Opetetun objektin tunnistus tietokonenäöllä käyttäen Haar-koulutusta

Abstract

Tämän opinnäytetyön tavoitteena on parantaa omaa osaamistani tietokonenäköä käyttävissä sovelluksissa ja selvittää, miten tehokkaasti ja tarkasti ohjelmalle koulutetun objektin tunnistusta voidaan käyttää käytännön sovelluksissa. Työssä tehtiin viisi testikoulutusta kahdella eri kategorialla: yhdessä kaskaadille opetetaan Haar-koulutuksella ksinkertaisia 2d-kuvioita, jotka pitäisi voida kameralta tunnistaa, ja toisessa Haar-koulutuksella on ohjelmalle opetettu monimutkaisempi 3d-objekti, joka pitää tunnistaa erilaisissa tilanteissa. Käytän työssä OpenCV-kirjastoa, joka on ohjelmoitu C- ja C++-ohjelmointikielillä, mutta jolla on rajapintoja muihinkin ohjelmointikieliin. Pyrin käymään nopeasti läpi, miten tätä kirjastoa käytetään ja mitä sen osia Haar-koulutus käyttää, mutten syvällisemmin sen toimintaan paneudu. Työn alussa käyn läpi, miten tietokonenäkö käytännössä toimii ja mitä tekniikoita siihen liittyy, jotta myöhemmät osuudet olisivat helpommin ymmärrettävissä. Työn lopputuloksena syntyi koulutuskaskaadi, joka pystyy tunnistamaan opetettuja objekteja useimmista tilanteista, kunhan kamera on samaa laatua kuin koulutuksessa käytetty.

The aim of this Bachelor's thesis is to improve my own skills in applications that utilize computer vision, and find out how effectively and accurately taught object identification can be used in practical applications. Five example trainings were done during the thesis, in two different categories: In one I taught simple 2d-shapes via Haar-training that the program should identify from a videofeed, and the other was taught more complex 3d-objects via Haar-training that the program should identify in all situations. I will be using the OpenCV-library in the thesis, that has been programmed using C- and C++ programming languages, but with additional interfaces for other languages. I will attempt to quickly go through how this library is used, and what parts of it Haar-training utilizes, but I will not go in-depth into it. In the beginning of the thesis I will go through how computer vision works in practice, and what techniques it involves to enable the subsequent parts of the thesis to be easier to understand. The final result is a training cascade that is able to recognize taught objects from most situations, as long as the camera quality is the same that was used for the training.