebenen Ausführungsform bestimmt folglich nicht die Übereinstimmung des erlernten Suchausschnittes mit dem oftmals verrauschten Muster das Ergebnis der Objekterkennung, sondern die Übereinstimmung der beiden korrespondierenden Vergleichsausschnitte. Durch diese Maßnahme wird gewährleistet, daß ein Objekt auch dann noch sicher in einer auszuwertenden Darstellung erkannt wird, wenn es im Vergleich zur erlernten Darstellung etwas verdreht ist. Bei herkömmlichen Objekterkennungsverfahren hingegen ist die Erkennung von gegenüber einer erlernten Darstellung verdrehten Objekten nicht oder nur mit sehr großem, eine Echtzeiterkennung ausschließenden Rechenaufwand möglich.The reliability of the object recognition is consequently increased in that if a pattern corresponding to the learned search section is found within the representation to be evaluated, it is checked whether areas adjacent to the learned search section and the pattern found match in the form of comparison sections. According to the described embodiment, it is therefore not the correspondence of the learned search section with the often noisy pattern that determines the result of the object recognition, but rather the correspondence of the two corresponding comparison sections. This measure ensures that an object is still reliably recognized in a representation to be evaluated if it is somewhat twisted in comparison to the learned representation. In contrast, with conventional object recognition methods the detection of objects rotated in relation to a learned representation is not possible or only possible with a very large computing effort that excludes real-time detection.
Vorzugsweise wird die zu erlernende Darstellung des zu erkennenden Objektes vor der Auswahl eines Suchfensters einer Aufbereitung unterzogen. Auch die auszuwertende Darstellung, innerhalb welcher nach dem zu erkennenden Objekt gesucht wird, kann einer entsprechenden Aufbereitung unterzogen werden. Insbesondere bei solchen digitalen Darstellungen, welche beispielsweise aus digitalisierten Videoaufnahmen generiert wurden, ist eine Aufbereitung in der Regel zweckmäßig.Preferably the one to be learned Representation of the object to be recognized before selecting a search window subjected to preparation. Also the representation to be evaluated, within which the object to be recognized is searched for be subjected to an appropriate preparation. In particular in such digital representations, which are digitized, for example Video recordings were generated is usually a preparation appropriate.
Die Aufbereitung der Darstellung kann unterschiedliche Maßnahmen beinhalten. So kann beispielsweise im Falle einer monochromen Darstellung dieser einer Grauwertmanipulation unterzogen werden. Im Falle geringer Kontraste kann so z.B. durch eine Grauwertspreizung, welche die zur Verfügung stehende Anzahl unterschiedlicher Grauwerte voll ausnutzt, eine deutliche Verbesserung der Erkennungswahrscheinlichkeit erzielt werden.The preparation of the presentation can take different measures include. For example, in the case of a monochrome display, this can undergo a gray value manipulation. In the case of less Contrasts can e.g. by a gray value spread, which the available Number of different gray values fully used, a clear one Improvement of the detection probability can be achieved.
Die Zuverlässigkeit des erfindungsgemäßen Erkennungsverfahrens kann durch eine Glättung der digitalen Darstellung weiter verbessert werden. So läßt sich beispielsweise durch eine Binominalfilterung das bei digitalisierten Videoaufnahmen vorhandene Zeilen- und Quantisierungsrauschen deutlich abschwächen.The reliability of the detection method according to the invention can by smoothing the digital representation can be further improved. So you can for example by binomial filtering that in digitized Video recordings significantly attenuate existing line and quantization noise.
Vorteilhafterweise wird die zu erlernende oder die auszuwertende digitale Darstellung einer Kantenextraktion unterzogen, durch welche in homogenen Bildern enthaltene Farb- oder Grauwertübergänge als Kanten erfaßt werden. Vorzugsweise erfolgt eine derartige Aufbereitung der digitalen Darstellung mit Hilfe eines modifizierten Kantenoperators nach Prewitt.Advantageously, the one to be learned or subjected the digital representation to be evaluated to an edge extraction, through which color or gray value transitions contained in homogeneous images as Edges detected become. Such preparation of the digital is preferably carried out Representation using a modified edge operator according to Prewitt.
Eine weitere Steigerung der Erkennungssicherheit läßt sich durch Binärisieren der digitalen Darstellung erreichen. Bei der Binärisierung wird mit Hilfe eines vorab festgelegten Schwellenwertes aus der beispielsweise eine Vielzahl von Grautönen umfassenden digitalen Darstellung eine Schwarz-Weiß-Darstellung generiert.A further increase in the detection reliability let yourself through binarization of the digital representation. During the binarization, a predetermined threshold from the example, a variety of shades of gray comprehensive digital representation a black and white representation generated.
Die vorstehend beschriebenen Schritte zur Aufbereitung der zu erlernenden oder auszuwertenden digitalen Darstellung können in beliebiger Weise kombiniert werden.The steps described above to prepare the digital to be learned or evaluated Representation can can be combined in any way.
Gemäß einer bevorzugten Ausführungsform werden von der auszuwertenden und von der erlernenden Darstellung Histogramme erstellt, welche die Häufigkeit der auftretenden Pixelinhalte wiedergeben. Sollte es einmal nicht möglich sein, einen Suchausschnitt auszuwählen, können diese Histogramme zur Objekterkennung herangezogen werden.According to a preferred embodiment of the histograms to be evaluated and the learning diagram which created the frequency of the occurring pixel contents. Shouldn't possible histograms can be used to select a search section Object recognition can be used.
