OpenCV CV = Computer Vision

Slides:



Advertisements
Hasonló előadás
Tranzitív lezárt és Warshall algoritmus
Advertisements

OpenGL 2. gyakorlat Hapák József
1/13 Péter Tamás, Bécsi Tamás, Aradi Szilárd INNOVÁCIÓ ÉS FENNTARTHATÓ FELSZÍNI KÖZLEKEDÉS KONFERENCIA Budapest, szeptember 3-5. Útmenti objektumok.
Match Move Juhász Endre Muhi Kornél Urbán Szabolcs Számítógépes látás projekt.
F IGYELMI ALGORITMUSOKKAL VEZÉRELT HELYSZÍNANALÍZIS A BIONIKUS SZEMÜVEGBEN Persa György.
1 AIBO Robotfoci Bodor László IAR Bevezetés AIBO RoboCup AIBO RoboCup Célok Célok Rendszer elemei Rendszer elemei Megvalósítás terve Megvalósítás.
1 / / 13 Bevezető Forgalmi dugók okozta problémák: - Feszültség - Sietség - Szabálytalan közlekedés → baleseti források Megoldás: A jó megoldások.
Rekonstrukció bizonytalan vetületekből
Számítógépes algebrai problémák a geodéziában
Geometriai Transzformációk
Képelemzések a digitális fotogrammetriában
Számítógépes grafika Szirmay-Kalos László
Számítógépes grafika Szirmay-Kalos László
Digitális képanalízis
Táblázat kezelő programok
MATLAB jelenleg 6.5-ös változat (R13)
Dobókocka projekt Képfeldolgozás II..
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével
Virtuális méréstechnika
Intelligens ébresztő óra Számítógépes látás projekt 2011.
Objektum osztályozás Képfeldolgozás 2. Blaskovics Viktor, Hantos Norbert, Papp Róbert Sándor.
Adatbázis-kezelés ACCESS program:
Bináris képek létrehozása Cél: a vizsgálni kívánt objektumok elkülönítése. Szürke kép Bináriskép + szürke kép.
Számítógépes grafika, PPKE-ITK, Benedek Csaba, D képszintézis 4. előadás.
A virtuális technológia alapjai Dr. Horv á th L á szl ó Budapesti Műszaki Főiskola Neumann János Informatikai Kar, Intelligens Mérnöki Rendszerek.
Vámossy Zoltán 2004 (Mubarak Shah, Gonzales-Woods anyagai alapján)
Szűrés és konvolúció Vámossy Zoltán 2004
Feladatok - BAR K+F Vámossy Zoltán 2010 Summer School on Image Processing (SSIP) nyári egyetem feladatai és saját ötletek alapján.
Web-grafika (VRML) 10. gyakorlat Kereszty Gábor. Script típusok Elemi típusok: szám: egész vagy lebegőpontos – int / float – 1 / 1.1 string: ‘Hello World!’
Image Processing Toolbox múltkor: képek megjelenítése, betöltése, alapvető manipulációk Image Processing TB: további funkciók.
Tökéletes Hash függvények keresése Kasler Lóránd-Péter.
2D képszintézis és textúrák
Miskolci Egyetem Informatikai Intézet Általános Informatikai Tanszé k Pance Miklós Adatstruktúrák, algoritmusok előadásvázlat Miskolc, 2004 Technikai közreműködő:
Ficsor Lajos Miskolci Egyetem Általános Informatikai Tanszék
Bevezetés a Számítógépi grafikába - előadás
2. Koordináta-rendszerek és transzformációk
Ipari képfeldolgozás projekt II. mérföldkő
Készítette: Gergó Márton Konzulens: Engedy István 2009/2010 tavasz.
Gépi tanulás Tanuló ágens, döntési fák, általános logikai leirások tanulása.
Számítógépes grafika Bevezetés
Kötvényárazási hibák intelligens javítóalgoritmusának tervezése és fejlesztése GELLÉN ÁGNES IUFQ58.
Budapesti Műszaki Főiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek Konzulens: Vámossy Zoltán Projekt tagok: Marton Attila Tandari.
TransMotion Emberi mozgás digitalizálása
Kézmozdulat felismerő rendszer
Digitális képanalízis Pontoperátorok, matching. Nézzünk egy példát!
Rendszám Felismerő Rendszer Fajt Péter Vácz István
KINECT© szenzor intelligens terekben
Terepi mozgó és álló tárgyak felismerésére és azonosítására szolgáló integrált gépi látó rendszer.
GeoGebra A matematikai szabadszoftver tanuláshoz és tanításhoz
Orvosbiológiai képkereső rendszer teljesítményének képek osztályozásán alapuló javítása Június 23, 2008 Budapest Altrichter Márta Konzulens: dr. Horváth.
Barsi Árpád BME Fotogrammetria és Térinformatika Tanszék
Single View Metrology Juhász Réka Pintér Csaba Papp László Soponyai György.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Korlátkielégítési problémák Autonóm és hibatűrő információs.
F IGYELMI ALGORITMUSOKKAL VEZÉRELT HELYSZÍNANALÍZIS Persa György.
Project 4: Visual motion based Human-Computer Interface Jaksa Zsombor Németh József Ungi Tamás Utasi Tamás.
Bevezetés a méréskiértékelésbe (BMETE80ME19)
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Botyánszki Laczik Rácz
Reverse Engineering Rendszerfejlesztés II. 2. óra.
Képek, képfeldolgozás Szirmay-Kalos László.
GeoGebra Dinamikus matematika mindenkinek
Adatbázisszintű adatmodellek
Szécsi László 3D Grafikus Rendszerek 17. előadás
Sudoku.
Grafikus Rendszerek 6. Camera.
Készítette: Papp-Varga Zsuzsa
Innováció és fenntartható felszíni közlekedés konferencia 2016
Összefoglalás (nem teljes)
Összefoglalás (nem teljes)
A számítógép működésének alapjai
Előadás másolata:

