An object model, having a plurality of features and described by a model
state, is registered in an image. Unregistered features of the object
model are dynamically selected such that the cost function of each feature
search is minimized. A search is performed for a match of the selected
model feature to the image, or to features within the image, to register
the feature, and the model state is updated accordingly. These steps are
repeated until all features have been registered. The search is performed
in a region of high probability of a match. The cost function for a
feature is based on the feature's basin of attraction, and in particular
can be based on the complexity of the search process at each basin of
attraction. A search region is based on a projected state probability
distribution. In particular, the cost function is based on the "matching
ambiguity," or the number of search operations required to find a true
match with some specified minimum probability. For feature-to-feature
matching, the number of search operations is preferably the number of
target features located within each search region. For feature-to-image
matching, the matching ambiguity is computed, for each search region, by
dividing the region into minimally-overlapping volumes which have the same
size and shape as a basin of attraction associated with the feature, and
then counting the number of volumes required to cover the regions. The
model state is updated according to a propagated state probability
distribution. Preferably, the propagation of the probability distribution
is based on successive registered features.
Un modelo del objeto, haciendo una pluralidad de características y describirlas por un estado modelo, se coloca en una imagen. Las características sin registrar del modelo del objeto dinámicamente se seleccionan tales que la función de coste de cada búsqueda de la característica está reducida al mínimo. Una búsqueda se realiza para un fósforo de la característica modelo seleccionada a la imagen, o a las características dentro de la imagen, para colocar la característica, y el estado modelo se pone al día por consiguiente. Se repiten estos pasos hasta que se han colocado todas las características. La búsqueda se realiza en una región de la alta probabilidad de un fósforo. La función de coste para una característica se basa en el lavabo de la característica de la atracción, y en detalle se puede basar en la complejidad del proceso de la búsqueda en cada lavabo de la atracción. Una región de la búsqueda se basa en una distribución proyectada de la probabilidad del estado. En detalle, la función de coste se basa en la "ambigüedad que empareja," o el número de las operaciones de búsqueda requeridas encontrar un fósforo verdadero con una cierta probabilidad mínima especificada. Para la caracteri'stica-a-caracteri'stica que empareja, el número de las operaciones de búsqueda es preferiblemente el número de las características de la blanco situadas dentro de cada región de la búsqueda. Para la caracteri'stica-a-imagen que empareja, la ambigüedad que empareja es computada, para cada región de la búsqueda, dividiendo la región en los volúmenes mi'nimo-traslapados que tienen el mismo tamaño y la forma que un lavabo de la atracción asociado a la característica, y después contando el número de los volúmenes requeridos para cubrir las regiones. El estado modelo es actualizado según una distribución propagada de la probabilidad del estado. Preferiblemente, la propagación de la distribución de la probabilidad se basa en características registradas sucesivas.