Weitere Einzelheiten und Vorteile der Erfindung ergeben sich aus der Beschreibung eines bevorzugten Ausführungsbeispieles und den Figuren. Es zeigen:More details and advantages the invention result from the description of a preferred embodiment and the figures. Show it:
In den
In
In einem ersten Schritt 102 wird von einer Aufnahmevorrichtung in Gestalt einer Kamera eine analoge Darstellung eines Ausschnittes des zu erkennenden Objektes aufgenommen. Ein Framegrabber eines digitalen Signalprozessors stellt diese analoge Aufnahme dann in Gestalt einer monochromen digitalen Darstellung einer Weiterverarbeitung mit Hilfe einer Datenverarbeitungsanlage zur Verfügung. Anstelle einer analogen Kamera und eines Framegrabbers könnte auch eine Digitalkamera verwendet werden, welche unmittelbar eine digitale Darstellung erstellt.In a first step 102 from a recording device in the form of a camera an analog Representation of a section of the object to be recognized recorded. A frame grabber of a digital signal processor provides this analog The picture is then taken in the form of a monochrome digital representation further processing with the help of a data processing system to disposal. Instead of an analog camera and a frame grabber could also be a digital camera are used, which immediately creates a digital representation.
In einem nachfolgenden Schritt 104 wird diese monochrome Darstellung eines Ausschnittes des zu erkennenden Objektes einer Grauwertmanipulation unterzogen. Dabei werden zunächst der minimale und der maximale Grauwert ermittelt, welche in der zu erlernenden, monochromen Darstellung auftreten. Im Anschluß daran wird zur Verbesserung des Kontrastes der zu erlernenden Darstellung eine lineare Grauwertspreizung durchgeführt. Kommen innerhalb der zu erlernenden Darstellung beispielsweise auf einer Grauwertskala von 0 bis 255 nur Grauwerte von 7 bis 54 vor, so werden ausgehend von dieser ursprünglichen Grauwertdarstellung drei weitere Grauwertdarstellungen mit linearen Grauwertspreizungen von beispielsweise 0 bis 63, 0 bis 127 und 0 bis 255 generiert. Anschließend wird eine Tabelle (Look-up-Table) angelegt, in welcher für jedes Pixel der zu erlernenden Darstellung der ursprüngliche und die drei gespreizten Grauwerte enthalten sind. Diese Tabelle umfaßt folglich verschiedene Grauwertdarstellungen der von der Digitalkamera aufgenommenen Aufnahme.In a subsequent step 104, this monochrome representation of a section of the object to be recognized is subjected to gray value manipulation. First, the minimum and maximum gray values are determined, which appear in the monochrome display to be learned. A linear gray value spread is then carried out to improve the contrast of the display to be learned. If, for example, only gray values from 7 to 54 occur on the gray value scale from 0 to 255 within the display to be learned, three further gray value displays with linear gray value spreads of, for example, 0 to 63, 0 to 127 and 0 to 255 are generated from this original gray value representation. Then a table (look-up table) is created in which the original and the three spread gray values are contained for each pixel of the representation to be learned. This table therefore includes various gray scale representations of those from the digital camera taken recording.
Anschließend wird in Schritt 106 die aktuell zu bearbeitende Grauwertdarstellung geladen.Then in step 106 the Gray value display currently being edited loaded.
In Schritt 108 erfolgt daraufhin eine Klassifikation der Grauwertdarstellungen dahingehend, ob sie einen Suchausschnitt von ausreichender Markanz enthalten. Dazu erfolgt in einem ersten Schritt eine Aufbereitung der geladenen Grauwertdarstellung, um die Suche nach einem charakteristischen Suchfenster und einem markanten Suchausschnitt zu erleichtern.This is followed in step 108 a classification of the gray value representations according to whether they contain a search section of sufficient mark. This is done in a first step a preparation of the loaded gray value display, to search for a characteristic search window and a to facilitate the striking search section.
In Schritt 108 wird in mehreren Durchläufen und bei verschiedenen Aufbereitungsparametern nach einem charakteristischen Suchfenster und einem darin enthaltenen, markanten Suchausschnitt gesucht. Sollte sich herausstellen, daß die aktuell geladene Grauwertdarstellung nicht markant genug ist, um ein Suchfenster oder einen Suchausschnitt ermitteln zu können, so wird die Grauwertdarstellung als monochrom klassifiziert. Sofern jedoch sowohl ein charakteristisches Suchfenster als auch ein darin enthaltener, markanter Suchausschnitt gefunden werden können, erfolgt eine Überprüfung der aktuellen Grauwertdarstellung auf Rauschen. Dazu wird bei den zuletzt eingestellten Aufbereitungsparametern in der aktuellen Grauwertdarstellung mehrmals der Inhalt des Suchausschnittes an identischen Positionen ermittelt. Sofern die jeweils ermittelten Suchausschnittsinhalte stärkere Abweichungen aufweisen, wird die Grauwertdarstellung als verrauscht klassifiziert.In step 108, and with different preparation parameters according to a characteristic Search window and a distinctive search section contained therein. Should it turn out that the currently loaded gray value display is not striking enough to to be able to determine a search window or a search section, so the gray value display is classified as monochrome. Provided however, both a characteristic search window and a search window it contains distinctive search section can be found, the current gray value display for noise. For this, the last set processing parameters in the current gray value display several times the content of the search section at identical positions determined. Provided that the search section contents determined in each case more If there are any deviations, the gray value display is classified as noisy.
