Архив автора: sv

Постановка задачи Пространственная система координат, привязанная к лицу Алгоритм определения 3D-координат Программа для тестирования предложенного метода Постановка задачи В статье Распознавание лиц на основе OpenCV для C++  изложены концепции распознавания лиц  на основе Facemarks модели. Признаки для идентификации определяются из статистических связей (расстояний) между расположением антропометрических точек лица. Очевидно, что расстояния между точками проецируются на изображение с различными… Читать далее »

Постановка задачи Подбор веса связей через оптимизацию погрешности выходных сигналов Полезные ссылки Постановка задачи В статье Идентификация по множеству признаков. Часть2 (Использование нейросети) исследуются возможности решения задачи  Идентификации по множеству признаков. Часть 1 (Основы) с помощью нейронной сети (НС). При этом веса связей между нейронами выбирались на основе различных факторов, напрямую не связанных с конечным результатом. Обучение… Читать далее »

Постановка задачи Однослойная нейросеть Нейроеть с промежуточным слоем из пар конкурентов Полезные ссылки Постановка задачи Ниже исследуются возможности решения задачи идентификации по множеству признаков с помощью нейронной сети (НС). Распознающую систему представим в виде «чёрного ящика». У этого ящика есть n входов, на которые подаются значения признаков субъекта для распознавания x={x1,x2,…,xn} и k выходов y={y1,…,yk}… Читать далее »

Постановка задачи Классификация множеств признаков Идентификация субъекта по сумме одинаковых оценок признаков Средневзвешенная оценка веса признаков Последовательный попарный отбор претендентов на сходство Отбор претендентов на сходство по круговой системе Оценка весомости признака на основе треугольного закона распределения Полезные ссылки Постановка задачи На сайте рассмотрено решение двух задач: Идентификация образов по цвету, текстуре и форме; Распознавание… Читать далее »

Объекты (например, лица) выделяются, если признаки в сканирующем окне совпадают с признаками на выделенной окном части изображения: Этот подход к детектированию объектов на изображении комбинирует четыре ключевые концепции: Простые прямоугольные функции-признаки, называемые функциями Хаара. Интегральное изображение для быстрого обнаружения функции. Метод машинного обучения AdaBoost. Каскадный классификатор для эффективного совмещения множественных функций. Результаты обучения каскадов складываются… Читать далее »

У меня возникла проблема при создании проекта приложения с OpenCV. После вставки кода появляются ошибки из-за того, что  что  в OpenCV 3.4.3-vc14-vc15 отсутствуют ряд библиотек, необходимых для запуска приложения. Возможное решение проблемы — компоновка OpenCV из новейших модулей при помощи  системы CMake. Новые модули часто не имеют стабильного API пока они не прошли проверку. Поэтому они не… Читать далее »

Введение Захват видеопотока с камеры и выделение лица Выделение особых точек лица (Facial Landmark Detection) Выбор признаков для фильтрации изображений и распознавания лиц Алгоритм распознавания лиц по 2D-каркасу точек  Программа сравнения лиц по одному признаку 3D- реконструкция Facemark модели по одному изображению Идентификация по множеству признаков. Часть 1 (Основы) Идентификация по множеству признаков. Часть 2 (Использование… Читать далее »

Инсталляция  OpenCV Выделение контуров на изображении Выделение лица на изображении Захват видеопотока с камеры и выделение контуров Полезные ссылки Инсталляция  OpenCV Загружаю OpenCV-3.4.3-vc14-vc15 для Windows (у меня на компьютере Windows 10) Тестирование OpenCV проводил  для  Visual Studio 2015, которая на тот момент была установлена у меня на компьютере. Возможна ли работа OpenCV 3.4.3-vc14-vc15 с другими версиями Visual Studio… Читать далее »

  OpenCV (англ. Open Source Computer Vision Library, библиотека компьютерного зрения с открытым исходным кодом) — библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом. Цель задачи создания компьютерного зрения (КЗ) –  проложить мостик между тем, что видит компьютер, и, что видим мы. Для компьютера изображение — это набор пикселей, у каждого из которых есть своё значение… Читать далее »

Базовые методы: Цветовые фильтры. Выделение и анализ контуров. Сопоставление с шаблоном. Работа с особыми точками. Методы машинного обучения. Машинное обучение — для решения задач обнаружения и распознавания, которые сводятся к построению классификатора изображений. Классификатор изображений состоит из двух частей: метод извлечения признаков (feature extractor) и собственно классификатор. Способы построения классификатора изображений: Гистограмма направленных градиентов (Histogram… Читать далее »

