Kbi javacv
javacv http://code.google.com/p/javacv/ JNA (Java Native Access) を使った Java 用 OpenCV パッケージ ． ARToolKitPlus, libdc1394 2.x, PGR FlyCapture, FFmpeg への wrapper も含 んでいる．もとの OpenCV の C 用の API だけでなく， C++ 向けのクラス設計 に対応することを目指しているようである． Machine Learning Library (ml.h) については現時点 (2010-01-20) では未対応． バイナリ (javacv.jar) も頒布されているが，自前でソースファイルからコン パイルすることもできる．ソースは src/name/audet/samuel/javacv/*.java src/name/audet/s
地獄のRubyでOpenCV顔認識：Ruby Advent Calendar jp: 2010 - tmaeda 日記
_ 地獄のRubyでOpenCV顔認識：Ruby Advent Calendar jp: 2010 これは Ruby Advent Calendar jp: 2010 のエントリです。12/25分(今年のトリ)を担当します。 前日の担当は @ktou さんで 地獄のジェネレータでした。 えっ？もう12月26日だって？イタリアはまだ25日だけど。 さて、RubyからOpenCVを利用して顔画像認識をやってみます。 環境 Mac OSX 10.6.5 Xcode 3.2.4 一応、Xcodeの場所を正しく指定しておきます。 $sudo xcode-select -switch /Volumes/Macintosh\ HD/Xcode3.2.4 次にOpenCVのインストール。最新版はOpenCV2.2.0ですが、 2.2.0だとライブラリの構成などがだいぶ異なるようで、 ruby-opencv
SIFT Tutorial
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. Scale-Invariant Feature Transform(SIFT) は，特徴点の検出と特徴量の記述を行うアルゴリズムである． 検出した特徴点に対して，画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するため，イメージモザイク等の画像のマチングや物体認識・検出に用いられている． 本稿では，SIFT のアルゴリズムについて概説し，具体例としてSIFT を用いたアプリケーションや応用手法への展開について紹介する．また，SIFT と同様にgradient ベースの特徴抽出法であるHistograms of Oriented Gradients(HOG)のアルゴリズムとその応用例として人検出についても紹介する． Scal
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
3日で作る高速特定物体認識システム (1) 物体認識とは - 人工知能に関する断創録
情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非常に参考になりますが同様にPDFが手に入りません・・・。他にもいくつかわかりやすい総説論文へのリンクを参考文献にあげておきます。 物体認識とは 物体認識（object recognition）は、画
mean-shiftを実装してみた - tsubosakaの日記
次回のCVIM勉強会でmean-shiftについて話すことになってしまったので、理解のためにmean-shiftアルゴリズムを実装してみた。 カーネルは一番簡単なフラットカーネルを利用し、また画像もグレイスケール画像のみを扱うためピクセルの値は[0,256]の一次元データとみなす。 またナイーブな実装だと512*512ぐらいの画像でもすごい時間がかかるので二分探索とFenwickTree(動的に更新する必要はないので別に使う必要なかった、累積和を保存した配列に変更)を使ってグレイスケール画像かつフラットカーネルであることを利用して高速化した関数meanShiftLoopFastを用意した。 元画像は下のようになっている。 bandWidth=10のときは下のようになり、肌の部分が同じ値に収束していることがわかる。 bandWidth=20のときは以下のようになり、やや平滑化されすぎているこ
特徴点検出器を作ってライブラリに追加した - デー