Im Anschluß daran erfolgt in Schritt 110 eine Überprüfung der aktuellen Grauwertdarstellung dahingehend, ob sie als monochrom oder verrauscht klassifiziert wurde. Sollte dies der Fall sein, so werden in Schritt 112 entweder die Aufbereitungsparameter geändert oder es wird, falls alle Aufbereitungsparameter bereits durchlaufen sind, die nächste Grauwertdarstellung aus der in Schritt 104 angelegten Tabelle festgelegt. Daraufhin wird wieder bei Schritt 106 fortgefahren, sofern nicht in Schritt 114 festgestellt wird, daß alle Aufbereitungsparameter und alle Grauwertdarstellungen bereits durchlaufen sind.This is followed in step 110 a review of the current gray value representation in terms of whether it is as monochrome or classified as noisy. If that is the case, so in step 112 either the editing parameters are changed or if all processing parameters have already been run through, the next gray value display from the table created in step 104. thereupon is continued again at step 106, if not in step 114 it is found that all Processing parameters and all gray value displays have already been run through.
Sollte sich in Schritt 110 herausstellen,
daß die
aktuelle Grauwertdarstellung weder monochrom noch verrauscht ist,
oder sollte sich in Schritt 114 herausstellen, daß bereits
alle Grauwertdarstellungen und alle möglichen Aufbereitungsparameter
abgearbeitet wurden, so wird in Schritt 116 überprüft, ob für die zu erlernende Darstellung
ein markanter Suchausschnitt festgelegt werden konnte. Sollte dies
nicht der Fall sein, so wird in Schritt 118 ein zentraler Bereich
der zu erlernenden Darstellung als Vergleichsausschnitts festgelegt
und dieser mit Hilfe eines Grauwert-Histogrammes bewertet. Dieses
Grauwert-Histogramm
wird abgespeichert und bildet nachfolgend die Grundlage für die Objekterkennung in
einer auszuwertenden Darstellung. Die Objekterkennung unter Zuhilfenahme
von Grauwert-Histogrammen
wird weiter unten unter Bezugnahme auf
Sollte sich jedoch in Schritt 116 herausstellen, daß die zu erlernende Darstellung die Ermittlung eines markanten Suchausschnittes ermöglicht, so werden in Schritt 120 die Koordinaten und der Inhalt des Suchausschnittes sowie der Inhalt eines den Suchausschnitt enthaltenden Vergleichsausschnittes, der innerhalb der zu erlernenden Darstellung festgelegt wird, abgespeichert. Außerdem werden die Tabelle mit den Grauwertdarstellungen und sowie die verwendeten Aufbereitungsparameter wie Kantendivisor und Binärisierungschwelle abgespeichert.However, in step 116 point out that the presentation to be learned the determination of a distinctive search section allows so in step 120 the coordinates and the content of the search section as well as the content of a comparison section containing the search section, which is defined within the display to be learned. Moreover the table with the gray value displays and as well as the used Processing parameters such as edge divisor and binarization threshold saved.
Im Anschluß an den Schritt 118 oder den Schritt
120 ist der Vorgang
Zunächst wird in Schritt 132 die aktuell aus der Tabelle zu ladende Grauwertdarstellung der zu erlernenden Darstellung festgelegt. Daraufhin wird eine Schwelle für die Binärisierung der auszuwertenden Darstellung auf einen Anfangswert gesetzt.First, in step 132 Grayscale representation of the learners currently to be loaded from the table Representation set. Thereupon becomes a threshold for binaryization the representation to be evaluated is set to an initial value.
Anschließend wird in Schritt 134 ein Kantendivisor für die Kantenextrahierung auf einen Anfangswert gesetzt. Der Kantendivisor gibt an, bei welchem Grauwert im Bereich eines Grauwertüberganges eine Kante festgelegt wird. Je nach Wert des Kantendivisors verschiebt sich die Kante in Richtung auf hellere oder dunklere Grautöne. Bei der Kantenextrahierung wird auf den modifizierten Kantenoperator nach Prewitt zurückgegriffen.Then in step 134 Edge divisor for edge extraction is set to an initial value. The edge divisor specifies the gray value at which a gray value transition occurs Edge is set. Moves depending on the value of the edge divisor the edge towards lighter or darker shades of gray. at the edge extraction is on the modified edge operator resorted to Prewitt.
In einem sich anschließenden Schritt 136 wird zunächst die aktuelle Grauwertdarstellung geladen. Daraufhin wird die aktuelle Grauwertdarstellung einer Glättung durch Binominalfilterung unterzogen. Dann wird in der auszuwertenden Grauwertdar stellung ein zentraler Vergleichsausschnitt festgelegt, innerhalb dessen später das Suchfenster ermittelt wird.In a subsequent step 136 will first the current gray value display is loaded. Then the current one Gray value representation of a smoothing subjected to binomial filtering. Then in the to be evaluated A central comparison section is defined, within that later the search window is determined.
In Schritt 136 wird weiterhin von diesem Vergleichsausschnitt, welcher eine geringere Abmessung und folglich auch eine geringere Datenmenge als die aktuelle Grauwertdarstellung aufweist, ein Histogramm erstellt, welches die Grauwertverteilung des Vergleichsausschnittes angibt.In step 136 continues from this comparison section, which has a smaller dimension and consequently also a smaller amount of data than the current gray value display has created a histogram which shows the gray value distribution of the Indicates comparative section.
