Архив рубрики: Computer vision

Машинное обучение распознавать поворот лица (Machine learning to recognize face turn)

Введение Постановка задачи Оценка возможностей распознавать поворот лица через машинное обучение Программный код Полезные ссылки Введение Альтернатива традиционному алгоритмическому подходу – нейронная сеть, которую можно обучать предсказывать результат по выборке для обучения. При создании среды для обучения мы всегда должны помнить, что наличие хорошего показателя с набором данных для обучения не обязательно означает, что модель хорошо… Читать далее »

Обнаружение лица и выделение характерных точек (Face Detection in Python)

Введение Обнаружение лица через OpenCV Обнаружение лица в реальном времени (с помощью веб-камеры) Обнаружение лица через MTCNN Извлечение изображений лиц из фото Выделение характерных точек лица Обнаружение лица и выделение характерных точек  в реальном времени Полезные ссылки Введение Обнаружение лица — локализация и выделение области лица из фона. Это первый из этапов реализации системы распознавания лиц.… Читать далее »

Нейросеть для классификации фруктов на Python (Fruit Neural Network)

Введение Гистограммы изображений Создание Pickle-файлов Структура нейросети Полезные ссылки Введение В статье Идентификация образов по цвету, текстуре и форме  рассмотрен алгоритмический подход к решению задачи распознавания фруктов. В статье Artificial Neural Network Implementation using NumPy and Classification of the Fruits360 Image Dataset автора Ahmed Gad рассматривается альтернативный подход к решению подобной задачи  — с помощью нейросети (Artificial Neural… Читать далее »

Распознавание лиц. 3D- реконструкция ASM модели (Face Recognition. 3D reconstruction of ASM)

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

Идентификация по множеству признаков. Основы (Identification by multiple features. Basics)

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 признака на основе треугольного закона распределения Полезные ссылки Постановка задачи На сайте рассмотрено решение двух задач: Идентификация образов по цвету, текстуре и форме; Распознавание лиц… Читать далее »

Unity3D симулятор «Умная змейка со стереозрением» (Unity3D simulator «Smart snake with stereo vision»)

Постановка задачи Движение змейки к цели по прямой Установка камер на глазах змейки Поток изображений с камер Формализация движения в обход преград Считывание и анализ точек изображений Определение траектории движения Полезные ссылки Постановка задачи В статье Игра “Snake” на Unity3D было рассмотрено, как создать игру «Змейка». Змейка двигается вперед и меняет направление под управлением клавиш влево/вправо. Задача… Читать далее »

Выделение объектов на изображении по методу Виолы-Джонса (Object selection in the image according to the Viola-Jones method)

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 »

CMake компоновка OpenCV (CMake OpenCV layout)

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 »

Распознавание лиц на основе OpenCV для C++ (Facial Recognition based on OpenCV C++)

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 ASM (Active Shape Models) Идентификация по множеству признаков. Основы Идентификация по множеству признаков при помощи нейросети Система машинного обучения распознавания… Читать далее »

OpenCV in Android

Инсталляция  OpenCV в  Android Studio Захват видео с камеры Отслеживание лица из видео-потока, используя каскад Хаара Полезные ссылки Инсталляция  OpenCV в  Android Studio Скачиваю с сайта OpenCV архив opencv-3.4.3-android-sdk.zip, распаковываю его и размещаю папку из распакованного архива в корень диска C. Создаю в в  Android Studio проект: File -> New -> New Project. Даю проекту имя opencv_project. Нажимаю Next ->… Читать далее »

Введение в OpenCV программирование на C++ (Introduction to OpenCV C++ programming)

Инсталляция  OpenCV Выделение контуров на изображении Выделение лица на изображении Захват видеопотока с камеры и выделение контуров Полезные ссылки   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. Инсталляция  OpenCV Загружаю OpenCV-3.4.3-vc14-vc15 для Windows (у меня на компьютере Windows 10) Тестирование OpenCV проводил … Читать далее »

Основы компьютерного зрения  (Basics of computer vision — CV)

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 цвета. Что в действительности зрение обозначает?  Зрение – это источник метрической и семантической информации о трехмерном мире. Т.е., с помощью зрения мы определяем… Читать далее »

Поиск объектов на изображении (Search for objects in the image)

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 »

Алгоритмы вычитания фона (Background Subtraction Algorithms)

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 »

Поиск похожего изображения (Search for a similar image)

  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 »

Выделение особенностей на изображении (Highlighting features in the image)

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 изображения (Image segmentation)

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, отслеживание и описание контуров (Select, track and describe contours)

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 изображений (Preliminary image processing)

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 »

Алгоритмы cжатия изображений (Image Compression Algorithms)

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 »

Геометрическая модель камеры (Geometric camera model)

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 »

Формирование изображения в цифровой камере (Imaging in a digital camera)

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 »