固有顔による顔画像の認識
顔画像の認識でまず考えられるのは、目・鼻・口などの顔を構成する部品の形 状やそれらの配置の個人差に着目し、これらから特徴点を抽出して認識に利用 する方法である。しかし、顔画像からこれらの部品を精度よく抽出することは かなり難しい。また、各部品がうまく抽出できたとしても、類似した形状の差 を認識に利用することはそれほど容易ではない。そこで、このような顔に特有 の知識を用いるのではなく、顔画像そのものをパターンとして扱い、統計的パ ターン認識手法を適用する方向の研究が活発に行われている。 最も簡単なパターン認識手法は、パターン間のマッチングに基づく方法である が、画像そのものをパターンとして扱った場合には、パターンの次元が膨大に なってしまう。そのため、パターンを情報圧縮した後でマッチングを行う方法 がいくつか提案されている。パターンを情報圧縮すれば、入力条件の変動に対 して頑健な認識結果が得
A Stochastic Grammar of Images - lonerの日記
今週のゼミは、以下の論文(?)についてディスカッション。 A Stochastic Grammar of Images, Song-Chun Zhu and David Mumford, Foundations and Trends in Computer Graphics and Vision, 2007 出典のFoundations and Trends in Computer Graphicsというのは初耳ですが、64 pagesという長さからして、Conference paperでもなさそうですし、Journalにしても長すぎる。 前回、前々回の論文読みゼミと同じく、画像認識にStochastic Grammar (Probabilistic Grammar)を用いる手法についての論文です。 シーン全体を、シーンを構成する部分画像に分割したオブジェクト、さらにその部分オブジェクトへ
隠し撮り防止技術 - swk's log
* 隠し撮り防止技術 [tech] 2 users ジョージア工科大．UbiComp2005 で発表． http://japan.cnet.com/news/ent/story/0,2000047623,20087354,00.htm?ref=rss http://www.springerlink.com/%28optrfpb4o1ljavfnbpb1mkuk%29/app/home/contribution.asp?referrer=parent&backto=issue,5,22;journal,37,2219;linkingpublicationresults,1:105633,1 多くの CCD カメラ等が再帰性反射特性を持っていることを利用して検出するらしい．ストロボ炊いて赤目になるのと同じ原理．
肌色検出
使った写真資料は野外や室内、暗い所や明るい所などが混在しており、それゆえにRGB値では値の違いが激しい事がわかります。 そこで下の段に示すようにHSVの表色系で表す事にしました。 （H[0〜359]は色相を表し、下図の色相環の３時方向を0とし、反時計回りに値が大きくなる。S[0〜255]は色彩を表し、色相環の中心からの距離で表している。V[0〜255]は明度であり、色相環の円に直行する軸を取る。Vの値が小さいほど色が暗くなっていく。） HSV表色系は色相「H」と明度「V」が独立しているため、写真の明るさを気にせずに色合いを調べることができるワケです。上の表で注目すべきはHの値で、この値は0〜359の範囲であるにもかかわらず、どの肌色もあまり変わらない大きさになっていることがわかります。ちなみに、1〜8が日本人の肌、9が白人種、10が黒人種の肌のデータであります。つまり、人種に関わらず
L*a*b*表色系
L*a*b*表色系 L*a*b*表色系は、いわゆるＵＣＳの代表的なものです。ＵＣＳは、Uniform Color Spaceの略号です。日本訳では、「均等色空間」と言われます。ＵＣＳつまり均等色空間とは、心理的（色を見たとき）に、同じ色違いに見える色同士の距離（心理的な距離感）を均等にしてある色立体（＝色空間）のことです。ＣＩＥ（国際照明委員会）が１９７６年に推奨した色空間で、ＣＩＥ１９７６（L*a*b*）表色系と呼ばれ、ＣＩＥＬＡＢと略記されます。日本工業規格では、ＪＩＳ Ｚ 8729に規定されています。 たとえば、上の赤２色の色違いの度合いと、緑２色の色違いの度合いが、心理的に同じに見える時には、その２色間の距離を同じにするという考え方のもとに開発されたシステムです。色の並びが均等にできている、ということで、ＵＣＳと呼ばれます。このシステムの利点は、色違い（色差）が均等に測れる点です。
