Ich entwickle ein Bildverarbeitungsprojekt und ich stoße auf das Wort Okklusion in vielen wissenschaftlichen Arbeiten, was bedeuten Okklusionen im Kontext der Bildverarbeitung? Das Wörterbuch gibt nur eine allgemeine Definition. Kann jemand sie mit einem Bild als Kontext beschreiben?Bildverarbeitung: Was sind Okklusionen?
Okklusion bedeutet, dass Sie etwas sehen möchten, aber nicht aufgrund einer Eigenschaft Ihres Sensor-Setups oder eines Ereignisses. Genau wie es sich manifestiert oder wie Sie mit dem Problem umgehen werden variieren aufgrund des Problems zur Hand.
Einige Beispiele:
Wenn Sie ein System zu entwickeln, die Spuren Objekte (Menschen, Autos, ...), dann tritt Okklusion, wenn ein Objekt, das Sie versteckt sind Tracking (verdeckt) durch ein anderes Objekt. Wie zwei Personen, die aneinander vorbeilaufen, oder ein Auto, das unter einer Brücke fährt. Das Problem in diesem Fall ist, was Sie tun, wenn ein Objekt verschwindet und wieder erscheint.
Wenn Sie eine Entfernungskamera verwenden, sind Okklusionen Bereiche, in denen Sie keine Informationen haben. Einige Laserentfernungskameras arbeiten, indem sie einen Laserstrahl auf die zu untersuchende Oberfläche übertragen und dann eine Kamera einrichten, die den Auftreffpunkt dieses Lasers im resultierenden Bild identifiziert. Das gibt die 3D-Koordinaten dieses Punktes an. Da die Kamera und der Laser nicht notwendigerweise ausgerichtet sind, kann es jedoch Punkte auf der untersuchten Oberfläche geben, die die Kamera sehen kann, aber der Laser kann nicht treffen (Okklusion). Das Problem hier ist mehr eine Frage der Sensoreinrichtung.
Das gleiche kann in Stereo Imaging auftreten, wenn es Teile der Szene gibt, die nur von einer der beiden Kameras gesehen werden. Aus diesen Punkten können offensichtlich keine Entfernungsdaten gesammelt werden.
Es gibt wahrscheinlich mehr Beispiele.
Wenn Sie Ihr Problem geben, dann können wir vielleicht definieren, welche Okklusion in diesem Fall ist, und welche Probleme es mit sich bringt
Occlusion ist eine unserer Ansicht, die Blöcke. In dem hier gezeigten Bild können wir leicht die Leute in der ersten Reihe sehen. Aber die zweite Reihe ist teilweise sichtbar und die dritte Reihe ist viel weniger sichtbar. Hier sagen wir, dass die zweite Reihe teilweise durch die erste Reihe verdeckt ist und die dritte Reihe durch die erste und die zweite Reihe verdeckt ist. Wir können solche Verdeckungen in Klassenzimmern (Studenten in Reihen), Verkehrsknoten (Fahrzeuge, die auf Signal warten), Wäldern (Bäume und Pflanzen) usw. sehen, wenn es viele Objekte gibt. 
Das Problem der Okklusion ist einer der Hauptgründe, warum Computer Vision im Allgemeinen schwierig ist. Insbesondere ist dies viel problematischer in Object Tracking. Siehe folgende Zahlen:
Hinweis, wie das Gesicht der Dame nicht vollständig sichtbar in Rahmen ist 0519 & 0835 wie in Rahmen 0005 auf das Gesicht gegenüber.
Und hier ist ein weiteres Bild, wo das Gesicht des Mannes ist teilweise in allen drei Bildern versteckt.
Hinweis im Bild unten, wie die Verfolgung des Paares in rot & grünen Begrenzungsrahmen ist verloren im mittleren Rahmen aufgrund Okklusion (dh teilweise von einer anderen Person versteckt vor sie) aber richtig im letzten Frame verfolgt, wenn sie (fast) vollständig sichtbar sind.
Foto mit freundlicher Genehmigung: Stanford, USC
Danke kigurai !!! Ich implementiere SIFT-Algorithmus für einen eingebetteten Prozessor. Ich verstehe jetzt, dass SIFT die Fähigkeit hat, sogar solche Objekte, die teilweise bedeckt sind (okkludiert), zu erkennen. – HaggarTheHorrible
Ich bin froh, geholfen zu haben. Viel Glück! –