JavaCVで機械学習する
OpenCV には機械学習の実装がいくつか（単純ベイズ、k 近傍、SVM、決定木…）用意されていて、画像処理に限らず汎用目的で便利に使うことができます。実装ごとにクラス化されていて、学習(train)→ 予想(predict)という似たようなメソッドが用意されているため、学習結果がイマイチなら他に切り替える、ということも比較的簡単にできるようです。 この便利な機能は、Java 版ラッパーである JavaCV にもポーティングされています。そこで、とりあえず 5 次元ベクトル群を 2 つのクラスに分類するコードを書いてみました。下の画像では、5 次元中 2 次元を可視化しています。他のパラメタで実行してみた画面キャプチャやコード全体は記事末尾にあります。JavaCV のインストールなどに関しては前の記事「OpenCV を Java から使う」をどうぞ。 準備 // Parameters fo
画像フィルタリング — opencv v2.1 documentation
画像フィルタリング¶ このセクションで述べる関数およびクラスを利用して， （ Mat() で表現された） 2次元画像に対して，様々な線形・非線形のフィルタリング処理を行います．このフィルタリング処理では，入力画像の各ピクセル位置 の近傍領域（通常は矩形）を利用して出力値を求めます．この出力は，線形フィルタの場合はピクセル値の重み付き和，モルフォロジー演算の場合は，最大値・最小値となります．求められた出力は，出力画像上の同じ位置 に保存されます．これはつまり，出力画像が入力画像と同じサイズになることを意味します．また通常，関数はマルチチャンネル配列をサポートしており，各チャンネルが個別に処理されるので，出力画像のチャンネル数も入力画像と同じ数になります． このセクションで述べる関数とクラスに共通するもう1つの特徴は，これらは単純な算術関数とは異なり，存在しないピクセルの値を外挿する必要がある
OpenCV Knows Where You’re Looking With Eye Tracking
[John] has been working on a video-based eye tracking solution using OpenCV, and we’re loving the progress. [John]’s pupil tracking software can tell anyone exactly where you’re looking and allows for free head movement. The basic idea behind this build is simple; when looking straight ahead a pupil is perfectly circular. When an eye looks off to one side, a pupil looks more and more like an ellip
Blog - SimpleCV
OpenCV vs. Matlab vs. SimpleCV. Okay, I decided it’s about time I write this article. I came across a well written OpenCV vs. Matlab article (http://blog.fixational.com/post/19177752599/opencv-vs-matlab) the other day and felt I needed to voice my opinion. Now you may think this article is a little biased being that I’m a SimpleCV core developer, but anyone is more than welcome to test my theorie
Fun with Clojure, OpenCV and Face Detection
Fun with Clojure, OpenCV and Face Detection I have been meaning to play with OpenCV for a while now, the other night, I had some time to kill so I decided to play with it. OpenCV is a computer vision library originally developed by Intel. It focuses mainly on real-time image processing. I assumed by now there are a lot of Java libraries for OpenCV but as it turns out there is only one, and it is a
OpenCV2.1に関するメモ
OpenCV2.1に関するメモです。 (2.1で追加されたものもいくつかあります) 色々ありすぎて何を使えばいいのか知識が足りないので良くわかりませんね。 適当に列挙したので抜けとか間違いとかあると思います。 ・特徴点 -コーナー検出 --cvGoodFeaturesToTrack, cvFindCornerSubPix --http://opencv.jp/sample/gradient_edge_corner.html#goodfeatures -SIFT特徴量 --http://d.hatena.ne.jp/aidiary/20091024/1256384360 -SURF特徴量 --http://d.hatena.ne.jp/aidiary/20091030/1256905218 -HOG特徴量 --http://d.hatena.ne.jp/poor_code/20091111/
opencv.jp - OpenCV-1.0:機械学習 ニューラルネットワーク（Neural Networks）リファレンス マニュアル -
最終変更者: 怡土順一, 最終変更リビジョン: 467, 最終変更日時: 2009-06-23 14:23:34 +0900 (火, 23 6月 2009) MLでは，フィードフォワードのニューラルネットワークが用意されている． これは多層構造のパーセプトロン（MLP:multi-layer perceptrons）であり，最も一般的に使われるニューラルネットワークである． MLPは入力層と出力層，そして一つまたは複数の中間層から構成される． MLPのそれぞれの層は一つまたは複数のニューロンを含んでおり，前の層と次の層のニューロンが一方向に繋がれている． 下の図は3入力，2出力，中間層に5つのニューロンを持つ3層のパーセプトロンの例である． MLPの全てのニューロンは類似している． それらは幾つかの入力リンク（つまり前のレイヤーにある幾つかのニューロンからの出力値を入力として受け取る）と，
Momma's Wiki: OpenCV/CvCalibFilterによるステレオ視 - CvCalibFilterを使って2カメラキャリブレーションを行なってのス...
内容 CvCalibFilterによるUndistortと殆ど同じ。 カメラを2つにして?CalibFilter.Rectifyするだけでキャリブレーション画像が得られる。 あとは距離計測するだけ。 そこそこの精度。 サンプルソース //CvCalibFilterを使った2カメラキャリブレーション+距離計測 2008/5/19 Eiichiro Momma #include <stdio.h> #include <time.h> #include <cv.h> #include <highgui.h> #include <cvaux.h> #include <videoInput.h> IplImage *current_frame_rgb; double EtalonParams[3] = { 7, 9, 3 }; //EtalonParamsは{コーナー数+1、もう一方のコーナー数+
Affine Covariant Features
Cookies This website uses Google Analytics to help us improve the website content. This requires the use of standard Google Analytics cookies, as well as a cookie to record your response to this confirmation request. If this is OK with you, please click 'Accept cookies', otherwise you will see this notice on every page. For more information, please click here.
3日で作る高速特定物体認識システム
3日で作る高速特定物体認識システム 黄瀬浩一，岩村雅一 （大阪府立大学） １．システム構成 ２．システムの作成 ２．１ 特徴抽出モジュール 利用するプログラム A C implementation of SIFT by Rob Hess 環境設定 OpenCV 全体のページ インストールの方法： 例えばこのページ． Visual Studio(2005, or 2008) 設定の方法： 例えばこのページ． 参考文献 藤吉先生による日本語の解説： 分かりやすい． Wikipedia： リンクが豊富． Lowe教授のページ： 本家．手軽に試せるプログラムもある．Matlabバージョンは非常に簡単． ２．２ 物体モデル 物体モデルといっても特別な仕掛けがあるわけではなく， <物体ID> <特徴ベクトル（128個の数字)> が特徴ベクトルの個数だけ並んだ１つのファイルです． x行目は，特徴ベクトル
Category:Computer vision - Wikipedia
Computer vision is an interdisciplinary field related to, e.g., artificial intelligence, machine learning, robotics, signal processing and geometry. The purpose of computer vision is to program a computer to "understand" a scene or features in an image. Computer vision shares many topics and methods with image processing and machine vision. Listed here are subjects relating to the field of compute
Scale-invariant feature transform - Wikipedia
The scale-invariant feature transform (SIFT) is a computer vision algorithm to detect, describe, and match local features in images, invented by David Lowe in 1999.[1] Applications include object recognition, robotic mapping and navigation, image stitching, 3D modeling, gesture recognition, video tracking, individual identification of wildlife and match moving. SIFT keypoints of objects are first
Rob Hess - School of EECS @ Oregon State University
''CS 559 Term Project''\n\nVoxel coloring is a technique used to create a 3D scene reconstruction from a fairly sparse set of images. Perhaps the most useful aspect of this technique is the fact that it can be used to create a photorealistic scene reconstruction without computing image correspondences. For my CS 559 term project, I implemented and tested the 3D voxel coloring algorithm as describe
opencv.jp - OpenCV: その他のサンプルコード -
作成者: 怡土順一, 最終変更者: 怡土順一, 最終変更リビジョン: 342, 最終変更日時: 2007-10-14 23:39:34 +0900 (日, 14 10月 2007) ■ ラベリング OpenCV自体には（OpenCV-1.0.0 時点において）ラベリングを行う関数は存在しないが， OpenCV Library Wikiで紹介されている"Blob extraction library"を利用して，画像のラベリングを行うことができる． このライブラリは，MIL（Matrox Imaging Library）における，MIL blob detection モジュールの機能を代替するものを，OpenCVを利用して実装してある． Win32環境で動作するものと，Linux環境で動作するものが，それぞれ配布されている． デフォルトでは，スタティックライブラリ（.lib あるいは .a）
ラベリング
ソースコード他 Labeling.h (これだけで使えます) サンプル一式(tgz) Windows用サンプル一式(zip) 性能 下の画像(640x480)のラベリング10000回: 36秒66 CPU: PentiumM 1.8GHz, Memory: 1GB, OS: linux 2.6.11.7, コンパイラ: g++ -O3 動作環境 C++。 STL(Standard Template Library)が使えること。 g++ (GCC) 3.3.2 (linux) および Visual Studio .NET 2003 (windows) で 動作確認済みである。 解説 使用方法(PDF) 連絡先 バグ報告・要望は井村まで。
生産物
画像処理 画像ラベリングルーチン 画像の連続領域をラベリングするルーチンです。 多値の画像もラベリングできます。 サイズの大きい順に領域番号を付けていくことができます。 サイズが閾値よりも小さい領域を除去できます。 ソースコードと解説はこちら RGBとHSVの変換 RGBとHSVの変換を行うルーチンです。 ソースコードはこちら OpenGL ボリュームレンダリングクラス GLSLを用いたリアルタイムボリュームレンダリングのためのクラスです。 128 x 128 x 128 程度のボリュームデータならノートでもサクサク動きます。 ソースコードと解説はこちら OpenGLのデプスバッファ OpenGLのデプスバッファの値を取得し、距離情報に変換するサンプルです。 ソースコードはこちら OpenGLでテクスチャを簡単に使うためのちょっとしたクラス OpenGLのテクスチャの設定は難しく
Fast Object Detecting のアルゴリズム概要が公開された！！！！ - DenpaFreak
以前ご紹介した 軽い、さくさく動く物体認識 - DenpaFreak Fast Object TrackingのBrad Hayesさんが物体認識のアルゴリズムの概要を公開されました。（感謝）！ http://cs.bc.edu/~hjiang/c335/cs335proj/Hayes/index.html Fast Object Tracking 結局、色の平均値で出しているようですね。 OpenCVを用いていないのか〜！僕の場合、DirectShowを用いたプログラムはCOMで挫折しているから、なんとかしなくてはなぁ…。 かんたんにまとめると 条件（輝度）などの調整→背景除去→事前に用意したオブジェクトの情報（表面色）を基に存在密度を計算→最も密度が高いところの座標・大きさを返す。 Fast Object Detectingのほかにも Not only Fast Object Dete
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
OCR with Clojure, Tesseract and OpenCV
ハフ変換とノイズ除去
Bradhayes.info