ザリガニに挟まれて持ち上げられるなんてことがたまにあると思いますが、そんな時どれだけ激しい動きだったのか解析したい！なんてこともあるんじゃないでしょうか。 出典: ASIAN KUNG-FU GENERATION　『君の街まで』 (ソルファ リメイク記念) そうした(?)、画像間の動きを表現したものがOptical Flowです。Optical Flowは、2つの画像間で各点がどう動いたのかを表現します。これを計算することで、↑の図のように画像上の特徴点の動きを解析したりすることが可能になります。 本稿では、そのOptical Flowを計算するための理論的な背景と、Python/OpenCVを使った実装までを紹介していきたいと思います。 Optical Flowの位置づけ 画像間の動きの解析については、様々な目的とそれを実現する手法があります。ここでは、まずOptical Flowがその

これはAizu Advent Calender 2014の9日目の記事です! Aizu Advent Calender 2014 前の人: @MiZuKi_Sonoko mizukindevelop: Hackathonに参加しよう {Aizu Advent Calendar 2014 [８]日目} 次の人: @a_r_g_v はじめに FF10はみんな知ってるよね? FF10には七曜の武器っていう伝説の武器みたいなものがあって、入手方法がゲーム中のミニゲームをなんかすごいやるみたいな感じ。 例) サブイベントの「とれとれチョコボ」をタイム0:0:0でクリアする(ティーダ) サブイベントの「サボテンダーの里」をクリアする(リュック) 召喚獣バトルに全部勝利する(ユウナ) その中で巨乳おっぱいさんルールーの「雷平原のサブイベント・雷除けを200回連続で成功する」というものがある。 おっぱいさ

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を使ったアプリケーションのプロジェクト作成方法 1.1 はじめに 前回、OpenCV 3.0／3.1の環境構築について解説を行いました。今回はOpenCVを使ったアプリケーションのプロジェクト作成方法について解説します。また、以降の説明は、前回の記事のいずれかの方法でOpenCV 3.0／3.1の環境構築が終わっているものとして解説を行います。 1.2 プロジェクト作成方法 OpenCVを使ったアプリケーション開発を「Windows環境」かつ「Visual Studio」で

First part shows several methods to sample points from arbitrary distributions. Second part shows application to population genetics to infer population size and divergence time using obtained sequence data.

ここ最近はAndroidアプリ開発の勉強をしています。今回はOpenCVでデバイスのカメラを利用した動画像処理を試してみました。 技術Wikiの方にもAndroid関連のメモを残しています。 * Android – Tech Note * OpenCV for Android – Tech Note Portions of this page are modifications based on work created and shared by Google and used according to terms described in the Creative Commons 3.0 Attribution License. 環境 * OpenCV4Android SDK 2.4.4 (今回はJava APIのみ使用) * 検証デバイス: Galaxy S2 LTE(Android

今まで自分が見つけたコンピュータビジョンの研究に役に立ちそうなフリーのライブラリやソースコードをまとめてみました。自分ではまだ使っていないものも多いので、そこはご容赦を。主にC/C++が中心です。 またライブラリ形式でない、いわゆる学会で発表した研究のコードをそのまま公開しているという人がたくさんいて、それに関しては特にメジャーなもののみ紹介しています。なにぶん僕の観測範囲は限られてますので、「このライブラリに触れないのはおかしい」、「説明が間違っている」等、ご意見大歓迎です。 定番(Standard) OpenCV 定番中の定番です。コンピュータビジョンに関して広範なアルゴリズムが実装されています。 http://code.opencv.org/projects/OpenCV/wiki/WikiStart Point Cloud Library ３次元点群データを扱うならこれ。Kinec

以前こちらの記事で紹介したマーカレスARのソースをGitHub上で公開しました。MITライセンスです。 こちらからダウンロードできます。 https://github.com/takmin/OpenCV-Marker-less-AR 本当はリファクタリングが終わってから公開しようと思っていたのですが、それを言っていたらいつまでたっても公開できなさそうなので、エイヤ！でアップロードしちゃいました。これから随時コードを整理していきたいと思っています。 このプログラムは 特定物体認識 トラッキング 重畳表示 の３つのパートに分かれていて、一応それぞれのアルゴリズムを入れ替えられるように作ってます。 言語はC++で書かれていて、以下のライブラリを使用しています。 OpenCV 2.3.1 https://sourceforge.net/projects/opencvlibrary/ GLUT 3.

