Wat is Blob Tracking?
Blob tracking is een methode waarmee computers bewegingen van objecten in afbeeldingen kunnen identificeren en volgen. Een blob is een groep pixels die de computer identificeert als een object. Een persoon kan bijvoorbeeld een klodder zijn. Met deze trackingmethode kan de computer de positie van de blob in opeenvolgende frames vinden. In feite ziet de computer de beweging van het object, een vaardigheid die toepassingen heeft in geautomatiseerde beeldanalyse en in de ontwikkeling van computer vision.
Voordat een computer blobs kan volgen, moet deze worden gedefinieerd. De eerste stap in blob-tracking is het maken van een programma dat blobs in een afbeelding detecteert. De computer vindt blobs door pixels met vergelijkbare lichtwaarden of kleurwaarden bij elkaar te groeperen. In de echte wereld heeft elk oppervlak subtiele variaties, dus als de computer slechts één licht- of kleurwaarde heeft geselecteerd, kan een blob slechts een paar pixels zijn, wat nutteloos is wanneer u probeert beelden te groeperen in nuttige componenten die complete eenheden vertegenwoordigen.
Het is de verantwoordelijkheid van de programmeur om een blobdetectiesysteem te maken dat het onderscheid tussen objecten die het menselijk oog kan zien, nabootst. Ze doet dit door een tolerantiedrempel in het programma te schrijven, die de computer het maximale verschil vertelt tussen waarden die in een blob kunnen voorkomen. Programmeurs testen en verfijnen blob-detectieprogramma's totdat ze delen van afbeeldingen correct kunnen identificeren.
Vervolgens moet de programmeur een manier creëren waarop de computer de bewegingen van de blobs kan volgen. Dit is moeilijk omdat de computer het volgende frame niet eenvoudig naar dezelfde klodder kan scannen: de vorm en waarden van een klodder kunnen tijdens het verplaatsen veranderen. Een persoon die gaat zitten, kan bijvoorbeeld opstaan. De computer moet de blobs in de nieuwe afbeelding detecteren en betekenisvolle verbindingen maken tussen de schijnbaar verschillende blobs in elk frame. Programmeurs maken vergelijkingen die het relatieve belang van factoren definiëren, waaronder locatie, grootte en kleur, en de resultaten helpen het om te beslissen of de klodder in het nieuwe frame vergelijkbaar genoeg is met de vorige klodder om hetzelfde label te ontvangen.
Blob tracking is een krachtig hulpmiddel, vooral in combinatie met andere methoden voor het analyseren van afbeeldingen. Computers identificeren bijvoorbeeld gebieden met een hoog contrast tussen de ene pixel en de volgende om randen te detecteren. Sommige programma's gebruiken nokdetectiemethoden om de contour van een oppervlak te bepalen.
Met deze mogelijkheden kunnen computers geavanceerde beeldanalyse uitvoeren. Een geautomatiseerd systeem kan meer afbeeldingen scannen dan menselijke beoordelaars mogelijk kunnen bekijken. Met behulp van de toolkit, inclusief blob-tracking, kan het interessante afbeeldingen identificeren die gedetailleerder moeten worden bekeken en die secties doorsturen naar een mens.
Een andere toepassing van blob tracking is in computer vision en robotica. Naarmate technieken zoals deze verfijnder worden, kunnen robots betekenis aan beelden ontlenen op een manier die de beeldverwerking in het menselijk brein benadert. Computers kunnen informatie opnemen zonder deze handmatig in te voeren, waardoor ze meer informatie krijgen dan ooit tevoren. Robots konden de wereld om hen heen zien.