1933501982

jest dużo bardziej skomplikowana. Ciągłość krawędzi nie zawsze była zachowywana, powodując niemożność określenia konkretnego kształtu. Detektory krawędzi są najskuteczniejsze dla obrazów o dużym kontraście[9], a więc różnicy między najjaśniejszym pikselem obrazu a jego najciemniejszym elementem. Technika ta okazała się odporna na zmiany natężenia światła.

Segmentacja na podstawie jasności ogranicza ważną cechę śledzonego obiektu, a mianowicie jego kolor. Technika ta jest mało odporna na zmiany natężenia światła. Do przeprowadzenia dokładnej segmentacji na podstawie tej cechy niezbędny byłby również histogram co wiązało się z dodatkowym obciążeniem obliczeniowym.

Segmentacja na podstawie ruchu, okazała się mało skuteczna, z kilku powodów. Po pierwsze była ona przeprowadzana na zasadzie dyferencjału obrazu, a więc obliczenia jego różniczki, co powodowało opóźnienie o co najmniej jedną klatkę całego obrazu, co z kolei wpływało na opóźnienie detekcji i śledzenia obiektu. Jako ruch traktowane były wszelkiego rodzaju fluktuacje związane z odbijaniem się światła od powierzchni obiektów obecnych w kadrze kamery internetowej, co jednak można ograniczyć poprzez zastosowanie odpowiedniego filtra. Trzecim problemem okazała się obecność osoby kontrolującej ruch obiektu, co powodowało zwiększenie ilości danych po segmentacji.

Segmentacja na podstawie koloru okazała się bardzo skuteczną techniką. Przedstawione zostanie dokładniejsze przeanalizowanie tego problemu.

Segmentacja oparta na kolorze może zostać uznana za rozszerzenie metody progo-wania. Określając pewne zakresy, przedziały w wybranych składowych modeli barw i porównując dany piksel z tymi zakresami ustalana jest przynależność takiego piksela do obszaru. Segmentacja taka jest często skutecznie wykorzystywana do wykrywania twarzy, ponieważ kolor ludzkiej skóry jest łatwy do określenia w różnych przestrzeniach barw [5]. Przedziały progowania mogą się dynamicznie zmieniać, na przykład poprzez wykorzystanie histogramu lub mogą być z góry ustalone. Kolorowy histogram liczony na podstawie pikseli reprezentujących barwy w przestrzeni RGB polega na liczeniu pikseli o każdej wartości(każdym kolorze). Z reguły są to wartości od 0-255, a więc informacja na temat koloru zapisana jest na 8 bitach, dodatkowo histogram musi być liczony dla każdej składowej osobno. Analizując obraz o rozdzielczości 320x240 należy obliczyć wartości 76800 pikseli dla trzech różnych składowych. Otrzymujemy 230400 pikseli, które muszą być przydzielone do jednej z 256 wartości. Obliczenia muszą być przeprowadzone w odpowiednim czasie. Innymi problemami mogą być wielogarbność histogramu czy trudność wydzielenia wierzchołków[5][9][7]. W opisywanym projekcie zrezygnowano z dynamicznej techniki progowania przy użyciu histogramu ze względu na ograniczoną ilość zasobów obliczeniowych. Segmentacja przeprowadzona na podstawie koloru charakteryzuje się następującymi cechami:

• prosty sposób na wyodrębnienie interesujących użytkownika obszarów,

20