今更ながらPRMUのアルゴリズムコンテスト2011課題をやってみたいと思います。 ttp://www.ccm.media.kyoto-u.ac.jp/alcon2011/ 既存のものを使うだけでアルゴリズム的に新しい所はありません。 また、難しいことは考えていないのでLevel-1の課題だけやります。 課題はじゃんけんの勝敗判定を画像処理で行うものです。 今回考えた処理の流れは以下の通りです。 1. 肌色検出で手の領域を抽出 2. 手の領域の輪郭線を抽出 3. 輪郭線をフーリエ記述子で表現 4. フーリエ記述子でパターン認識 なぜフーリエ記述子を使うのかというと、CUDAのFFTを試してみたかったからです。 1. 肌色検出 肌色検出で検索すると、HSVのHueを使う方法とYCrCbのCrCbを使う方法があるようです。 両方試してみましたが、今回の課題の画像ではCrCbを使った方がきれいに取

"The Dunny Collective - Brisbane River" by KayVee.INC 概要 OpenCVを用いてアルゴリズムを組む際、ある画像からある画像へ変換処理を行ったり、関数fを用いて新規に画像を生成したり、画像の結果を1つの値へと集約するなどの定型的な処理は非常に多く行われておりますが、並列処理を行いかつ速度を考慮したプログラムを組もうとするとある程度のコード量を必要とするためそれなりの手間となります。また画像処理によくあるループ文のネストが大量に発生するため、普通に組んでしまうと一見何をやっているのか非常に分かりづらいコードとなってしまいます。 cvutilはこのような冗長な作業を定型化し、複数のアルゴリズム関数とC++0xに新しく搭載されたラムダ式を使用して高速にアルゴリズムを記述することができます。このようにして作られたアルゴリズムは自動的にOpenMP

昨日公開されたKinect SDKですが、データをOpenCVに接続するサンプルを勉強がてら作ってみました。 やった事はKienct SDKのサンプルプログラム（SkeletalViewer）をベースに、画像表示部分のデータポインタをOpenCVのIplImageにコピーしています。 とりあえずこんな感じ↓ あ～～　部屋が狭い、汚い、ボロイ。 もともとのサンプルでは、Playerの部分はDepthデータに合わせてカラーで表示しているのですが、この部分は別ウィンドウに分けました。 ご興味があればサンプルプログラムはこちら↓よりダウンロードできます。 KinectSDK_OpenCV22.zip 上記ファイルをダウンロード、解凍し、解凍したフォルダ（OpenCV）をKinectSDKのサンプルフォルダ C:\Users\Public\Documents\Microsoft Research K

前回はWSGIアプリケーションからOpenCVを利用する例を挙げましたが、今回はクライアントをFlashとHTML5の両方で試してみます。といっても特別なことをする必要はなくて、公開されたURIからリソースを取得すればいいだけです。 、、 ということで既に先が見えて飽きてしまいましたが、簡単なデモと方針だけでも気力を振り絞って書いておきます。後はアプリ層の方々におまかせ;; OpenCVはPythonバインディングを使いますので、この部分は前回と同じくFlaskを使うことにします。クライアントがFlashの場合はテンプレートエンジン不要で、URIルーティングを行うためのWerkzeugがあれば十分です。ただ、Flaskなら情熱がなくてもたぶん最後まで書ききれるのでオススメ。最後に処理結果ですが、今回はStar Detectorのデモを作ろうと思うので、以下のようなJSON形式で返すことにし

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