第3回 オブジェクト検出してみよう | gihyo.jp
第1回、第2回と画像認識の基礎とOpenCVについて紹介してきました。第3回目の今回は、いよいよ本連載の目玉であるOpenCVを使ったオブジェクト検出に挑戦してみます。 オブジェクト検出の仕組み 基本原理のおさらい オブジェクト検出のプログラムを書き始める前に、そもそもどんな仕組みでオブジェクト検出を行っているのかを理解しましょう。 第1回では画像認識の原理として、学習フェーズと認識フェーズがあることを説明しましたが、OpenCVに実装されているオブジェクト検出プログラムもこの流れに従います。つまり、画像から特徴量を抽出し、学習アルゴリズムによってオブジェクトを学習します（詳しくは第1回を参照してください）。 図1 画像認識の流れ OpenCVに実装されているオブジェクト検出プログラムは、Paul Violaらのオブジェクト検出の研究［1］をベースに、Rainer Lienhartらが
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
結局なんやねん！ OpenCVで物体検出 - haartraining.exe
引き続きOpenCVでの物体検出について述べよう． ポジティブサンプルを作成したら，次はいよいよトレーニング．haartraining.exe -data classifier/test -vec vec/positive.vec -bg bg/negative.txt -npos 100 -nneg 100 -mem 2000 -minhitrate 0.90 -maxfalsealarm 0.01 -nstages 3 -w 24 -h 24 "-data"引数には作成するカスケード識別器名を記述する．ここではclassifierディレクトリの下のtestディレクトリとして作成される．testディレクトリの下に，トレーニング後の各ステージのパラメータがテキストとして保存される． "-vec"引数にはcreatesamples.exeで作成したポジティブサンプルデータを指定する． "-b
HoG vs Haar-like feature ベンチマーク - コンピュータビジョンの日々
OpenCVのサンプルとしても公開され、すっかり有名になった Haar-like特徴量と AdaBoost分類器を用いた顔認識手法だが、現在最先端の画像処理研究では、HoGという特徴量が注目されている。 HoGは、"Histogram of oriented Gradient"の略で、直訳すると、「方向づけられた勾配のヒストグラム」ということになる。つまり、入力画像の勾配（微分画像）を求め、それを局所領域ごとに勾配方向で区間分割してヒストグラムを取ったものを特徴量としようとする手法である。 これは2005年にNavneet DalalとBill Triggsによって提唱された新しい手法で、Haar-likeよりも分別能力が高そうだということで、盛んに研究されている。 私も今、HoGを使った物体認識処理を試作しているところであるが、データ空間として線形分離しやすいらしく、SVM(サポートベク
第4回 オブジェクト検出器の作成方法 | gihyo.jp
お久しぶりです。私事でなかなか執筆の時間がとれず、前回の掲載から長く時間が空いてしまい申し訳ありませんでした。皆さんから寄せられたコメントには非常に励まされました。 というわけで、今回はいよいよ最終回です。前回はオブジェクト検出器を使って顔を検出するところまで行いました。今回は、オリジナルオブジェクト検出器を作成してみます。 今回作成するプログラムのソースコードは、こちらから一括してダウンロードすることができます。 Data.zip 学習の流れと仕組み 学習の流れ 前回のおさらいになりますが、オブジェクト検出器は機械学習という方法を通して作成されます。つまり、コンピュータプログラムに検出したいオブジェクトの画像（正解画像）とそうでない画像（非正解画像）を与えることで、オブジェクトが含まれている画像の傾向というのをコンピュータに覚えさせていきます。 学習の流れを簡単にまとめると以下の通りです
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
処理を実行中です
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
AndroidのNFC機能でFeliCaの読み書きをする | −ゆめログ− | ゆめみスタッフブログ
