当サイトは画像処理速報の管理人が運営しています。 管理人自身、プログラミング・画像処理について初心者なので、 記事の内容について突っ込みどころが多いと思います そのときはコメント欄で”優しく”指摘していただけると嬉しいです。 当サイトはリンクフリーです。(自由にリンクしてもらって結構です) ただし、掲載しているプログラムや情報による不具合については一切責任は待てません。 閲覧者の自己責任でご利用ください。 お問い合わせはこちらのメールフォームからお願いします。
『デジタルアートセミナー#3 openFrameworksで学ぶ、クリエイティブ・コーディング』の最終セッション『映像解析によるインタラクション』のメモです。 openFrameworksとOpenCV(ofxOpenCV、ofxCv)を組みあわせることで、映像を用いたインタラクティブな表現の可能性が大きく拡がります。このセッションでは、実例を紹介しながら映像とのリアルタイムなインタラクションの手法を探ります。 田所先生のイントロ、ひつじさんのオプティカルフロー+ドロネー変換、ライゾマ登本さんによるアドバンストな話、の3本立て構成でした。 過去のセッションのレポートはこちら。 http://d.hatena.ne.jp/shu223/20141013/1413190109 http://d.hatena.ne.jp/shu223/20141012/1413086307 http://d.h
昔、OpenCVの物体検出器の使い方について、技術評論社の「OpenCVで学ぶ画像認識」という連載中で解説しましたが、当時はまだOpenCVが1.0とか1.1だったため大分情報が古くなってます。 で、その後コンピュータビジョン勉強会でOpenCV2.0用にアップデートした発表を行いました。その時の資料は「3/5にOpenCV祭りを開催しました」というエントリに上がってます。 この資料も時間が経って少し古くなったので、今回機会があったので更に内容をアップデートしました。 いつの間にかtraincascadeの仕様が微妙に変わったりしたので、その分も追記してあります(このエントリの内容)。 また、検出器作る際のTipsも最後に追加してあります。 というわけで、Slideshareに上げておきますので参考にしてください。
(2014/09追記) Deep Learning (ディープラーニング、深層学習) の技術を用いて、猫の品種を識別する方法の記事も書いています。もし興味があればご参照ください。 Deep Learningで猫の品種識別 (ショコラ - 吉祥寺 きゃりこ) ねこと画像処理 part 1 – 素材集めでは猫画像の集め方について整理しましたが、ここではその集めた猫画像を使って猫検出用の学習モデル(分類器)を作成しました。 技術的な内容詳細についてはブログの方に書いてありますので興味があれば。モデル配布についてはこのエントリーの後半で説明します。 ねこと画像処理 part 2 – 猫検出 学習はお馴染みのBoosting(アンサンブル学習手法の1つ)で。特徴量はモデル作成と検証を速く繰り返すことができるLBP特徴を採用しました。また、約7,000枚のアノテーションデータはクラウドソーシングを活用
Meet Computer Vision professionals from OpenCV.org at LinkedIn OpenCV.org Here is an excerpts from Introduction to OpenCV-Python Tutorials: "Compared to other languages like C/C++, Python is slower. But another important feature of Python is that it can be easily extended with C/C++. This feature helps us to write computationally intensive codes in C/C++ and create a Python wrapper for it so that
1月6日追記:作者のPablo氏とメールのやり取りをする中で、当初掲載していたスピードのベンチマークはコンパイラの最適化オプションが指定されていなかったことに気づきましたので、最適化オプションを指定して再度計測し、結果を差し替えました。 2012年のComputer Vision Advent Calendarで、さかな前線 » ECCV2012で発表されたKAZE局所特徴量を試してみた という記事を見て以来、ずっと気になっていた、KAZE特徴量を自分でも使ってみようと色々試していたところ、KAZE特徴量を高速化したAKAZE特徴量が公開されていることに気づきました。 AKAZE Features Accelerated KAZEとかいうKAZEの高速化版がいつの間にか作られていた。動画を見る限り、リアルタイムの用途にも使えそう。試してみるか。 http://t.co/Q3mEMuaeV4
