Koiran tunnistaminen digitaalisesta kuvasta: Hahmontunnistussovellus KOIRAKO

Abstract

Tämän insinöörityön tavoitteena oli määritellä, suunnitella ja toteuttaa hahmontunnistus-sovellus KOIRAKO, joka tunnistaa ja paikantaa koiran digitaalisesta kuvasta. Hahmontunnistusmenetelmää valittaessa haluttiin ensisijaisesti löytää toimiva sekä kohteen tunnistamiseen ja paikantamiseen kykenevä sovellus, joka soveltuu muunneltavaksi KOIRAKOn tarpeisiin. Lisäksi valintaa rajoittivat ohjelmointikieli, käyttöjärjestelmä ja kehitysympäristö.

Insinöörityöaiheen tutkiminen aloitettiin perehtymällä hahmontunnistuksen ja koneoppimisen käsitteisiin tavoitteena selvittää olemassa olevien menetelmien ja algoritmien käytettävyyttä KOIRAKOssa. Tutkimus jatkui selvittämällä luokitteluongelman vaiheita sekä syventymällä muun muassa opetusvaiheeseen sisältyvään piirteenirrotukseen, siihen liittyviin algoritmeihin sekä oppimisen mallintamiseen. Työhön liittyvän teorian opiskelun ohessa määriteltiin ja suunniteltiin KOIRAKO, joka sopivan menetelmän löydyttyä toteutettiin.

Koiraan tunnistamiseen ja paikantamiseen valittiin VOC-sovelluksen versio 3.1, jonka diskriminatiivinen opetusvaihe on toteutettu piilomuuttujia hyödyntävällä tukivektorikonealgoritmilla. Tunnistusvaiheessa käytetään yleistettyä etäisyysfunktiota ja dynaamista ohjelmointia. Koodikirjaa opetusvaiheessaan käyttävät menetelmät, kuten Implicit Shape Model ja Bag of Visual Words, olivat tutkimuksen kohteena ennen VOCiin päätymistä. Niistä ei kuitenkaan löytynyt KOIRAKOssa hyödynnettäväksi soveltuvaa toteutusta. Piirteenirrotuksen algoritmeja tutkittiin syvemmin: Toisena kokonaisuutena oli paikallisten avainpisteiden perusteella SIFT-algoritmilla muodostetut piirrekuvaajat, ja toisena VOCin tarkoitukseen muokattu HOG-algoritmilla muodostettu globaali VOC-piirrekuvaaja.

KOIRAKO toteutettiin MATLABissa toimivana työasemasovelluksena. Se ohjelmoitiin oliopohjaisesti MATLAB-kielellä ja sen graafinen käyttöliittymä rakennettiin Swing- ja AWT-kirjastojen komponenteista. VOC-sovellus sisältää koiran tunnistamiseen ja paikantamiseen liittyvät funktiot, joita KOIRAKO käyttää tunnistusprosessissa.

The purpose of this thesis was to design and implement a pattern recognition application called KOIRAKO, which recognizes and localizes a dog possibly present in a digital image. The main research problem was to find an adequate pattern recognition method for the KOIRAKO application. The main criterion for its selection was an existing functional implementation of the method, adaptable to the needs of KOIRAKO. The selection was also constrained by programming language, operating system and development environment.

The research was started by the basics of pattern recognition and machine learning. It proceeded with exploring the phases of the classification problem and studying existing algorithms for feature extraction. The implementation of the KOIRAKO began alongside the studying of the theories related to the research problem.

The discriminatively trained part-based VOC method and its implementation were selected as the basis for the KOIRAKO application. Comparison between other pattern recognition methods was made based on the training phase. Initially, the attention fell upon methods like Implicit Shape Model and Bag of Visual Words, which utilize codebook representation, but they were not usable for KOIRAKO. The VOC model uses XML annotations, which are used in the training phase instead of a codebook.

KOIRAKO was implemented in a MATLAB environment by using MATLAB language in an object-oriented way and the user interface was constructed from Java Swing components. The VOC implementation contains the functions related to object recognition and localization, which were used in the recognition process of KOIRAKO.