Daraufhin wird in Schritt 136 der aktuelle Wert des Kantendivisors halbiert und der Vergleichsausschnitt einer Kantenextrahierung unterzogen. Im Anschluß an die Kantenextrahierung wird der Vergleichsausschnitt auf der Basis der aktuellen Binärisierungsschwelle in eine Binärdarstellung gewandelt. In dieser Binärdarstellung nimmt jedes der Pixel des Vergleichsausschnittes in Abhängigkeit vom Wert der Binärisierungsschwelle einen von zwei möglichen Werten an. Nachfolgend werden diese beiden Werte zur Veranschaulichung als "schwarz" und "weiß" bezeichnet. Abschließend wird in Schritt 136 das Verhältnis von schwarzen zu weißen Pixeln innerhalb des Vergleichsausschnittes berechnet.The current value of the edge divisor is then halved in step 136 and the comparison section is subjected to an edge extraction. Following the edge extraction, the Ver same section converted to a binary representation based on the current binarization threshold. In this binary representation, each of the pixels of the comparison section assumes one of two possible values depending on the value of the binarization threshold. In the following, these two values are referred to as "black" and "white" for illustration. Finally, the ratio of black to white pixels within the comparison section is calculated in step 136.
In Schritt 138 wird überprüft, ob der aktuelle Vergleichsausschnitt eine ausreichend hohe Markanz aufweist. Bei dieser Überprüfung wird festgestellt, ob das in Schritt 136 ermittelte Verhältnis von schwarzen zu weißen Pixeln innerhalb eines einstellbaren Toleranzbereiches um den Optimalwert 0,5 liegt. Sollte die Markanz des aktuellen Vergleichsausschnittes ausreichend hoch sein, so wird in Schritt 140 nach einem charakteristischen Suchfenster innerhalb des aktuellen Vergleichsausschnittes und nach einem markanten Suchausschnitt innerhalb des ermittelten Suchfensters gesucht. Andernfalls erfolgt in Schritt 142 eine Klassifizierung des Vergleichsausschnittes als monochrom.In step 138 it is checked whether the current comparison section has a sufficiently high mark. This review will determined whether the ratio of blacks determined in step 136 too white Pixels within an adjustable tolerance range around the optimal value 0.5 is. Should be the mark of the current comparison section be sufficiently high, then in step 140 after a characteristic Search window within the current comparison section and for a striking search section within the determined search window searched. Otherwise, a classification takes place in step 142 of the comparative section as monochrome.
Im Anschluß an die Suche nach einem markanten Suchausschnitt in Schritt 140 oder an die Klassifizierung des Vergleichsausschnittes als monochrom in Schritt 142 wird in Schritt 144 überprüft, ob ein markanter Suchausschnitt gefunden wurde oder ob der Kantendivisor seinen niedrigstmöglichen Wert annimmt. Sollte diese Überprüfung negativ verlaufen, so wird ab Schritt 136 nochmals eine Schleife mit halbiertem Kantendivisor aber sonst unveränderten Einstellungen durchlaufen.Following the search for a striking one Search section in step 140 or to the classification of the comparison section as a monochrome in step 142 it is checked in step 144 whether a striking search section was found or whether the edge divisor its lowest possible Assumes value. Should this review be negative run, a loop with halved is again from step 136 Edge divisor but otherwise unchanged Go through settings.
Sollte hingegen in Schritt 144 festgestellt werden, daß ein markanter Suchausschnitt gefunden wurde oder daß der Kantendivisor seinen niedrigstmöglichen Wert annimmt, so wird in Schritt 146 überprüft, ob in Schritt 140 ein markanter Suchausschnitt gefunden wurde. Sollte dies der Fall sein, so wird in Schritt 148 dieser Suchausschnitt auf Rauschen getestet. Zu diesem Zweck wird bei den aktuellen Aufbereitungsparametern (Binärisierungsschwelle und Kantendivisor) in der aktuellen Grauwertdarstellung mehrmals der Inhalt eines an identischen Positionen angeordneten Suchausschnittes untersucht. Sofern die Inhalte der an identischen Positionen angeordneten Suchausschnitte keine größeren Abweichungen aufweisen, wird der gefundene Suchausschnitt als rauschfrei klassifiziert, andernfalls als verrauscht.However, if it is determined in step 144 the existence distinctive search section was found or that the edge divisor lowest possible Assumes a value, it is checked in step 146 whether a distinctive one in step 140 Search section was found. If this is the case, then in step 148 this search section was tested for noise. To this The purpose is with the current preparation parameters (binaryization threshold and edge divisor) several times in the current gray value display the content of a search section arranged at identical positions examined. Provided that the contents of those arranged in identical positions Search sections do not show any major deviations, the search section found is classified as noise-free, otherwise as noisy.
Wenn in Schritt 146 festgestellt wird, daß kein markanter Suchausschnitt gefunden wurde, oder wenn in Schritt 146 festgestellt wird, daß ein markanter Suchausschnitt gefunden wurde und dieser Suchausschnitt in Schritt 148 auf Rauschen getestet wurde, wird anschließend in Schritt 150 die Binärisierungsschwelle erhöht.If determined in step 146 will that no distinctive search section was found, or if in step 146 it is found that a striking Search section was found and this search section in step 148 has been tested for noise, the binarization threshold then becomes in step 150 elevated.