前々からアニメ顔類似検索のbag of featuresで使っている特徴点の決め方がイラストにあまり合っていない気がしていたけど、実装がすごく面倒くさそうだったのでやらなかった。しかし、最近SURFに特許があることが発覚して、SURFを使っている意味は特にないなーと思ったので、満足のいくものをつくろう思ったのであった。（ただ特許は気にせずにやる） ということで、こんなのができた(クリックで拡大)。 結構速いし、スケールの変化、回転、ある程度のゆがみには大体対応できている。対応点の決定は、点の特徴ベクトルが一番近い点と二番目に近い点を取って、ふたつの特徴ベクトルの距離の差を確信度として、確信度が高いもののみマッチングしたことにして表示している。 SIFTやSURFに比べると点多すぎだろ（なぜ渦巻きに…）と思うかもしれないけど、これは僕なりにイラストの特性とかbag of featuresで使
画像認識の初歩、SIFT,SURF特徴量
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII
はてなブログ | 無料ブログを作成しよう
来年も作りたい！ふきのとう料理を満喫した 2024年春の記録 春は自炊が楽しい季節 1年の中で最も自炊が楽しい季節は春だと思う。スーパーの棚にやわらかな色合いの野菜が並ぶと自然とこころが弾む。 中でもときめくのは山菜だ。早いと2月下旬ごろから並び始めるそれは、タラの芽、ふきのとうと続き、桜の頃にはうるい、ウド、こ…
画像検索技術に関するまとめ資料 - 横転プログラミング
画像検索についていろいろとちょっとした実装や調査をしていました。 そろそろ資料等をまとめておかないと忘れそうなので書いておきます。 まずさっそくですが「画像を検索する」と一言でいっても、 それには以下のような種類があり、対象や方法は様々です。 類似画像検索 …… 対象画像から特徴を抽出し類似した画像を検索する 特定物体認識 …… 単一の対象画像から特徴を抽出しその物体と同じモノを認識 一般物体認識 …… 複数の対象画像から特徴を学習しその物体と同じ種類を認識 「類似画像検索」は Google Goggle などが有名で、「一般物体認識」は笑い男ツールなどの顔認識でよく知られていますね。「特定物体認識」はまだそこまでポピュラーに使われてませんが、東のエデンシステムなどはまさにこれです（笑）。 さてではどのような方法で検索を行うかということですが、ここで画像の特徴といっている、これを使います。
SURFを読む の0 - .mjtの日記復帰計画
http://www.vision.ee.ethz.ch/~surf/papers.html - 本家 http://opensurf1.googlecode.com/files/OpenSURF.pdf - Implementation note 下のPDFを理解するのに十分な量を書けたらという感じで。 SIFTやSURFの仕事 http://www.vision.cs.chubu.ac.jp/SIFT/ SIFTやSURFの最終的な仕事は、"スケール(大きさ)と回転に対して不変な特徴量を求めること"。 コンピュータにデータを比較するためには、データを(複数の)数値 = 特徴量に変換してやる必要が有る。 人間にとっては、ある画像を拡大縮小したり回転させたりした画像も"同じ"画像なので、特徴量も回転や拡大縮小の後も同じである(あまり変化しない)ことが望ましい。 構造 一般的にSIFTとかS
画像処理ソリューション
◆画像フィルタ処理 二値化、Ｐタイル法、判別分析法（大津の二値化）、平滑化フィルタ、ガウシアンフィルタの特徴、メディアンフィルタ 、エッジ抽出、アンシャープマスキング（鮮鋭化フィルタ）、膨張・収縮・オープニング・クロージング、細線化、画素の補間(Nearest neighbor、Bilinear、Bicubic)、外周画素の処理 ◆画像処理プログラム 二値化、ビットマップファイルフォーマット、多ビット（10Bit、12Bit）画像データの表示、フォーマット、ＶＢ６．０でビットマップファイルを開く、拡大鏡＋プロファイル機能（開発中！）、残効錯視、.NET(C++/CLI)による画像拡大縮小表示、画像処理サンプルプログラム、ルックアップテーブル（ガンマ補正の例） クラス／ハンドルの作成、解放、ファイルを開くダイアログボックスの表示、ビットマップファイルをピクチャボックスに表示、ラベル背景色の透
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
Lane Detection using Clojure and OpenCV
画像特徴量
http://www.isl.titech.ac.jp/~nagahashilab/member/longb/iip/LectureNotes/sift_image.pdf
第6回 「コンピュータビジョン最先端ガイド」勉強会 2.1 SIFTのアルゴリズム
http://www.vision.cs.chubu.ac.jp/VU/pdf/VU6-FeatureExtraction.pdf
はてなブログ | 無料ブログを作成しよう
画像処理アルゴリズムSIFTの勉強始めました | Love澤's Room
http://storage.osdev.info/pub/idmjt/diaryimage/0901/neta090130l1.pdf