Σχεδιασμός και κατασκευή ενός υβριδικού αμυντικού αυτοματοποιημένου ρομποτικού συστήματος
111
(α) χαρακτηριστικά περιθωρίου
(β) χαρακτηριστικά κέντρου
(γ) χαρακτηριστικά κύβου
Εικόνα 45: Εξαγωγή χαρακτηριστικών με το μετασχηματισμό Haar.
Ακολουθώντας τη λογική που παρουσιάζεται στην Εικόνα 45 εφαρμόζεται ο
μετασχηματισμός Haar σε όλες τις εικόνες. Για την εξαγωγή του κάθε χαρακτηριστικού,
εφαρμόζονται τα παραπάνω ορθογώνια σε κάθε εικόνα, με στόχο να υπολογιστεί το άθροισμα
των pixels κάτω από τα άσπρα και μαύρα τετράγωνα. Ο έλεγχος για τα χαρακτηριστικά
γίνεται τόσο σε θετικές όσο και σε αρνητικές εικόνες και έπειτα γίνεται ο διαχωρισμός σε
εικόνες που έχουν υψηλό δείκτη επιτυχίας (υπάρχει δηλαδή το χαρακτηριστικό που ζητάμε)
και σε εικόνες με χαμηλό δείκτη επιτυχίας. Τα παραπάνω στοιχεία βρίσκονται σε αρχείο με
κατάληξη .xml.
Λόγο της αδύναμης κατηγοριοποίησης καθώς όλα τα αποτελέσματα βασίζονται σε
ποσοστά, χρησιμοποιούνται και επιπλέον κατηγοριοποιητές, οι επονομαζόμενοι Cascade
Classifiers, ώστε τα αποτελέσματα να έχουν μεγαλύτερη επιτυχία. Κατά την εκτέλεση του
προγράμματος εισάγεται στους παραπάνω κατηγοριοποιητές το κατάλληλο αρχείο .xml με
στόχο την «εκπαίδευση» του προγράμματος σχετικά με το αντικείμενο που πρέπει να
ανιχνευθεί.
Με το πέρας της παραπάνω διαδικασίας και εφόσον έχει ολοκληρωθεί η δημιουργία του
«εκπαιδευτή», εφαρμόζεται η εκπαίδευση σε video ή εικόνες για την ανίχνευση του
χαρακτηριστικού που «γνωρίζει». Με τον τρόπο αυτό περνά η γνώση μέσα από απλές εικόνες
στον εγκέφαλο ενός συστήματος ανίχνευσης συγκεκριμένων αντικειμένων.