Im Anschluß an die Erhöhung der Binärisierungsschwelle in Schritt 150 wird in Schritt 152 überprüft, ob ein markanter und rauschfreier Suchausschnitt gefunden wurde oder ob die Binärisierungsschwelle ihren höchstmöglichen Wert angenommen hat. Falls diese Überprüfung negativ ausfällt, wird eine erneute Schleife ab Schritt 134, in welchem der Kantendivisor wieder auf seinen Anfangswert gesetzt wird, durchlaufen. Andernfalls wird in Schritt 154 der Zähler für die aktuelle Grauwertdarstellung erhöht.Following the increase in binarization in step 150 it is checked in step 152 whether a striking and noise-free Search section was found or whether the binarization threshold is its highest possible Has accepted value. If this check is negative, a loop again from step 134 in which the edge divisor again is set to its initial value. Otherwise it will in step 154 the counter for the current gray value display increased.
Im Anschluß an die Erhöhung des Zählers für die aktuelle Grauwertdarstellung in Schritt 154 wird in Schritt 156 überprüft, ob ein markanter und rauschfreier Suchabschnitt gefunden wurde oder ob die aktuelle Grauwertdarstellung die letzte, in der in Schritt 104 angefertigten Tabelle enthaltene Grauwertdarstellung ist. Falls diese Überprüfung negativ ausfällt, wird eine erneute Schleife ab Schritt 132, in welchem die Binärisierungsschwelle wieder auf ihren Anfangswert gesetzt und die nächste Grauwertdarstellung geladen wird, durchlaufen.Following the increase in counter for the The current gray value display in step 154 is checked in step 156 whether a distinctive and noise-free search section was found or whether the current gray value representation is the last one in step 104 prepared gray scale representation is included. If this review negative fails a new loop from step 132 in which the binarization threshold reset to its initial value and the next gray value display is loaded will go through.
Sollte sich in Schritt 156 dagegen
herausstellen, daß ein
markanter und rauschfreier Suchausschnitt gefunden wurde oder daß die letzte,
in der in Schritt 104 angefertigten Tabelle enthaltene Grauwertdarstellung
erreicht ist, so erfolgt in Schritt 158 eine Klassifizierung der
zu erlernenden Darstellung. Die zu erlernende Darstellung wird als
binär klassifiziert,
wenn ein rauschfreier und markanter Suchausschnitt gefunden wurde.
Wurde der Suchausschnitt in Schritt 142 als monochrom eingestuft,
so wird die zu erlernende Darstellung ebenfalls als monochrom klassifiziert.
Wurde in Schritt 148 der Suchausschnitt als verrauscht eingestuft,
so wird die zu erlernende Darstellung in Schritt 158 ebenfalls als
verrauscht klassifiziert. Nach Abarbeiten des Schrittes 158 ist der
Vorgang
In
Zur Suche nach einem charakteristischen Suchfenster innerhalb des Vergleichsausschnittes werden in Schritt 172 zunächst alle innerhalb dieses Vergleichsausschnittes enthaltenen Suchfenster im Hinblick auf deren Markanz untersucht. Je näher das Verhältnis von schwarzen zu weißen Pixeln eines Suchfensters dabei an dem Optimalwert 0,5 liegt, desto höher ist die Markanz des entsprechenden Suchfensters. Die ermittelte Markanz eines jeden Suchfensters wird abgespeichert.To search for a characteristic search window within the comparison section, all are initially in step 172 Search window contained within this comparison section examined in terms of their branding. The closer the ratio of black to white Pixels of a search window are at the optimal value 0.5, the more is higher the mark of the corresponding search window. The determined markanz of each search window is saved.
Anschließend werden in Schritt 174 alle Suchfenster, welche eine gewisse Ähnlichkeit aufweisen, ausgefiltert, um ein für den Vergleichsausschnitt charakteristisches Suchfenster zu ermitteln. Dabei werden alle Suchfenster als ähnlich eingestuft, bei welchen eine über einem vorbestimmten Schwellwert liegende Anzahl von Pixeln identisch ist.Then in step 174 all search windows that have a certain similarity are filtered out, around one for to determine the comparison section characteristic search window. there all search windows are considered similar classified, in which one over number of pixels lying within a predetermined threshold is.
Daraufhin wird in Schritt 176 von den verbliebenen charakteristischen Suchfenstern das Suchfenster mit der höchsten Markanz ausgewählt. Sollten mehrere charakteristische Suchfenster mit gleich hoher Markanz gefunden werden, so wird innerhalb der zu erlernenden Darstellung das erste dieser Suchfenster ausgewählt. In der Praxis hat sich nämlich herausgestellt, daß sich die Erkennungsquote des erfindungsgemäßen Erkennungsverfahrens nicht wesentlich erhöht, wenn ein anderes Suchfenster mit gleich hoher Markanz ausgewählt wird. Weiterhin werden in Schritt 176 die Koordinaten des ausgewählten charakteristischen Suchfensters abgespeichert.Then in step 176 the remaining selected search window, the search window with the highest mark is selected. If several characteristic search windows with the same high mark are found, the first of these search windows is selected within the display to be learned. In practice, it has been found that the recognition rate of the recognition method according to the invention does not increase significantly if another search window with the same high mark is selected. Furthermore, the coordinates of the selected characteristic search window are stored in step 176.
