Release OpenCV 4.0.0 · opencv/opencvYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Python+OpenCV+dlibで居眠りを検出してArduinoでエアコンの設定温度を下げる - nomolkのブログ
オフィスでの居眠りを監視し、眠そうな人がいたら空調の温度が下がって強制的に起こす、という空調管理システムが話題になっていました。 www.nikkei.com https://t.co/NhLc3GByQv これネガティブに受け取られてるけどよく居眠りするサイドの意見としては居眠りって意図的にしてるわけではなくてむしろしなくて済むならしたくないので空調等の自然な形でそれを抑止してくれるのは結構いいと思う、仮眠とは話が別— メルセデスベン子 (@nomolk) 2018年7月26日 自分はよくなにかやりながら寝てしまう体質で、家でゲームやってたり本読んでるときでも寝てしまいます。眠い状態を経由せずに覚醒状態からいつのまにか寝てるので、我慢は無力です。なのでAI等の第三者が冷気とかでやさしく起こしてくれるならそれに越したことはないです。なので作ることにしました。 慶洋エンジニアリング(KEIY
[OpenCV] いまさら局所特徴量で物体検出！？ - Qiita
１．はじめに OpenCVには，様々な処理が用意されています。画像処理，映像解析，カメラキャリブレーション，特徴点抽出，物体検出，機械学習，コンピュテーショナルフォトグラフィ，3D可視化などが基本モジュールで用意されています。さらに，エクストラモジュールを追加することで，より豊富うな処理が利用できます。[1] OpenCV 3.x系を中心に話をします。 今回は，OpenCVの局所特徴量がどの程度簡単に使えるのか興味があり，局所特徴量を利用した物体検出を作成しました。 最近世間では，ディープな物体認識で盛り上がっていますが。 特徴点抽出に関する詳しい説明は，検索すれば多数ありますので，ここでは割愛します。 藤吉先生 (中部大学)のスライド「画像局所特徴量SIFTとそれ以降のアプローチ」は，とてもわかり易く説明されています。 ２．特徴点検出と特徴量記述 特徴点検出と特徴量記述は，feature
![[OpenCV] いまさら局所特徴量で物体検出！？ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/cb325d42e331a546452f3dd9daa295a4381da2e3/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTEzNjE2JTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzEyMzE2P2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1hMDM4ZDQyOWM3M2EyNzE1NTQ0M2FhZGY1ZTg0MTNlZQ%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D83bbb47246709d10595948983d3122cf%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCT3BlbkNWJTVEJTIwJUUzJTgxJTg0JUUzJTgxJUJFJUUzJTgxJTk1JUUzJTgyJTg5JUU1JUIxJTgwJUU2JTg5JTgwJUU3JTg5JUI5JUU1JUJFJUI0JUU5JTg3JThGJUUzJTgxJUE3JUU3JTg5JUE5JUU0JUJEJTkzJUU2JUE0JTlDJUU1JTg3JUJBJUVGJUJDJTgxJUVGJUJDJTlGJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9Y2VmYWE4YWNkYWM0Njg4ZjA3YzBkYzhiNjg2ODU3OTA%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBobWljaHUmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz05MzE2ZGMzNDc0YzYyNDFlOGUxNzNhMjM5MDgzMTEzNQ%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D689c9eff7f553f20d0d3763677eeefe2)
受け入れテストの自動化 ～ OpenCVの「眼」で捉え、Pythonの「脳」が思考し、Appiumの「指」で動かす - Speaker Deck
2017/02/03 JaSST’17 Tokyo
OpenCV 3.2
OpenCV 3.2 OpenCV 3.2 is out. It's a long-awaited update to OpenCV 3.x release series, with tons of improvements and bug fixes. Dear OpenCV users! 1 year after 3.1 release and after the OpenCV core team has moved back to Intel we are pleased to announce OpenCV 3.2 release, with tons of improvements and bug fixes. 969 patches have been merged and 478 issues (bugs & feature requests) have been close
