Computer Vision Advent Calendar 2013 - PukiWiki
「Bayer さんに敬意を表して」† 現在販売されているCCDカメラのうち、多くはBayerパターンというものを使っています。 高い業務用のカメラは3CCDと、RGBそれぞれにCCDセンサを持っているのですが、それだと値段が全然違います。 そこで考案されたのが、Bayerパターンです。 この方法だと、各ピクセルごとに、RGBのそれぞれの色が割り当てられます。格子状に並んでるので、緑を2回使って、格子状に並べます。 こんな具合に並べます。 この状態の画像をBayer画像、もしくはRAWフォーマットと呼びます。 RAW(=生)と呼ばれるのは、センサに一番近い状態の生の情報だからでしょう。（未調査） ↑ 言葉で表すと「ポツポツと斑点がある感じのグレースケール画像」です。 そう。CCD1枚で得られた光の強度を記録した画像なので、グレースケール画像です。 OpenCV風に言うと、CV_8UC1です*
Computer Vision Advent Calendar 2012 2日目 - PukiWiki
この記事について† この記事はComputer Vision Advent Calendar 2012の2日目¬e{cv-advent-calendar:Computer Vision Advent Calendar 2012, 2012-12-01閲覧};の担当記事 詳しくはComputer Vision Advent Calendar 2012や公式ページ¬e{cv-advent-calendar};を参照 ↑ OpenCV とカメラとビデオ† 画像処理やComputer Visionに携わっていると、画像、ビデオやカメラを扱う必要がありますよね。 今回はOpenCVで取り扱えるカメラのプラットフォームに関してご説明。 highgui_c.hとかcap.cppを調べあげてググったものです。 やっつけ記事なので、ツッコミ大歓迎です ↑ カメラ用のプラットフォーム† cvCre
Python/OpenCVで顔検出を利用した肌色検出 | ぱろすけのメモ帳
序論画像から肌色領域を検出する必要は、様々な場面で生じます。たとえば指や腕などをうまく切り分けることができればジェスチャーの認識が容易になります。肌色領域検出によって画像から人を検出するタスクも難易度が下がるでしょう。肌色領域検出は水玉コラを自動生成に役立つなど、愉快なアプリケーションも多くあります。というわけで本記事では画像から肌色領域の検出をする手法を提案し、その実装を示し、実験により性能を検証します。修士論文書かなきゃなあと思いながらブログを書くと、構成が自然と論文風になってしまいますね。関連研究関連研究を述べます。Elgammal による肌色検出のチュートリアル [Encyclopedia of Biometrics, 2009] では、肌色領域の検出の方法について説明しています。そこでは、あらかじめ「こういう色が肌色です」と定義しておいて、それをもとに画像から肌色領域を検出すると
dandelion's log | エンジニアdandelionの備忘録
2017/10/22(日)に開催された技術書典3にサークル参加してきました。 せっかくなので自分の振り返りも兼ねて記事を書きたいと思います。今後参加される方の参考になれば幸いです。 当日頒布した物 「はじめてじゃないOpenCV」という技術書を頒布しました。 目次はこちらから読むことができます。 なんでこんなタイトルにしたんだっけと思って過去のツイートを辿ると完全に思い付きでタイトルを決めているっぽいですね・・・ あ、本のタイトルが決まっていないという大きな問題があったりしますね・・・。「はじめてじゃないOpenCV」でいいかな（適当） — dandelion (@dandelion1124) 2017年9月24日 印刷所 今回、ねこスパーク オンデマンドパックを利用させて頂きました。B5サイズ、50ページ、100部だったので26,800円でした。 選定理由としてはバックアップ印刷所になっ
第1回 OpenCVとは？ 最新3.0の新機能概要とモジュール構成
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「www.buildinsider.net」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 1. OpenCV 1.1 OpenCVとは OpenCV（正式名称： Open Source Computer Vision Library）は、オープンソースのコンピューター・ビジョン・ライブラリです。コンピューターで画像や動画を処理するのに必要な、さまざま機能が実装されており、BSDライセンスで配布されていることから学術用途だけでなく商用目的でも利用できます。加えて、マルチプラットフォーム対応されているため、幅広い場面で利用されていることが特徴です。 OpenCVは、Intelで開発さ