Haar状特徴に基づくブースト分類器のカスケードを利用する高速物体検知
Haar状特徴に基づくブースト分類器のカスケードを利用する高速物体検知 Rapid Object Detection With A Cascade of Boosted Classifiers Based on Haar-like Features はじめに このドキュメントでは高速物体検知のためのブースト分類器のカスケード の訓練と使いかたについて説明します． 過完備Haar状特徴の集合は，シンプルな個体分類器のための基底を提供します． 対象物検知の例としては，顔，目および鼻の検知やロゴ検知などがあります． ロゴ検知には，対象物のサンプル画像を注意深く多数収集する必要がないため， このドキュメントでロゴ検知を物体検知の例として取り上げ，説明します． ここでは，サンプル画像を注意深く多数収集する代わりに，1つの原画像から 対象物の多数のサンプル画像を生成するユーティ
太阳诚集团0638(中国)科技有限公司
销售热线: 13926994827（微信同号） 销售咨询：0756-3378258 邮箱： zhdahang@qq.com 地址:广东省珠海市高新区唐家湾镇金园二路399号康定科技产业园1#楼一层
satoshiwiki @Wiki - エラー
|新しいページ|検索|ページ一覧|RSS|@ウィキご利用ガイド | 管理者にお問合せ|ログイン| 以下から選択してください ------------------------- このページを編集 ページ名変更 差分 編集履歴 アップロード ------------------------- 新しいページ ページ一覧 @wikiパーツ 検索 ------------------------- | 新しいページ | 編集 | 差分 | 編集履歴 | ページ名変更 | アップロード | 検索 | ページ一覧 | タグ | RSS | ご利用ガイド | 管理者に問合せ | |ログイン|おすすめリンク | 転職ならen | 転職ならエン | 派遣ならen | アルバイトならen | 就職ならen | デジカメプリント | 年賀状 | ましかくプリント | 辞書 | | 2ch風無料掲示板 | 無料ブ
２次元フーリエ変換を用いた画像解析入門
１．はじめに 近年、画像処理や画像解析はコンピュータの発達・普及に伴って簡単、高速、安価に行うことが可能になった。衛生画像の解析、ファクシミリにおける画像圧縮、郵便番号読み取りなどのパターン認識、さらに動画の圧縮転送まで非常に広い分野で常識化している。ここでは２次元画像でよく行われているフーリエ変換を用いた周期性の評価法に関する基本的な事柄の解説を行う。 ２．画像について ２．１．ディジタル画像 コンピュータで処理可能なディジタル画像とは画素 (Pixel) と呼ばれる点の集合である。画素は図１のように２次元格子状に配置され、（横方向の画素数）×（縦方向の画素数）画素の画像と呼ばれる。図１は 16×8 画素の画像である。画素が多いほど高解像度の画像であり、細かい表現が可能になる。 さらに各画素は明るさや色によって特徴付けられる。明るさは、最も明るい状態と真っ暗な状態を何段階で表現するかによ
Insider's Eye：PDC 2003レポート No.3--Longhornの機能と構造 3．XAMLによる宣言型のアプリケーション開発 - ＠IT
この例では文字出力しかしていないが、テキスト・ボックスやボタンを作ってユーザー入力を受け付けたり、各種の図形を描画したり、ビデオを再生、描画させたり、さらにはC#やVB.NETで書かれたルーチンなどを呼び出したりすることができる。結局のところXAMLとは、Avalonやマネージ・コード（CLR）を呼び出すための宣言型の言語というのが本当のところだろう。現実的なアプリケーション開発の場面では、まずXAMLでユーザー・インターフェイスのプロトタイプを作成し、必要に応じてXAMLからマネージ・コードを呼び出すようにすることになるだろう。XAMLのコードと、そこから呼び出されるコードは分離して開発を進めることができるので（コード・ビハインド）、例えばデザイナーとプログラマーが分担してアプリケーションを開発するといった場面で効果的に利用できる。現在のWhidbey（次期VS.NET）にはXAMLをG
1
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
Proportional Transportation Distance
http://f53.aaa.livedoor.jp/~biiko/wifky/wifky.pl?p=j3lr