Обнаружение объектов методом Оцу: Из гистограммы человек легко видит, что имеется два четко разделяющихся класса точек (объекта и фона). Суть метода Оцу заключается в том, чтобы выставить порог между классами таким образом, чтобы каждый их них был как можно более «плотным». Если выражаться математическим языком, то это сводится к минимизации внутриклассовой дисперсии. При решении задачи идентификации… Читать далее »

  Сначала конкретизируем задачу. Что такое “похожие” изображения? Это — собачка определенной породы, детский школьный рюкзак,  … Прежде всего необходимо  определить метрику похожести изображений. Метрика может отличаться от задачи к задаче. Например, нам нужно находить картинки, близкие по цветовой гамме, по формам объектов или как определить фотографии одной и той же собаки в разных ракурсах. Если… Читать далее »

Особенности (features) – точечные участки (особые точки), которые чем-то выделяются на изображении: углы; пятна (Blob); особые точки линий (ответвления, окончания, пересечения …). Подходы к определению особых точек: на основе интенсивности точек изображения; использование контуров изображения; использование модели-шаблона. Требования к особым точкам: Отличимость (distinctness) – особая точка должна  быть отличимой в своей окрестности. Инвариантность (invariance) – … Читать далее »

Сегментация — выделение областей, однородных по какому-либо критерию, например по яркости. Существуют два альтернативных подхода к решению задачи сегментации: путем выделения границ областей; путем наращивания точек области. Первый подход основан на идее “разрывности” свойств точек изображения при переходе от одной области к другой.  При этом выделение границ областей позволяет идентифицировать и сами области. Второй подход реализует стремление… Читать далее »

Выделение контуров — определение набора пикселей, которые проходят на границе между двумя областями изображения. Отслеживание контуров (векторизация) — представление граничных точек контура последовательностью из множество точек контура. Описание контуров — определение линий, которыми аппроксимируется последовательность из множество точек контура. Выделение контуров Теория Под контуром изображения будем понимать точки, между которыми происходит изменение значений яркости яркости. Изменение яркости характеризуется высотой… Читать далее »

Предварительная обработка изображения — процесс улучшения качества изображения, ставящий целью получение на основе оригинала максимально точного и адаптированного для автоматического анализа изображения . Среди дефектов цифрового изображения можно выделить следующие виды: Цифровой шум Цветовые дефекты (недостаточные или избыточные яркость и контраст, неправильный цветовой тон) Размытость (расфокусировка) Методы предварительной обработки изображений зависят от задач исследований и могут включать… Читать далее »

Сжатие – представление информации в более эффективном виде, влекущее за собой уменьшение объема данных (как правило). В основном алгоритмы сжатия используют свойства графических данных: избыточность – группы одинаковых символов; предсказуемость – часто повторяющиеся одинаковые комбинации символов; необязательность – данные, мало влияющие на человеческое восприятие. Оценки методов сжатия: степень сжатия – отношение объема сжатого файла к… Читать далее »

Последовательно перейдем от модели камеры обскура к модели центральной проекции (перспективы) и затем к системе координат снимка. Сначала перенесем объект на противоположную сторону относительно диафрагмы (центра проекций), сохраняя фокусное расстояние. При этом изображение перевернем. С экраном (плоскостью проекций) совместим систему координат. Значение координаты z = F-L. При F>L значение координаты z положительно:   Перспективная проекция… Читать далее »

Начнем с простого. Рассмотрим простейшую камеру (Камера-обскура) От каждой из точек объекта отражаются лучи света. Отверстие в преграде  пропускает только лишь один луч. Если не установить преграду, то на пленке получим бессмысленное изображение. Отверстие в преграде называется апертурой или диафрагмой. В реальности оно пропускает больше одного луча. При этом точка отображается на пленке пятном. Если… Читать далее »

Моделирование задачи распознавания прямоугольников Распознавание фигур на основе «выборки для обучения» Распознавание фигур «через самообучение» Сортировка плоских деталей Алгоритм задачи “Разбор завала” Программные реализации: Формирование контуров Распознавание прямоугольников (по признаку равенства сторон и диагоналей) Распознавание прямоугольников (по признаку прямого угла) Моделирование задачи распознавания прямоугольников Постановка задачи определяется целью и возможностями ее реализации. Цель. Разработать программу… Читать далее »

Формат монохромного BMP файла VLISP программа считывания данных из BMP-файла (монохромного) Формат BMP (24-bit Bitmap) Загрузка и чтение BMP (24-bit Bitmap) на VB.NET C++ программа считывания данных из BMP (24-bit Bitmap) Формат Bmp (256-цветной) Формат монохромного BMP файла Создайте в графическом редакторе PAINT растровое изображение размером 50*35 пикселов. Выберите максимальный масштаб изображения и включите сетку.… Читать далее »