初心者がchainerで線画着色してみた。わりとできた。
ﾃﾞｰﾌﾟﾗｰﾆﾝｸﾞはコモディティ化していてハンダ付けの方が付加価値高いといわれるﾋﾟ-FNで主に工作担当のtai2anです。 NHKで全国放送されたAmazon Picking Challengeでガムテべったべたのハンドやロボコン感満載の滑り台とかを工作してました。 とはいえ、やっぱりちょっとディープラーニングしてみたいので1,2か月前からchainerを勉強し始めました。 せっかくなので線画の着色をしたいなーと思って色々試してみました。 線画の着色は教師あり学習なので線画と着色済みの画像のデータセットが(できれば大量に)必要です。 今回はOpenCVでカラーの画像から線画を適当に抽出しています。 抽出例 → カラーの画像を集めて線画を作ればデータセットの完成です。（今回は６０万枚くらい使っています） ネットワークの形ですが、U-netという最初の方でコンボリューションする時の層の出
hirax.net::「君の名は。」画風変換アプリをPython/OpenCVで書いてみよう! 〜意外に空変換は簡単? 編〜
最新記事(inside out)へ | 年と月を指定して記事を読む（クリック!） / 2001/ 2002/ 2003/ 2004/ 2005/ 2006/ 2007/ 2008/ 2009/ 2010/ 2011/ 2012/ 2013/ 2014/ 2015/ 2016/ 2017/ 2018/ 2019/ 2020/ 2016年11月 を読む << 2016年12月 を読む >> 2017年1月 を読む 先月下旬頃、映画「君の名は。」画風変換アプリEverfilterが流行っていた。軽く遊んでみた印象は、「空領域抽出処理に破綻が少なく（適切で）、その処理はおそらく普通の枯れた方法を使って、画面の４端辺から領域判定を独立にかけてる」ように感じられた。 そこで、普通にやりそうなコードを書いてみたら、空領域抽出がどのくらいの品質が得られるか、確かめてみることにした。手っ取り早く試してみた
OpenCV + Google Cloud Vision API + Intel Edison で笑った瞬間を撮るカメラを作る - from scratch
やりたいこと 最近娘が生まれて二ヶ月経過し、そろそろ笑ったりするようになりました。今回のテーマは娘が笑った瞬間を逃さずにカメラで撮影する事です。ちなみにこういう子どもをネタにして行うハック、僕はこれを『親バカハック』と呼んでます。 TL; DR Intel Edison でカメラをセット、一定のタイミングで撮影しつつ OpenCV で粗く笑顔認識させてから Google Cloud Vision API で表情解析 笑顔だと判定された画像を Slack で飛ばして画像をいつでも見れるようにする。 かわいい笑顔が撮れたので最高でした。 ハードウェアセットアップ Intel Edisonを手に入れたのでそれを使って作ります。Edison は Arduino 拡張ボードなら普通のUSB web camera 対応しているので、それをただぶっさして使います。 Intel Edison はSDカード
画像処理の数式を見て石になった時のための、金の針 - Qiita
$k$は定数で、だいたい0.04~0.06くらいです。Rの値によって以下のように分類できます。 Rが大きい: corner Rが小さい: flat R < 0: edge 図にすると、以下のようになります。 CSE/EE486 Computer Vision I, Lecture 06, Corner Detection, p22 これで手早くcornerを検出できるようになりました。ここで、corner検出についてまとめておきます。 cornerは複数のedgeが集まる箇所と定義できる 変化量をまとめた行列の固有ベクトルからedgeの向き、固有値の大きさから変化量の大きさ(edgeらしさ)がわかる 2つの固有値の値を基に、edge、corner、flatを判定できる 固有値の計算は手間であるため、判定式を利用し計算を簡略化する なお、Harrisはedgeの向きである固有ベクトルを考慮す
Raspberry PiとOpenCVでスプラトゥーンの勝敗を自動記録する仕組みを作ってみた - 映画館のイス
ikashot.net ※ 現在、IEで画像が表示できない不具合があります。お手数ですがIE以外でのアクセスをお願い致します…すみません。 何を作ったか スプラトゥーンではバトルの履歴を見れないようになっているので、勝率がわかりません。自分の勝率がどの程度なのか知りたいなーと思ったので、勝敗を自動記録する仕組みを作ってみました。 仕組み 以下のような流れで処理しています。 Raspberry Piのpicameraで、TV画面をキャプチャする キャプチャ画像のなかにWIN or LOSEの結果が表示されているかOpenCVを使って判定する WIN or LOSEが検出されたら、WebAPIを通して結果画面のイメージと勝敗をアップロードする 不格好ですが、こんな具合にラズパイをセットしてTV画面をキャプチャしてます。 OpenCVの画像認識について WIN or LOSEの判定はOpenCV
オープンソースのビジョンライブラリ「OpenCV 3.0」がリリース、OpenCV史上もっとも多機能かつ高速