OpenCV CV = Computer Vision eredetileg Intel fejlesztés (oroszországi kutatóközpont), ma ~GPL letölthető (3.1 beta): http://sourceforge.net/projects/opencvlibrary/

OpenCV C nyelvű könyvtár (cv… előtagú függvények és típusok) (néhol C++-szerű megoldásokkal) teljes forráskód hozzáférhető nem túl jó, de használható dokumentáció extra: GUI készítés és capture lehetőségek

OpenCV elemei: adatstruktúrák képek, mátrixok, sorozatok, halmazok, gráfok, fák, … műveletek adatstruktúrákon alapvető és nem annyira alapvető lineáris algebrai műveletek (Add, Trace, SVD, Det, …) logikai műveletek (Xor, …) alapvető statisztika (Sum, Avg, …)

OpenCV elemei: képfeldolgozás nagyjából minden, amit MATLAB tud: rajzolás, élek keresése, morfologikus műveletek (erodálás, dilatálás), szűrés, hisztogram, komponenskeresés, transzformációk (DCT, távolság), delanuay, voronoi amit MATLAB nem tud: sarkok (feature-ök) keresése (GoodFeaturesToTrack), piramisfelbontás (PyrUp, PyrDown, PyrSegmentation), bináris képen vonalak kiemelése (HoughLines2)

OpenCV elemei: mozgások analízise háttérlevonás, mozgás szétvágása különálló részekre (SegmentMotion) objektum követése: optic flow készítés (pl. MPEG szabványok, DivX) (sokféle algoritmus van implementálva) CamShift (követés színtér alapján) statisztikai modellek illesztése követéshez: Kálmán-szűrő, Condensation algoritmus snake-ek illesztése

OpenCV elemei: felismerés főkomponens analízis rejtett Markov-modellek (személy felismeréséhez) POSIT algoritmus: merev 3D objektumok pozíciójának felismerése vetített kép alapján robusztus objektum-detektálás (HaarDetectObjects)

Egyéb… virtuális kamera képének előállítása két különböző pozícióból fotózott kép alapján 3D követés két kamera képe alapján