1

SIP WS10: Erkennung von Spielkarten

T. zer, A. Granizo und H. Kacar

I. M OTIVATION Ein wichtiger Teil der Robotersteuerung ist sein Vision-System. Durch dieses System kann ein Roboter Formen und Gegestnde erkennen. Ziel des Projektes, ist eine Anwendung zu entwickeln, dass vorgegebene Spielkarten erkennt und zuordnen kann. Dies soll anhand von Zahlen und Zeichen auf den Spielkarten erfolgen. Die Erkennung soll mithilfe der zugrunde liegenden SIFT-Algorithmus von Lowe [1], [2] erfolgen. Zunchst soll ein vorgegebener Kartenset benutzt werden, da sonst je nach Kartenhersteller eine eigens kreierte Schriftart, Karikatur oder Kartenrcken erforderlich ist. Als zustzliche Herausforderung sollen Karten in einem Bild erkannt werden, die neben- oder aufeinander liegen. II. S TAND DER T ECHNIK

IV. A NWENDUNG ZUR K ARTENERKENNUNG Um die Kriterien, die in der Problemstellung gefordert sind zu erfllen, muss die Anwendung (Fig. 1) folgenden Aufbau haben: In der Initialen Bildverarbeitung werden Bilddateien aus der Datenbank in schwarz/wei Bilder, zur besseren Kantendetektierung, umgewandelt und ausgeschnitten. Anschlieend werden diese parallel an die jeweiligen verschiedenen Erkennungsalgorithmen, wie beispielsweise Blob oder SIFT, weitergereicht. Die Erkennungseinheiten liefern Wahrscheinlichkeitsvektoren, die zusammen zu einem Wahrscheinlichkeitsvektor verrechnet werden. Dies stellt die endgltige Aussage dar, um welche Karte oder Karten es sich im vorgegeben Bild handelt.

Es existieren einige Algorithmen [3], [4], um beispielsweise Farben, Formen voneinander zu unterscheiden oder bestimmte Muster zu erkennen. Blob und Template Matching[5], [6] und SIFT[1] sind einige von diesen Algorithmen. Der BlobAlgorithmus zeichnet sich unter Anderem dadurch Abbildung 1. Diagramm der Anwendung zur Kartenerkennung aus, dass dieser in einem Bild Formen erkennen und zhlen kann. Er ist bei Zahlen- und ZeichenerV. VORGEHENSWEISE kennung, im Gegensatz zu SIFT, besser geeignet. Am Anfang wird eine Testumgebung in Die Strken des SIFT-Algorithmus liegen bei der Karikaturerkennung, die beispielsweise beim Knig MATLAB[7] geschrieben um verschiedene Algorithmen zu testen und das Kartenset oder beim Buben zur Geltung kommen knnen. einzutrainieren. Das Erkennungsmodul in der Testumgebung ist austauschbar, und beinhaltet III. P ROBLEMSTELLUNG Algorithmen wie Blob oder SIFT. Es sind Aufgrund ihrer Vor- und Nachteile, der oben mehrere Testlufe mit den jeweiligen Algorithmen beschrieben Algorithmen, ist kein einzelnes von notwendig, um den geeignetsten Algorithmus zur ihnen dafr geeignet eine komplette Kartenreihe Kartenertypkennung zu bestimmen. Auf Grund verschiedenen Algorithmeneigenschaften, (Ass Knig) zu erkennen. Um die Anwendung der zur Kartenerkennung zu realisieren ist es notwendig, werden diese nur Wahrscheinlichkeitswerte die Vorteile von Blob oder SIFT zu kombinieren, fr Zahlen, Zeichen und Buchstaben angeben. die Berechnungen der Bilderkennung auf den besser Die zusammengerechnet den grtmglichen Wahrscheinlichkeitswert ausgeben. dafr geeigneten Algorithmus zu verlegen.

VI. T ESTUMGEBUNG

L ITERATUR
[1] D. G. Lowe, Distinctive image features from scale-invariant keypoints, Journal of Computer Vision, no. 60, 2004. [2] D. G. Lowe, Object recognition from local scale-invariant features, in In Proceedings of ICCV, pp. 11501157, 1999. [3] A. Vedaldi and B. Fulkerson, VLFeat: An open and portable library of computer vision algorithms. http://www.vlfeat.org/, 2008. [4] S.-y. H. Wen-Yuan Chen and C.-K. Tung, Poker image identication scheme using fourier description technique, 2009. [5] L. Podeszwa, Pokar: Spielkarten als marker. Universitt Koblenz-Landau, 01 2010. Studentarbeit. [6] R. G. C. Zheng, Playing card recognition using rotational invariant template matching, in Proceedings of Image and Vision Computing, 2007. [7] http://www.mathworks.com/image-videoprocessing/technicalliterature.html.

Abbildung 2.

Diagramm der vorgeschlagenen Testumgebung

Um die Wahrscheinlichkeitsaussagen der einzelnen Algorithmen zu ermitteln ist eine Testumgebung (Abb. 2) notwendig, die mit einer Datenbank, Erkennungsmodul und einer Lookup-Tabelle ausgestattet ist. Die Datenbank (Abb. 3) beinhaltet alle vorkommenden Kartenbilder mit der jeweiligen ID. Die Bilddateien werden vom Erkennungsmodul zur Verarbeitung eingelesen, anschlieend wird das Resultat mit den Eintrgen in der Lookup-Tabelle verglichen und schlielich in die Ergebnis-Tabelle eingetragen. Das Erkennungsmodul ist austauschbar, und beinhaltet Algorithmen wie Blob oder SIFT. Es sind mehrere Testlufe mit den jeweiligen Algorithmen notwendig. Am Ende werden die Ergebnis-Tabellen miteinander verglichen um die Genauigkeit des Algorithmus zur Kartenerkennung zu bestimmen.

Abbildung 3.

Beispiel von Datenbankbilder