「OpenCV 3.0」には、およそ1500のパッチが適用されるとともに、「opencv_contrib」リポジトリが追加されている。また、インテルIPP（インテグレーテッド・パフォーマンス・プリミティブ）のサブセットであるIPPCVを、商用／非商用を問わず無料で利用できる。 新機能としては、OpenCLを使ったGPUアクセラレーションへの透過的なアクセスを可能にするT-API（transparent API）を追加している。ただし、T-APIはコンパイル時やランタイム環境では利用できない。 さらに、ARMのNEONでは、およそ40のアクセラレーション機能を利用可能で、NEONに最適化されたコードを作成できるOpen CVアクセラレータである、Open CV HALレイヤーも用意する。 このほか、features2dやcalib3d、objdetectなどのアルゴリズムの整理や、Pytho
『OpenCV 3.0 on iOS』 #yidev 第19回勉強会 - その後のその後
第19回 yidev（横浜iPhone開発者勉強会）にて、『OpenCV 3.0 on iOS』という発表をさせていただきました。 OpenCV 3.0 on iOS from Shuichi Tsutsumi 概要 OpenCV 3.0 の話、というよりは、最新版の3.0をベースとしつつ、「Core Image や vImage や GPUImage という便利で高速な画像処理ライブラリが存在する昨今においても OpenCV も依然として魅力的ですよ 」というのが発表の主題です。 なぜ今OpenCVか？ スライド内では、理由として以下の3つを提示しています。 圧倒的に機能が豊富 この点については、正直なところ Core Image、vImage、GPUImage は目じゃないかと。「2500以上のアルゴリズム・機能」と言われてもピンと来ないと思うので、具体的に「Core Image 等に
iOS / OpenCV 3.0 で画像の特徴点を検出する（AKAZE, SIFT, SURF, ORB） - その後のその後
局所特徴量とは / SIFT, SURF 特徴量 このスライドが超わかりやすかったです。 画像認識の初歩、SIFT,SURF特徴量 from takaya imai で、SIFT (Scale-invariant feature transform)、SURF (Speed-Upped Robust Feature) というのは、拡大縮小・回転・照明変化に強いロバストな特徴量、としてよく知られているようです。 SURF の方が軽量で、その代わり認識精度は SIFT の方が良い、とのこと。 特徴量の用途 複数写真からのパノラマ写真合成 （上に載せたスライドより） AR のマーカー認識 下記画像はARのマーカー認識とは違いますが、そういう使い方ができそうだ、ということは汲んでいただけるかと。。 （http://docs.opencv.org/3.0-rc1/d7/dff/tutorial_fe
OpenCV(2.4.8)による新しいノイズ除去 ざっくり精度調べ - schima.hatenablog.com
最近のOpenCVには、以下のような新しいフィルタ処理の関数が追加されています。 cv::fastNlMeansDenoising (photo) cv::adaptiveBilateralFilter (imgproc) この関数がどれくらい使えるものなのか、サクッと試してみました。あまり学術的に正確でないかもしれないですが、ご容赦ください。間違っていたら教えてください。 cv::fastNlMeansDenoising 下でもう一度話題にしていますが、手法の中身についてはこちらが大変参考になります。 http://opencv.jp/opencv2-x-samples/non-local-means-filter cv::adaptiveBilateralFilter 以下ドキュメントより。この関数、2.4.5には無く、2.4.8では有ったので、その間のいつごろかに追加されたようです。
OpenCVをRubyMotionから使う方法 - Qiita
ビルドが終わるとgem/framework/opencv2.frameworkが生成され、これがそのままRubyMotionプロジェクトの3rd Party Frameworkとして使用できます。 Objective-Cによるラッパー OpenCVは非常に多くの機能を持っていますが、現在のMotionCVはcore、imgprocのごく一部のみ実装しています。 coreは画像などを表現する基本的な構造体やクラス、それに対してビット操作したり描画したりするための基本的な機能の集合です。 imgprocは画像処理のためのビルトインフィルターやより複雑な変換、フィルターを自分で作るための機能の集合です。 MotionCVではmodules/motion配下でObjective-Cのヘッダファイルと実装ファイルとしてラップします。 $ tree modules/motion modules/mot
iOS - 「顔以外」のものを画像認識する - Qiita [キータ]
iOS SDK では Core Image の CIDetector クラスで簡単に顔認識をおこなうことができます。iOS 7 からは、笑顔やまばたきの検出も可能に なりました。 が、CIDetector は detectorOfType:context:options: というメソッドの第1引数で Detector Type を指定できる設計になっているものの、 Detector Types - CIDetector Class Reference と、4つしか定義されてないので、結局のところ 顔・矩形・QRコード・文字領域しか認識できません。 車やロゴや犬やネコを認識する OpenCV には顔検出用の手法として、 Haar分類器 というものが実装されています。 この手法の詳細はここでは省略しますが、この手法は、 顔検出だけでなく、車やペット等、さまざまな対象を検出 するのに広く使用され