ARに使えるOpenCVで作る画像認識Androidアプリ:モバイルARアプリ開発“超”入門(6)(1/3 ページ) オープンソースの「OpenCV」で画像認識しよう これまでの連載第2回「NyARToolKitでマーカー型ARのAndroidアプリを作る」や第3回「NyARToolKit for Androidよりも簡単なAndARとは」で紹介した、Androidで利用可能なオープンソースのAR(拡張現実)ライブラリ「NyARToolkit for Android」「AndAR」では、「縁が黒いマーカー」を認識していました。 しかし、そういったマーカーしか使えないと、デザイン面などで大きな制限があることになります。 そこで今回は、オープンソースのコンピュータヴィジョンライブラリである「OpenCV」(Open Source Computer Vision)を利用した、画像認識アプリの作成
OpenCVの関数の利用は、これから徐々にC形式からC++形式へと移行していく感じがします。今までC形式の関数に慣れ親しんだ人がC++でやろうとしたとき、大抵は関数の名前が似ていてすぐわかるのですが、全然違うものもあり、そもそも対応するものが無かったりもして、混乱します。 Twitterでなんとなく「対照表あったらいいなあ」とつぶやいたら意外と反響があったので、作ってみます。大きく違いがあるものだけ載せてもいいのですが、とにかく全部載せて、違いが大きいものは太字にしています。「リファレンス見ると無さそうだけど、ヘッダ見たら有った」ということが多いので。 当分は未完ですが、気付き次第・気力がたまり次第追加していくつもりです。そもそも普段OpenCVをCからもC++からも使ってはいない身には無謀な事業ですが、間違いがあればお知らせ下さるとありがたいです。 cv C C++ 備考 cvCopyM
最近はGoogle Books等で、色々とマシンビジョンの資料を探していました。 探している中で、よさそうな資料を見つけました。 「Multiple View Geometry in Computer Vision」という本の著者が作った240Pにわたるスライドです。 http://users.cecs.anu.edu.au/~hartley/Papers/CVPR99-tutorial/tutorial.pdf 内容としては、カメラのキャリブレーションに関するものや、ステレオビジョン、複数の画像からの3次元再構築などです。 スライド形式なので単語が少ないので翻訳も楽ちんです。 ひとまずしばらくはこれで勉強していく予定です。
OpenCV は Open Computer Vision Library が正式名で、インテルが開発しました。現在はソース・コードを公開したフリーウェアとして多くの人が開発に携わっています。さまざまな画像処理の研究にも使われ、また研究成果が含まれているライブラリです。 今回は、そのOpenCVを使って簡単な画像処理をし、GAINER mini につないだラジコン・サーボを動かしてみます。プログラムのコンパイルには Visual C++ 2008 Express Edition を使っています。 ■準備しよう まずOpenCV+GAINERmini-0.1.zipをダウンロードして展開してください。それから、ラジコン・サーボの信号線を GAINER mini の aout0 のポートに挿し、電源とグラウンドを 5V と GND につなぎます。USB カメラをラジコン・サーボのホーンに
OpenCVのプログラムを統合開発環境EclipseとC/C++コンパイラMinGWで開発するためのセットアップ方法をまとめておきます。Windows環境でVisual StudioをインストールしなくてもOpenCVプログラムを開発できます。 1. MinGWのインストール ここからMinGW-5.1.6.exe(2009/10/15現在)をダウンロード。インストール途中でg++ compilerとMinGW Makeオプションをチェック。 2. Eclipseのインストール ここからEclipse IDE for C/C++ Developers(Eclipse CDT)をダウンロード。解凍するとeclipseフォルダができるのでC:\eclipseなどに移動。 3. OpenCVのインストール ここからOpenCV-2.0.0a-win32.exe(2009/10/15現在)をダウン
C++版のOpenCVを使ってカラーヒストグラムを用いた類似画像検索を実験してみました。バッチ処理などのスクリプトはPythonを使ってますが、PerlでもRubyでも似たような感じでできます。 指定した画像と類似した画像を検索するシステムは類似画像検索システムと言います。GoogleやYahoo!のイメージ検索は、クエリにキーワードを入れてキーワードに関連した画像を検索しますが、類似画像検索ではクエリに画像を与えるのが特徴的です。この分野は、Content-Based Image Retrieval (CBIR)と呼ばれており、最新のサーベイ論文(Datta,2008)を読むと1990年代前半とけっこう昔から研究されてます。 最新の手法では、色、形状、テクスチャ、特徴点などさまざまな特徴量を用いて類似度を判定するそうですが、今回は、もっとも簡単な「色」を用いた類似画像検索を実験してみます
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
処理を実行中です
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