Maya Labs

Neste post vamos mostrar os avanços que fizemos com o reconhecimento visual no iPhone.

No primeiro video será mostrado o reconhecimento de produtos (no caso uma copia de um quadro de Romero Britto e uma caixa de Cremogema).

Para aqueles que têm curiosidade sobre o assunto, segue uma explicação básica sem envolver a matemática no post.

Qual é o principio?

Neste caso foi utilizado um Histograma (http://en.wikipedia.org/wiki/Histogram), que serve para representar várias coisas, que em nosso caso, é utilizado para representar a distribuição de cores de um pattern a ser encontrado. Ele é quem coleta os dados em set predefinidos.  Eles podem ser usados para calcular magnitude de gradientes, direções, cores ou qualquer outra característica. O resultado final é uma figura estatística de uma representação de dados. Basicamente eles são uma maneira prática de representar o que quer que seja interessante que você aprendeu de uma imagem.

Digamos que estamos pegando a “soma” das cores e esse somatório é usado para fazer uma comparação com uma base e caso ele encontre um valor coerente, ele “reconhece” o objeto. Esse método ajuda no caso dos iPhones 3G que não possuem o ajuste de foco do 3GS e a somatória das cores é mais interessante, por que os valores serão próximos. A depender de como se comparem os histogramas ele também diminui o erro pela distância. Caso a imagem que está sendo capturada esteja ao dobro da distância da que foi usada para gerar a base, o resultado do histograma, ainda assim será proporcional ao histograma original nas distancias (tipo 50% do original).

Usar histogramas é bom para solucionar pequenos problemas de ruído e falta de foco, mas ele é muito sensível a variações de luz (no caso de ambientes externos, de dia, de noite, tempo chuvoso, etc…), que podem representar um somatório de cores totalmente diferente. Em processamento de imagens, cada caso é um caso diferente e temos de pensar na melhor maneira de atender o cliente sem que o resultado fique lento demais. É necessário analisar se o ambiente será controlado ou não.

Já o segundo vídeo usa outra técnica totalmente diferente, foi a mesma que usamos para o teste de detectar rostos (que todo mundo que já usou OpenCV, conhece o Haar Training), entretanto era necessário criar um novo training para esses 3 exemplos. Isso significa criar um set de imagens positivas (o que você quer reconhecer) e um set de imagens negativas (aquilo que você não quer reconhecer) e gerar um novo training que será usado como base para o reconhecimento. No caso o ambiente do reconhecimento é mais “controlado” não sendo necessário gerar milhares de imagens positivas e negativas. No nosso exemplo foram apenas algumas dezenas e já estava funcionando. A vantagem de se usar esse método (entenda melhor aqui: http://en.wikipedia.org/wiki/Viola-Jones_object_detection_framework) é que ele é mais leve para ser calculado.

Existem várias maneiras de se fazer o reconhecimento e ainda estaremos testando outras maneiras.

Posts relacionados:

1. Reconhecimento Facial
2. Tela azul no iPhone
3. Você é blogueiro?
4. Próximo iPhone, o 4G(quarta geração), terá poucas novidades sobre o 3GS
5. A força do C# no iPhone