In dit tweejarig tetra-onderzoeksproject bestuderen we state-of-the-art objectcategorisatie algoritmes uit de academische beeldverwerkingsresearch. We passen deze toe en voeren een optimalisatie uit om praktische en realistische industriële problemen op te lossen.


Figuur 1 : Object herkenning

Het herkennen van objecten (zie figuur 1) in beelden wordt reeds geruime tijd veel toegepast in de industrie, voor zover het uitzicht van het te herkennen object goed op voorhand gekend is. Voorbeelden (zie figuur 2) hiervan zijn:

  1. Het lezen van gedrukte teksten (OCR).
  2. Het detecteren en nameten van auto-onderdelen.


Figuur 2 : OCR & auto detectie van onderdelen

In dit project gaan we echter een stap verder. Indien de te herkennen objecten veel van uitzicht kunnen variëren, dan zijn er objectcategorisatie-technieken nodig. Deze technieken kunnen klasse specifieke objecten vinden in een beeld. Binnen de voorwerpsklasse kan het uitzicht van de objecten onderling sterk verschillen. Enkele voorbeelden van zo’n heterogene voorwerpsklasses zijn voetgangers en auto’s (zie figuur 3).


Figuur 3 : Objectcategorisatie van voetgangers en auto’s

In het onderzoeksdomein van de computervisie is tijdens het laatste decennium de focus op specifieke objectherkenning verschoven naar het herkennen van voorwerpscategorieën. Hierbij wordt gezocht naar een veralgemening over de verschillende uitzichten van voorwerpen binnen de klasse door typische kenmerken te extraheren.