應用尺度不變特徵轉換演算法 實作之物件保全系統

Abstract

本研究嘗試以電腦視覺及影像處理技術，進行 物品遺失事件的數位視訊分析，並實作一套智慧型物件保 全系統。尺度不變特徵轉換(Scale Invariant Feature Transform，簡稱SIFT)演算法是目前常被用來解決物件 辨識問題的方法之一，然而為了達成系統即時反應的時間 需求，本研究捨棄一般SIFT 演算法以建立一組固定特徵 資料庫為比對基準的作法，提出以適時更新特徵值的方式 來適應物件的狀態變化，並稱此改良式SIFT 演算法為「自 適應尺度不變特徵轉換」(Self-Adaptive Scale Invariant Feature Transform，簡稱SA-SIFT)演算法。實例驗證結 果顯示，本研究所提出的SA-SIFT 演算法，確實能隨著 目標物件的狀態改變，自我調整描述目標物件的影像特徵 值，平均每張監控畫面的辨識時間大約僅需300 毫秒，且 成功辨識率可高達90%以上，此結果充分顯示本研究所 提出的SA-SIFT 演算法，確實能在物件保全系統中有效 提昇物件辨識的效能及效率。