In Schritt 178 wird überprüft, ob das in Schritt 176 ausgewählte Suchfenster vorgegebenen Markanzkriterien entspricht. Sollte dies nicht der Fall sein, wird das Suchfenster in Schritt 180 als nicht markant klassifiziert. Sollte dagegen in Schritt 178 festgestellt werden, daß das Suchfenster den vorgegebenen Markanzkriterien entspricht, so wird in Schritt 182 für zwei Suchausschnitte in Gestalt von senkrecht zueinander verlaufenden Geraden und für alle möglichen Positionen dieser beiden Geraden innerhalb des Suchfensters die jeweilige Markanz ermittelt.In step 178 it is checked whether the selected in step 176 Search window corresponds to specified mark criteria. Should this be If this is not the case, the search window is not distinctive in step 180 classified. On the other hand, if it is determined in step 178 that this Search window meets the specified mark criteria, so in step 182 for two search sections in the form of perpendicular to each other Straight and for everyone potential Positions of these two lines within the search window respective markings determined.
Daraufhin werden in Schritt 184 die beiden Suchausschnitte ausgewählt, welche die höchste Markanz aufweisen. Außerdem werden die Anfangskoordinaten der beiden ausgewählten Suchausschnitte innerhalb des Suchfensters abgespeichert.Then in step 184 the selected two search sections, which is the highest mark exhibit. Moreover the starting coordinates of the two selected search sections are within of the search window.
Anschließend wird in Schritt 186 überprüft, ob das ausgewählte Suchfenster und die ausgewählten Suchabschnitte jeweils eine Markanz aufweisen, welche über einem voreingestellten Wert liegen. Sollte dies nicht der Fall sein, so wird die auszuwertende Darstellung in Schritt 188 als monochrom klassifiziert. Andernfalls werden in Schritt 190 die Inhalte der beiden Suchausschnitte abgespeichert. Neben dem Inhalt dieser beiden Suchabschnitte, deren Position innerhalb des Suchfensters dynamisch festgelegt wird, wird noch der Inhalt eines dritten, ortsfesten Suchausschnittes in Gestalt einer Geraden abgespeichert, welche das Suchfenster diagonal durchsetzt. Weiterhin wird in Schritt 190 die auszuwertende Darstellung als Binärdarstellung klassifiziert.It is then checked in step 186 whether the selected Search window and the selected ones Search sections each have a mark, which over a preset value. If this is not the case, then the representation to be evaluated becomes monochrome in step 188 classified. Otherwise, in step 190, the contents of the two Search sections saved. In addition to the content of these two search sections, whose position within the search window is determined dynamically, becomes the content of a third, fixed search section saved in the form of a straight line, which diagonally the search window interspersed. Furthermore, the representation to be evaluated is shown in step 190 as a binary representation classified.
In
Zunächst wird in Schritt 202 der
Inhalt eines aktuellen Suchfensters für einen Vergleich gespeichert.
Anschließend
wird in Schritt 204 der Inhalt dieses Suchfenster mit den Inhalten
von allen anderen möglichen
Suchfenstern innerhalb des Vergleichsausschnittes verglichen. Sofern ähnliche
Suchfenster erkannt werden, werden diese ausmaskiert. Sofern eine Überprüfung im
Schritt 206 ergibt, daß mindestens
ein zu dem aktuellen Suchfenster ähnliches Suchfenster gefunden
wurde, wird das aktuelle Suchfenster in Schritt 208 ebenfalls ausmarkiert.
Der Vorgang
Gemäß den in den
In einem ersten Schritt 220 wird von einer Kamera eine analoge Aufnahme erzeugt, welche auf das Vorhandensein des zu erkennenden Objektes überprüft werden soll. Diese analoge Aufnahme wird von einem Framegrabber eines digitalen Signalprozessors in Form einer auszuwertenden monochromen Darstellung der Weiterverarbeitung zur Verfügung gestellt.In a first step 220 from a camera creates an analog recording, which indicates the presence of the object to be recognized should. This analog recording is made by a frame grabber of a digital Signal processor in the form of a monochrome representation to be evaluated available for further processing posed.
In Schritt 224 wird die auszuwertende Darstellung unter Zuhilfenahme von Binominalkoeffizienten geglättet. Weiterhin wird ein Grauwert-Histogramm der auszuwertenden Darstellung generiert.In step 224 the one to be evaluated Presentation smoothed with the help of binomial coefficients. Farther a gray value histogram of the representation to be evaluated is generated.
In Schritt 226 wird überprüft, ob die erlernte Darstellung als Binärdarstellung klassifiziert wurde. Sofern dies nicht der Fall ist, d.h. sofern das gelernte Bild als verrauscht und monochrom klassifiziert wurde, wird in Schritt 228 das Histogramm der auszuwertenden Darstellung mit dem abgespeicherten Histogramm eines Vergleichsausschnittes der gelernten Darstellung verglichen. In Schritt 230 wird das erhaltene Vergleichsergebnis ausgegeben. Sofern das Grauwert-Diagramm der auszuwertenden Darstellung und das Grauwert-Histogramm des Vergleichsausschnittes der gelernten Darstellung eine einstellbare Ähnlichkeit nicht unterschreiten, ist das Vergleichsergebnis positiv, andernfalls negativ.In step 226 it is checked whether the learned representation as binary representation was classified. If this is not the case, i.e. provided the learned image was classified as noisy and monochrome, in step 228 the histogram of the representation to be evaluated with the saved histogram of a comparison section compared to the learned representation. In step 230, the obtained Comparison result output. If the gray value diagram of the representation to be evaluated and the gray value histogram of the comparison section the learned representation should not be less than an adjustable similarity, the comparison result is positive, otherwise negative.
