نقطة رئيسية

تعتبر النقطة الرئيسية مفهومًا شائعًا جدًا في مجال الرؤية الحاسوبية. النقاط الرئيسية هي نقاط فريدة أو بارزة في صورة أو مقطع فيديو يمكن استخدامها لتحديد أو وصف أو مطابقة الكائنات أو الميزات في مشهد ما. يتم اختيار النقاط الرئيسية على أساس استقرارها وتفردها وإمكانية تكرارها، وغالبًا ما تُستخدم كأساس لمهام مثل اكتشاف الكائنات وتتبعها والتعرف عليها ومطابقتها. عادةً، يتم اكتشاف هذه النقاط تلقائيًا بواسطة الخوارزميات ثم استخدامها لوصف الكائنات في الصورة.

على سبيل المثال، قد يتمكن نظام التعرف على الوجه من اكتشاف نقاط رئيسية في الوجه، مثل العينين والأنف والفم، لتحديد موضع الوجه ووضعيته وتعبيراته. ومن الأمثلة الأخرى نظام SLAM (التحديد الموقعي والرسم الخرائطي المتزامن)، والذي يستخدم نقاطًا رئيسية لتتبع موضع واتجاه الكاميرا في الفضاء ثلاثي الأبعاد.

استخدام النقاط الرئيسية في الرؤية الحاسوبية

تُستخدم النقاط الرئيسية في الرؤية الحاسوبية لمهام مثل اكتشاف الكائنات وتتبعها ومحاذاة الصور. اكتشف النقاط الرئيسية باستخدام خوارزميات مثل SIFT أو SURF أو ORB، والتي تحدد الميزات المستقرة والقابلة للتكرار في الصورة. بمجرد اكتشافها، يمكن مطابقة النقاط الرئيسية بين الصور لإنشاء المراسلات، مما يتيح مهام مثل تسجيل الصور أو إعادة البناء ثلاثية الأبعاد. يمكن أيضًا استخدام النقاط الرئيسية كنقطة مرجعية لتتبع الكائنات أو تقدير الوضع والحركة. من خلال التركيز على هذه النقاط البارزة، توفر النقاط الرئيسية طريقة قوية وفعالة لاستخراج المعلومات ذات الصلة وتحليلها من الصور في تطبيقات الرؤية الحاسوبية المختلفة.

كيفية اكتشاف النقاط الرئيسية في الصورة؟

في مجال الرؤية الحاسوبية، غالبًا ما يتم استخراج النقاط الرئيسية تلقائيًا بواسطة خوارزميات اكتشاف الميزات. تحدد هذه الخوارزميات عادةً النقاط الرئيسية بناءً على ميزات الصورة مثل التدرج الرمادي واللون والحافة والملمس وما إلى ذلك. في تطبيقات معالجة الصور والرؤية الحاسوبية، تُعد النقاط الرئيسية مهمة جدًا لأنها توفر معلومات مفيدة حول موقع وموضع الكائنات في الصورة ويمكن استخدامها لمهام مثل تتبع الكائنات وتسجيل الصور والتعرف على الكائنات.

تقوم خوارزميات اكتشاف النقاط الرئيسية عادةً بتحليل الصور بمقاييس واتجاهات مختلفة لتحديد الميزات الفريدة. النهج الشائع هو استخدام المرشحات أو المشغلات، مثل لابلاسيان أو غاوسي (LoG) أو فرق غاوسي (DoG)، لتحديد المناطق ذات الاختلافات الكبيرة في الكثافة. تُسمى هذه المناطق عادةً بالبقع أو الزوايا أو الحواف وهي نقاط رئيسية محتملة. يتضمن نهج آخر تحليل تدرجات الصورة، حيث يتم اكتشاف النقاط الرئيسية في المواقع ذات مقدار التدرج الكبير وتغييرات الاتجاه. يعد كاشف زاوية هاريس مثالاً على طريقة تحدد النقاط الرئيسية استنادًا إلى التغيرات المحلية في الكثافة ومعلومات التدرج. تم تصميم هذه الخوارزميات لتحديد النقاط الرئيسية المستقرة والقابلة للتكرار والتي يمكن استخدامها لمزيد من التحليل والمطابقة عبر الصور.

كيف يتم استخدام النقاط الرئيسية في مطابقة الميزات؟

يتم استخدام النقاط الرئيسية لمطابقة الميزات عن طريق اكتشاف الميزات الفريدة في الصورة ووصفها. تقوم الخوارزمية بتحليل محتوى الصورة المحلية حول النقاط الرئيسية وتوليد أوصاف تلتقط الخصائص المرئية لهذه النقاط الرئيسية. في مطابقة الميزات، تتم مقارنة هذه الوصافات بين الصور لإنشاء المراسلات، مما يتيح مهام مثل تسجيل الصور، والتعرف على الكائنات، وتتبع الحركة. يمكن أن يؤدي مطابقة النقاط الرئيسية وموصوفاتها إلى تحديد الميزات المقابلة في الصورة، وتوفير أساس لمحاذاة أو ربط المناطق المتشابهة، وتمكين مجموعة متنوعة من تطبيقات الرؤية الحاسوبية التي تعتمد على مقارنة المعلومات المرئية ومحاذاةها.

مراجع

【1】https://encord.com/glossary/keypoints-definition/

【2】https://juejin.cn/s/keypoint