サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
体力トレーニング
aicam.jp
PythonとOpenCVを利用して、画像処理による自動車のナンバープレートの解析という技術検証を行いました。自動車のナンバープレートを読み取りたい事例として、車両の管理や取り締まりが挙げられます。我々の生活の中で幅広い使用用途が考えられますが、今回は屋外での利用を想定とした条件としました。その際の作業過程や結果などについてご紹介します。 自動車のナンバープレート解析の活用及び技術検証 本記事では画像処理を用いた自動車のナンバープレート(自動車登録番号表)の読み取りと解析について紹介します。 駐車場への車両の出入庫を管理する 許可のない車両の不法侵入を検知・通知する 駐車車両を記録し訪問者の属性を割り出す等 上記のように我々の生活の中で幅広い使用用途が考えられます。 またその場合、野外での利用が想定されます。そのため今回は以下2点をを条件としました。 安価&コンパクトな機材を用いてどこにで
対象物体の表面形状を3Dデータ化することを目的として、以下の条件を満たした上で実現可能な技術を調査し、3D計測技術の中からSfM/MVS技術を採用しました。 複数枚の写真に写る対象物体がSfM/MVS技術を使って3Dデータ化されるプロセスを、実例と合わせてご紹介します。 はじめに 対象物体の表面形状を3Dデータ化することを目的として、以下の条件を満たした上で実現可能な技術を調査し、3D計測技術の中からSfM/MVS技術を採用しました。 3Dデータ化したい対象物体を、市販のカメラで複数枚撮影するだけで3Dデータを作成できるのがSfM/MVS技術です。「SfM(Structure From Motion)多視点画像からの3D形状復元」で生成されるのは、低密度な点で構成された3Dデータです。高密度な点群データを生成するために「MVS(Multi-View Stereo)多眼ステレオ」を使います。
SIFTやSURFよりもライセンス的に使いやすく、トラッキング精度も高いAKAZE(Accelerated KAZE)特徴量をOpenCV3で検出するサンプルです。 映像中にどんな物体が映っているかを特定することで、人物の認識や移動経路の追跡など様々な分析が可能となります。こうした画像認識の基礎技術には、画像中の特徴的な部分(特徴量)を計算する処理があり、OpenCVを利用することで特徴量の抽出を簡単に実装できます。 特徴量を計算する処理にも様々なアルゴリズムがあります。OpenCV2ではSIFT,SURF,ORBなどの手法を利用できますが、OpenCV3では新たにKAZEとAKAZEというアルゴリズムも利用可能になりました。ここでは、KAZEおよびAKAZEの簡単な説明と、実際にOpenCV3でAKAZEを使って特徴量を計算するプログラムについて解説します。 KAZEとAKAZE KAZ
OpenCV3を使ったプログラムを書くために、必要ファイルのダウンロードからVisual Studioでのビルドまでの手順を解説します。 OpenCV3を使ったプログラムを書くために、必要ファイルのダウンロードからVisual Studioでのビルドまでの手順を解説します。 (基本的にOpenCV.jpのTips掲載の『OpenCV2.1のインストール手順』と同じですが、執筆時点ではOpenCV3およびVisual Studdio2012向けの手順は掲載がないため、参考として記載しております。) OpenCV3のダウンロードとビルド OpenCVのダウンロードリンクから、VERSION 3系列(執筆時点の最新は3.0 RC1)のWindows用バイナリ『OpenCV for Windows』をダウンロードします。 ダウンロードした自己解凍書庫形式(opencv-3.0.0-rc1.exe)
このページを最初にブックマークしてみませんか?
『Home - AICam』の新着エントリーを見る
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