Sollte hingegen in Schritt 226 gefunden werden, daß die gelernte Darstellung eine Binärdarstellung ist, so wird in Schritt 232 diese Binärdarstellung einer Kantenextrahierung sowie einer Binärisierung unterzogen. Dabei wird der Kantendivisor und die Binärisierungsschwelle verwendet, bei welchen in der zu lernen den Darstellung die Inhalte der Suchausschnitte abgespeichert wurden.On the other hand, should be found in step 226 be that the learned representation a binary representation in step 232, this binary representation of an edge extraction and subjected to binaryization. The edge divisor and the binaryization threshold are used, in which to learn the representation of the contents of the search sections have been saved.
Daraufhin wird ein Schritt 234 nach demjenigen Muster innerhalb der auszuwertenden Darstellung gesucht, welches die größte Übereinstimmung mit der durch die drei gelernten Suchausschnitte definierten Suchstruktur aufweist. Die Koordinaten dieses Musters werden abgespeichert.Thereupon, a step 234 is searched for the pattern within the representation to be evaluated which corresponds most closely to the search sections de learned by the three defined search structure. The coordinates of this pattern are saved.
Anschließend wird in Schritt 236 ein Vergleichsausschnitt innerhalb der auszuwertenden Darstellung derart festgelegt, daß die Position dieses Vergleichsausschnittes der auszuwertenden Darstellung relativ zu dem aufgefunden Muster mit der Position des Vergleichsfensters der zu erlernenden Darstellung relativ zu den erlernten Suchausschnitten übereinstimmt. Beide Vergleichsausschnitte weisen dieselbe Größe auf.Then, in step 236 Comparison section within the representation to be evaluated in this way determined that the Position of this comparison section of the representation to be evaluated relative to the pattern found with the position of the comparison window the representation to be learned corresponds to the learned search sections. Both comparison sections are the same size.
Daraufhin wird in Schritt 238 der Inhalt des Vergleichsausschnittes der auszuwertenden Darstellung mit dem abgespeicherten Inhalt des Vergleichsausschnittes der erlernten Darstellung verglichen.Then in step 238 the Contents of the comparison section of the representation to be evaluated with the saved content of the comparison section of the learned Representation compared.
Das Vergleichsergebnis wird in Schritt 230 ausgegeben. Dabei ist von einer Erkennung des Objektes innerhalb der auszuwertenden Darstellung auszugehen, wenn zwischen dem Vergleichsausschnitt der auszuwertenden Darstellung und dem korrespondierenden Vergleichsausschnitt der erlernten Darstellung lediglich Abweichungen im Hinblick auf eine vorgegebene Anzahl von Pixeln bestehen.The comparison result is in step 230 issued. It is within a recognition of the object the evaluation to be evaluated, if between the comparison section the representation to be evaluated and the corresponding comparison section the learned representation only deviations with regard to there are a predetermined number of pixels.
In den
In
Da die in
In
Im Anschluß an die Grauwert-Manipulation wird
die auszuwertende Darstellung mit Hilfe von Binominalkoeffizienten
geglättet.
Die geglättete
Darstellung
Anschließend wird die geglättete Darstellung einer
Kantenextrahierung unterzogen. Unter Zuhilfenahme eines modifizierten
Kantenoperators nach Prewitt entsteht aus der in
Als letzter Schritt der Aufbereitung
der von der Digitalkamera erstellten Aufnahme wird unter Zuhilfenahme
einer geeigneten Binärisierungsschwelle aus
der in
Die zu erlernende Darstellung
Wie in
In
Sowohl die Anfangskoordinaten der
drei Suchausschnitte
In den
Die von einer Digitalkamera aufgenommene und
im Hinblick auf die Anwesenheit des Objektes zu untersuchende Darstellung
Die auszuwertende Darstellung
Nach dem Laden des Vergleichsausschnittes
Das zu erkennende Objekt kann in
der auszuwertenden Darstellung
In
Das vorstehend beschriebene Verfahren eignet sich insbesondere zur Erkennung von Objekten, welche beispielsweise kontinuierlich an einer Aufnahmevorrichtung zur Erstellung einer Aufnahme der Objekte vorbeibewegt werden. Die zu erkennenden Objekte führen in diesem Fall eine Relativbewegung zur Aufnahmevorrichtung aus. Vorzugsweise wird das erfindungsgemäße Verfahren zur Erkennung von Druckbögen, welche im Bereich einer Sammel- oder Zusammentraglinie angeordnet sind, eingesetzt.The procedure described above is particularly suitable for the detection of objects, for example continuously on a cradle to create a Recording of the objects being moved past. The objects to be recognized to lead in this case a relative movement to the receiving device. The method according to the invention is preferably used for detection of printed sheets, which are arranged in the area of a collection or collation line are used.