![iOS - 「顔以外」のものを画像認識する - Qiita [キータ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/f7ca524d4ff61a048218c7a0ae475285f31396ce/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Fadvent-calendar-ogp-background-7940cd1c8db80a7ec40711d90f43539e.jpg%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMzE4MCUyRnByb2ZpbGUtaW1hZ2VzJTJGMTQ3MzY4MjczMz9peGxpYj1yYi00LjAuMCZhcj0xJTNBMSZmaXQ9Y3JvcCZtYXNrPWVsbGlwc2UmZm09cG5nMzImcz00NDJlOWJiOTJlNDczZTQ2YmU2NmIxYTQ5MTI3ZDIzMw%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D9de1faed9bda523cecd7da0832a3a5ab%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JUUzJTgwJThDJUU5JUExJTk0JUU0JUJCJUE1JUU1JUE0JTk2JUUzJTgwJThEJUUzJTgxJUFFJUUzJTgyJTgyJUUzJTgxJUFFJUUzJTgyJTkyJUU3JTk0JUJCJUU1JTgzJThGJUU4JUFBJThEJUU4JUFEJTk4JUUzJTgxJTk5JUUzJTgyJThCJTIwb24lMjBpT1MmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzNBM0MzQyZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtcGFkPTAmcz00YzliNjg0YTJkNTc3MzQwZWMzY2VjNmNiYjMxOTMyMQ%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBzaHUyMjMmdHh0LWNvbG9yPSUyMzNBM0MzQyZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz02MWM0NzViYmFmMDUxNjEzM2FmYmYyZmVkMjExMjE2Mg%26blend-x%3D242%26blend-y%3D454%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26txt64%3DaW4g44Ko44Oz44K444OL44Ki44Go5Lq655Sf44Kz44Of44Ol44OL44OG44Kj%26txt-x%3D242%26txt-y%3D539%26txt-width%3D838%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%25233A3C3C%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D28%26s%3De7055a35dd243671728763ea4a2864bd)
RubyMotionとOpenCVでマンガ風フィルタ - IwazerReport
MotionCVというOpenCVをRubyMotionから使えるようにするラッパーライブラリを細々と開発してます。 現状 ある程度、枠組みはできてあとはOpenCVのAPI郡をどんどんObjective-Cでラップしていけば良い状況なのですが、APIが山ほどあってこりゃ大変だぞと（笑） そこで、サンプルで実際に動かしながら必要なAPIから少しずつメソッドを追加していってます。上から黙々と単純作業で増やしていくだけだと心が折れる（汗） いつかはやらなきゃいけないのですが... マンガ風フィルタサンプル OpenCVで画像変換と言えばマンガ風カメラですからｗ実装しながら必要なAPIを拡充していきました。 ネットを探せばOpenCVでマンガ風フィルタを実装している例がいくつか見つかりますが、ほとんどがC APIを使っていてMotionCVでラップするのが些か面倒です。 C APIも@watso
RubyMotionから使えるようにOpenCVをビルドする - IwazerReport
前回からだいぶ時間が経ってしまいましたが、実際にRubyMotionからOpenCVを使えるようにしていきます(｀・ω・´) 前回紹介したとおりOpenCVはiOS用のビルドもできるのでXcode/Objective-Cで開発する場合はCocoapodsを利用すれば非常に簡単です。 RubyMotionから通常のstaticライブラリ(Framework)を利用する際には、Framework内のC/Objective-Cのヘッダファイルから定数や構造体、Objective-Cのクラス情報などをビルド時にBridge Supportというファイルに出力して、RubyMotionのはそこに定義があれば呼び出せるようになります。 RubyMotionのビルドではC++は解釈できないのでBridge Supportを作るときに読み込むヘッダファイルはCまたはObjective-Cのヘッダファイルで
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
OpenCV for iOSのビルド - IwazerReport