第3回 OpenCVの環境構築（OpenCV 3.0／3.1）
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「www.buildinsider.net」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 1. OpenCVの環境構築 1.1 はじめに 今回の記事では2016/2/5時点で最新のstableリリースであるOpenCV 3.1の環境構築方法について解説します。なお、OpenCV 3.0についても今回紹介する手順と同じ要領で行うことができます。 1.2 環境構築方法 Windows環境かつVisual Studioで、OpenCVを使ったアプリケーションの開発を行うための主な環境構築方法は以下の3つです。
OpenCVで回帰分析プログラムを作る - glass5er's blog
仕事でデータ解析をしていた折、ああこんなときに統計解析がもっと理解できていたらなと思ったので、勉強がてら回帰分析のプログラムを作りました。 さっそく今週から活躍してくれそうで満足です。 回帰分析 (重回帰分析) ある従属変数yの挙動について、独立変数x(と定数項)を使ってモデル化しようというやつです。というより、仮定したモデルが現象をどれだけ説明できているかを定量化するための方法というほうが個人的にはしっくりきます。 今回は変数が複数ある重回帰分析をするためのプログラムにしました。 重回帰分析 - Wikipedia 最小二乗法で解く 変数yに対してxモデル化した式が以下のような形で表せるとします。 yのサンプルぶんだけ式が作れるので、それらをまとめて行列形式で表します。 未知なのは行列Aの中身、という形で解き進めます。 最小二乗法で解く場合には、Xが正則でない場合を考慮して、 という形で
OpenCVのCvDTreeの使用にあたっての注意点 - takminの書きっぱなし備忘録 @はてなブログ
OpenCVのMachine Learning関係はマニュアル見てもネットで探しても貧弱な情報しかないので、とりあえず自分が発見したことをさらしていく。 CvDTreeクラスは二分木を作ってくれるクラスで、CART（Classification and Regression Trees）モデルと言われているものの実装。詳しくは、ここらへんを参考 http://cwoweb2.bai.ne.jp/~jgb11101/files/CART.pdf http://ibisforest.org/index.php?CART また、以下はCvDTreeクラスについて一通りドキュメント読んだんだけど、実装がうまくいかない、という人を想定してます。まだ読んでない人は以下を読むこと。 http://www.opencv.jp/opencv-1.0.0/document/opencvref_ml_dtree
OpenCVでOpticalFlowを試してみた
OpenCV、機械学習、はやりのDeep learningの環境構築の方法、サンプルの動かし方、ＡＰＩの使い方、Tipsなどをすぐに忘れてしまうので、備忘録として記録している。記憶がなくなるスピードが、早いのでメモしておかないと再現できなくなる確率が高まっている。 最近、再度HDDを飛ばしてしまい、過去の自分のページに再度助けられた。 また、DNNモジュールを触る機会が増えているので、C++からPyhonへと鞍替え中。 内容を気にいっていただければ、twitterで紹介願います。 OpenCV2.4.3でLucas-Kanade法がサポートされているので試してみた calcOpticalFlowPyrLKは、指定した特徴点集合に対してのみオプティカルフローを計算する仕様なので、事前に GoodFeaturesToTrackDetectorを用いて、特徴点集合を求めておく 特徴点集合は、以前
OpenCV で機械学習を試してみる…とまだ終わらず | Moonmile Solutions Blog
テンプレートマッチングで画像から取り出すには無理がありそうなので、やはり、独自なオブジェクト検出器を作ってみないとだめか、と思い、 OpenCVで学ぶ画像認識：第4回 オブジェクト検出器の作成方法｜gihyo.jp … 技術評論社 http://gihyo.jp/dev/feature/01/opencv/0004 を読んで、試しに、AdaBoost を使ってカスケードを作ろうと思ったのだが、いやあ、ちょっと時間が掛かりすぎる。 ■学習用の正解ファイルの作成 C:\OpenCV2.3\build\bin\opencv_createsamples.exe ^ -img images\koma01.png ^ -vec koma01.vec ^ -num 1000 ^ -bg NG.txt ^ -w 45 -h 45 ^ -show ■オブジェクトの学習 C:\OpenCV2.3\build\
AR.Droneで物体追跡（パーティクルフィルタ編） - Puku's Laboratory
今回はパーティクルフィルタ(ConDensation)を使ったトラッキングを紹介します。 パーティクルフィルタは、モデルの状態を多数の粒子で近似する方法です。 ゴリ押しです。 OpenCV.jpのサンプルでは、尤度(ゆうど)関数がRGB色空間でのユークリッド距離でしたが、 任意色をとるには使いにくいので、本サンプルでは「指定した色の重心との距離」を尤度としています。 #include "ardrone/ardrone.h" #include "opencv2/legacy/legacy.hpp" #include "opencv2/legacy/compat.hpp" #define KEY_DOWN(key) (GetAsyncKeyState(key) & 0x8000) #define KEY_PUSH(key) (GetAsyncKeyState(key) & 0x0001) //
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more
ORB使ってみた - Puku's Laboratory
特徴点の検出器といえば、SIFT(Scale-invariant feature transform)やSURF(Speed-Upped Robust Feature)が有名です。 どちらもスケール回転不偏特徴量として優れていますが、CV Drone付属のOpenCVライブラリはNON_FREE無効でビルドしているため、これらが使えません。 ORB(Oriented-BRIEF)はOpenCV2.3から実装されたフリーの特徴検出器・記述子で、SIFTやSURFのようにスケール・回転不偏でありながら、SURFの10倍、SIFTの100倍 高速と言われています。リアルタイムで動かすにはもってこいですね。 SIFT detection: 0.417645 s description: 0.397645 s SURF (hessianThreshold = 2000) detection: 0.1
C#でOpenCVを使う（C++/CLIによる方法） - whoopsidaisies's diary
OpenCVラッパクラス C#でOpenCVを手軽に使うには OpenCvSharpをつかう その17(NuGetで導入) - schima.hatenablog.com C#でOpenCVを動かす～NuGetでOpenCV.Netをインストール - whoopsidaisies's diary のページのように，NuGetからC#ラッパをインストールして使う方法があるが，必要な機能がラッピングされていないことがある． このページでは，C++/CLIでOpenCVの必要な機能だけ持つラッパクラスを自分で作り，C#から呼び出す方法を紹介する． C++/CLI 通常のC++のライブラリをC#から呼び出そうとするとDllImport属性で宣言が必要だったりして面倒であるが，C++/CLIで作ったDLLであれば参照に追加するだけで使用できる． 手順 手順は以下の通りである． C#プロジェクト作成
OpenCVによる画像局所特徴抽出に関して
OpenCV、機械学習、はやりのDeep learningの環境構築の方法、サンプルの動かし方、ＡＰＩの使い方、Tipsなどをすぐに忘れてしまうので、備忘録として記録している。記憶がなくなるスピードが、早いのでメモしておかないと再現できなくなる確率が高まっている。 最近、再度HDDを飛ばしてしまい、過去の自分のページに再度助けられた。 また、DNNモジュールを触る機会が増えているので、C++からPyhonへと鞍替え中。 内容を気にいっていただければ、twitterで紹介願います。 OpenCVでは、Keypoint(特徴点)の検出と、特徴量の取得にSIFTやSURFが提供されているが、その他、FAST, BRIEF(2.2), ORB(2.3), BRISK(2.4.3)なども提供されている。 画像で試してみるとそれぞれ、結果が異なるがどのような性質を持っているかは、わかりにくい 中京大学
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
kkaneko.com
FaceRecognizer — OpenCV 2.4.13.7 documentation
Motion Analysis and Object Tracking — OpenCV 2.4.13.7 documentation
アイエスエス株式会社
Puku's Laboratory