Claims (15)
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10066189A DE10066189B4 (en) | 2000-05-18 | 2000-05-18 | Detecting stationary or moving objects such as images or texts by selecting search section within search window |
DE10024559A DE10024559B4 (en) | 2000-05-18 | 2000-05-18 | Object recognition method |
US09/859,895 US7787017B2 (en) | 2000-05-18 | 2001-05-16 | Digital camera and method for identification of objects |
DE50110658T DE50110658D1 (en) | 2000-05-18 | 2001-05-17 | Method of detecting objects and digital camera therefor |
EP01112151A EP1156445B9 (en) | 2000-05-18 | 2001-05-17 | Object recognition method and digital camera using that method |
DE20121522U DE20121522U1 (en) | 2000-05-18 | 2001-05-17 | Digital camera has extra green light illumination of the image recording area to improve color shade recognition for use in quality control in printing and other industrial processes |
AT01112151T ATE336049T1 (en) | 2000-05-18 | 2001-05-17 | METHOD FOR DETECTING OBJECTS AND DIGITAL CAMERA THEREFOR |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10066189A DE10066189B4 (en) | 2000-05-18 | 2000-05-18 | Detecting stationary or moving objects such as images or texts by selecting search section within search window |
DE10024559A DE10024559B4 (en) | 2000-05-18 | 2000-05-18 | Object recognition method |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10024559A1 DE10024559A1 (en) | 2001-11-22 |
DE10024559B4 true DE10024559B4 (en) | 2004-03-11 |
Family
ID=31716552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10024559A Expired - Fee Related DE10024559B4 (en) | 2000-05-18 | 2000-05-18 | Object recognition method |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10024559B4 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10358738B3 (en) * | 2003-12-11 | 2005-06-02 | Smiths Heimann Biometrics Gmbh | Method and arrangement for electronically recording unrolled fingerprints |
DE102007050568A1 (en) * | 2007-08-04 | 2009-02-05 | Continental Teves Ag & Co. Ohg | Method and device for object recognition in an image |
DE102011115354B4 (en) * | 2011-10-07 | 2017-01-05 | Telejet Kommunikations Gmbh | Navigation based on random patterns |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0628837A1 (en) * | 1993-06-11 | 1994-12-14 | AEROSPATIALE Société Nationale Industrielle | Method and device for determining the location of a target |
DE19636074C2 (en) * | 1996-09-05 | 1999-08-12 | Siemens Ag | Learning-capable image processing system for classification |
-
2000
- 2000-05-18 DE DE10024559A patent/DE10024559B4/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0628837A1 (en) * | 1993-06-11 | 1994-12-14 | AEROSPATIALE Société Nationale Industrielle | Method and device for determining the location of a target |
DE19636074C2 (en) * | 1996-09-05 | 1999-08-12 | Siemens Ag | Learning-capable image processing system for classification |
Also Published As
Publication number | Publication date |
---|---|
DE10024559A1 (en) | 2001-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE19521346C2 (en) | Image examination / recognition method, method used therein for generating reference data and devices therefor | |
DE2831582C2 (en) | Method for identifying a person and device for carrying out the method | |
DE102007035884B4 (en) | Line noise suppression device, method and program | |
DE69822608T2 (en) | Binarization method in a character recognition system | |
EP2787485B1 (en) | Method and device for automatic detection of defects in flexible bodies | |
DE102010007730B4 (en) | Method and device for setting a suitable evaluation parameter for a fluorescence microscope | |
WO2006133974A1 (en) | Method and device for recognising a coin by using the embossed pattern thereof | |
DE102005025220B4 (en) | Apparatus, method and program for removing pores | |
DE102020120887B4 (en) | METHOD OF DETECTING A HANGING POSITION OF A SUPPORT BAR AND FLAT BED MACHINE TOOL | |
DE10024559B4 (en) | Object recognition method | |
DE10066189B4 (en) | Detecting stationary or moving objects such as images or texts by selecting search section within search window | |
EP1329856A2 (en) | Method of detecting surface relief on coins in coin actuated machines | |
DE4434505C2 (en) | Image processing system and method | |
WO1998031136A1 (en) | Method for determining the geometrical data of scanned documents | |
EP1156445B1 (en) | Object recognition method and digital camera using that method | |
EP1139285B1 (en) | Method and apparatus for testing or inspection of articles | |
DE2217281A1 (en) | Density measurement through image analysis. > | |
DE19717814B4 (en) | Method for segmenting characters and symbols on license plates and formatted data carriers and for segmentation of patterns in complex scenes | |
DE19810162C2 (en) | Process for image analysis according to stochastic properties | |
AT511399B1 (en) | METHOD FOR THE AUTOMATED CLASSIFICATION OF INCLUSIONS | |
AT507266B1 (en) | METHOD FOR AUTOMATICALLY DETECTING A DEFECT IN AN ELECTRONIC REPRESENTATION | |
DE10326031A1 (en) | Method for adaptive edge detection | |
DE10301634B4 (en) | Local-adaptive object recognition for digital image material | |
DE102021117716A1 (en) | Method, computer-readable storage medium, apparatus and system for selecting a photograph | |
EP4277259A1 (en) | Image capture and brightness adjustment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: OPTIGRAF AG VADUZ, LUGANO PARADISO, CH |
|
8181 | Inventor (new situation) |
Free format text: KRABB, HELMUT, 5760 SAALFELDEN, AT |
|
8172 | Supplementary division/partition in: |
Ref document number: 10066189 Country of ref document: DE Kind code of ref document: P |
|
Q171 | Divided out to: |
Ref document number: 10066189 Country of ref document: DE Kind code of ref document: P |
|
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: OPTIGRAF SAGL, MENDRISIO, CH |
|
8328 | Change in the person/name/address of the agent |
Representative=s name: WEBER & HEIM PATENTANWAELTE, 81479 MUENCHEN |
|
8327 | Change in the person/name/address of the patent owner |
Owner name: PEPPERL + FUCHS GMBH, 68307 MANNHEIM, DE |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |