Lokalizacja punktów pomiarowych w systemie do trójwymiarowego pozycjonowania ciała wybranymi metodami sztucznej inteligencji

• Autorzy: Czechowicz A. , Tokarczyk R.

Warianty tytułu

EN

Detection of measurement points in a 3D body positioning system by means of artificial intelligence

• Języki publikacji: PL

Abstrakty

PL

Fotogrametryczny system cyfrowy do pomiaru ciała ludzkiego dla celów badania wad postawy służy do wyznaczania przestrzennego położenia wybranych jego punktów. Wymaga on pomierzenia na zdjęciach cyfrowych trzech grup punktów, zwanych w tytule referatu punktami pomiarowymi: fotopunktów, markerów sygnalizowanych na pacjencie oraz źrenic oczu. Fotopunkty to czarno-białe sygnały pozwalające na orientację w przestrzeni modelu utworzonego ze zdjęć. Markery to styropianowe kulki o średnicy 4÷5 mm sygnalizujące wybrane elementy kośćca umieszczone na powierzchni ciała. Artykuł dotyczy wykorzystania sieci neuronowych do lokalizacji fotopunktów i styropianowych markerów. Zadaniem sieci jest klasyfikacja kolejnych fragmentów obrazu na zawierające obraz fotopunktu, markera lub niezawierające obrazu żadnego z nich. W ramach badań sprawdzono możliwość przeprowadzenia zdefiniowanej powyżej klasyfikacji sieciami o architekturze wielowarstwowego perceptronu (ang. Multi Layer Perceptron –MLP) ze wsteczną propagacją błędu oraz sieciami z radialnymi funkcjami bazowymi RBF (ang. Radial Basis Function Networks). Zweryfikowano przydatność reprezentacji opartej na informacji o rozkładzie wartości gradientu oraz jego kierunku dla celów wykrycia punktów pomiarowych. Wspomniana reprezentacja wywodzi się z badań nad selekcją podobrazów dla potrzeb dopasowania zdjęć lotniczych.

EN

A digital photogrammetric system for making measurements of the human body for the purpose of studying faulty posture is designed to determine the three-dimensional location of selected points in the human body. It requires the measurement of three groups of points on digital images, points referred to in this paper’s title as measurement points, i.e. control points, markers indicated on the patient’s body and pupils of the eyes. Control points are black and white signals permitting the correct orientation in space of a model created from the images. The markers are balls of polystyrene foam of 4-5 mm diameter, placed on the body, which indicate selected elements of the human skeleton. This paper describes the utilisation of neural networks to locate control points and markers. The aim of the networks is to classify consecutive fragments of an image as containing control points, containing markers or not containing any of these features. The research covered evaluation of the possibility of conducting this classification using Multi Layer Perceptron Networks with back propagation of errors as well as with Radial Basis Function Networks. The usefulness of a representation based on information about the distribution of gradient value and direction for the purpose of the detection of measurement points has been verified. This representation comes from earlier research on the selection of subimages for the purpose of matching the aerial pictures.

Słowa kluczowe

PL

fotogrametria; pozycjonowanie ciała; sieci neuronowe; perceptron wielowarstwowy; wsteczna propagacja błędów; sieci z radialnymi funkcjami bazowymi

EN

photogrammetry; body positioning; neural networks; multi-layer perceptron; error back-propagation; radial basis function networks

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2009
• Tom: Vol. 20
• Strony: 67--79
• Opis fizyczny: Bibliogr. 4 poz.

Twórcy

autor

Czechowicz A.

• Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, Akademia Górniczo-Hutnicza

autor

Tokarczyk R.

• Katedra Geoinformacji, Fotogrametrii i Teledetekcji Środowiska, Akademia Górniczo-Hutnicza

Bibliografia

• 1.Czechowicz A., Mikrut Z., 2007a. Wykorzystanie sieci Kohonena do selekcji podobrazów na potrzeby dopasowania zdjęć lotniczych. Automatyka: półrocznik Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie, Kraków.
• 2.Czechowicz A., Mikrut Z., 2007b. Selekcja podobrazów dla potrzeb dopasowywania zdjęć lotniczych oparta na histogramach gradientu i sieci neuronowej. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol.17a, Kraków.
• 3.Parker J.R., 1996. Algorithms for Image Processing and Computer Vision, Wiley.
• 4.Tokarczyk R., Huppert M., Koprowski R., Mazur T., Mierzwa W., Mikrut S., Wróbel Z., 2007. Automatyzacja pomiaru na obrazach cyfrowych w systemie fotogrametrycznym do badania wad postawy. Praca zbiorowa pod redakcją Reginy Tokarczyk, Uczelniane Wydawnictwa Naukowo-Techniczne AGH, Kraków.