모델을 이용한 물체인식을 모델영상들과 입력영상 간의 그래프 매칭과정으로 정의하였다. 본 논문에서는 그래프 매칭 문제를 최적화문제로 모델링하였고 최적화 문제해결을 위하여 유전자 알고리즘을 제안하였다. 이를 위하여 적합성함수, 자료구조, 유전연산자들이 개발되었다. 제안된 유전자 알고리즘이 이차원 영상에서 부분적으로 겹쳐진 물제들을 인식하기 위한 모델영상과 입력영상 간의 특징 점들을 일치시킴을 시뮬레이션을 통하여 보였다. 제안된 방법의 성능을 신경회로망을 이용한 방법과 비교하였다.
The model-based object recognition is defined as a graph matching process between model images and an input image. In this paper, a graph matching problem is modeled as a n optimization problems and a genetic algorithm is proposed to solve the problems. For this work, fitness function, data structured and genetic operators are developed The simulation results are shown that the proposed genetic algorithm can match feature points between model image and input image for recognition of partially occluded two-dimensional objects. The performance fo the proposed technique is compare with that of a neural network technique.
