| dbo:abstract
|
- Bár általános definíció nem ismeretes, a gépi látás egy olyan általános gyűjtőfogalom eljárásokra és rendszerekre, amelyekkel (mozgó)kép alapú adatgyűjtés és –kiértékelés után vagy annak hatására valamilyen vezérlési, szabályozási vagy gépi értelmezési mechanizmus indul be. Magát az adatkinyerés eszközeit általában (gépi) (Image Processing) nevezzük, a kiértékelést (gépi) (Image Analysis), a vezérlési és szabályozási feladatok esetében jellemzően az angol nyelvben Machine Vision (MV) problémákról beszélünk, míg az értelmezési feladatok esetében Computer Vision (CV) problémákról. Magyar nyelvben az MV és CV problémateret fogalmilag nem különböztetjük érdemben, a szaknyelvben a gépi látásnak nevezzük mindkettőt hasonlóan a mai angol nyelvű gyakorlathoz, ahol az MV és a CV nem válik el élesen egymástól, egyre inkább szinonimaként is használják. Az MV terület eredetileg az emberi tényezőt meghaladó képességek géppel (= inkább hardverorientált módon) való kiváltására, míg a CV az emberi látáshoz köthető feladatok automatizálására, modellezésére (= inkább szoftverorientált módon) jött létre. A két irány történelmileg bár különálló volt a hardverek és a szoftverek történelmileg eltérő jelfeldolgozási sebességének alakulása miatt – a mai technológiai szinten már értelmetlen a megkülönböztetés, egyik sem létezik a másik nélkül. Jellemző, de nem kizárólag gépi látáshoz kapcsolódó feladatok:
* Inkább Machine Vision problémakör
* kiértékelés (minőség-ellenőrzés, hegesztési varat minősítés, résméretek, gyógyszerminőség-ellenőrzése)
* méretezés (tárgy modellezése, kalibráció, 3D rekonstrukció)
* pozícionálás (futószalag vezérlése, forgatás, robotika)
* jelenség felismerése (képi diagnosztika, betegség-felismerés, hőhidak felismerése, anyaghibák felderítése)
* képi kódolás (vonalkód, QR-kód, pozíciókódolás)
* Inkább Computer Vision problémakör
* térérzékelés és térlátás (pozícionálás, mélység meghatározás, előtér-háttér szétválasztás, ortofotó automatikus előállítása, kép alapú vonalbíró rendszer)
* számlálás (kép alapú forgalomszámlálás, belépésszámlálás, mozgás alapú hőtérkép készítése)
* objektumfelismerés (táblafelismerés, gyalogosfelismerés, ellenségfelismerés, távérzékelés)
* minta- és jelenségelemzés (csillagászati képelemzés, agyműködés elemzése elektromikroszkóppal, elhagyott tárgyak felismerése, önvezető autók közlekedési helyzetelemzése)
* azonosítás (kép alapú biometrikus azonosítás, szám- és rendszámfelismerés)
* nyomkövetés (sportoló által megtett út, lövéserő, elkövetői útvonal felderítése, forgalommodellezés)
* mechanikai elemzés (testbeszéd alapú hazugságvizsgálat, képi hangulatelemzés, sportolói mozgáselemzés, tengelyterhelés becslése) (hu)
- Bár általános definíció nem ismeretes, a gépi látás egy olyan általános gyűjtőfogalom eljárásokra és rendszerekre, amelyekkel (mozgó)kép alapú adatgyűjtés és –kiértékelés után vagy annak hatására valamilyen vezérlési, szabályozási vagy gépi értelmezési mechanizmus indul be. Magát az adatkinyerés eszközeit általában (gépi) (Image Processing) nevezzük, a kiértékelést (gépi) (Image Analysis), a vezérlési és szabályozási feladatok esetében jellemzően az angol nyelvben Machine Vision (MV) problémákról beszélünk, míg az értelmezési feladatok esetében Computer Vision (CV) problémákról. Magyar nyelvben az MV és CV problémateret fogalmilag nem különböztetjük érdemben, a szaknyelvben a gépi látásnak nevezzük mindkettőt hasonlóan a mai angol nyelvű gyakorlathoz, ahol az MV és a CV nem válik el élesen egymástól, egyre inkább szinonimaként is használják. Az MV terület eredetileg az emberi tényezőt meghaladó képességek géppel (= inkább hardverorientált módon) való kiváltására, míg a CV az emberi látáshoz köthető feladatok automatizálására, modellezésére (= inkább szoftverorientált módon) jött létre. A két irány történelmileg bár különálló volt a hardverek és a szoftverek történelmileg eltérő jelfeldolgozási sebességének alakulása miatt – a mai technológiai szinten már értelmetlen a megkülönböztetés, egyik sem létezik a másik nélkül. Jellemző, de nem kizárólag gépi látáshoz kapcsolódó feladatok:
* Inkább Machine Vision problémakör
* kiértékelés (minőség-ellenőrzés, hegesztési varat minősítés, résméretek, gyógyszerminőség-ellenőrzése)
* méretezés (tárgy modellezése, kalibráció, 3D rekonstrukció)
* pozícionálás (futószalag vezérlése, forgatás, robotika)
* jelenség felismerése (képi diagnosztika, betegség-felismerés, hőhidak felismerése, anyaghibák felderítése)
* képi kódolás (vonalkód, QR-kód, pozíciókódolás)
* Inkább Computer Vision problémakör
* térérzékelés és térlátás (pozícionálás, mélység meghatározás, előtér-háttér szétválasztás, ortofotó automatikus előállítása, kép alapú vonalbíró rendszer)
* számlálás (kép alapú forgalomszámlálás, belépésszámlálás, mozgás alapú hőtérkép készítése)
* objektumfelismerés (táblafelismerés, gyalogosfelismerés, ellenségfelismerés, távérzékelés)
* minta- és jelenségelemzés (csillagászati képelemzés, agyműködés elemzése elektromikroszkóppal, elhagyott tárgyak felismerése, önvezető autók közlekedési helyzetelemzése)
* azonosítás (kép alapú biometrikus azonosítás, szám- és rendszámfelismerés)
* nyomkövetés (sportoló által megtett út, lövéserő, elkövetői útvonal felderítése, forgalommodellezés)
* mechanikai elemzés (testbeszéd alapú hazugságvizsgálat, képi hangulatelemzés, sportolói mozgáselemzés, tengelyterhelés becslése) (hu)
|
