You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

オフィスでの居眠りを監視し、眠そうな人がいたら空調の温度が下がって強制的に起こす、という空調管理システムが話題になっていました。 www.nikkei.com https://t.co/NhLc3GByQv これネガティブに受け取られてるけどよく居眠りするサイドの意見としては居眠りって意図的にしてるわけではなくてむしろしなくて済むならしたくないので空調等の自然な形でそれを抑止してくれるのは結構いいと思う、仮眠とは話が別— メルセデスベン子 (@nomolk) 2018年7月26日 自分はよくなにかやりながら寝てしまう体質で、家でゲームやってたり本読んでるときでも寝てしまいます。眠い状態を経由せずに覚醒状態からいつのまにか寝てるので、我慢は無力です。なのでAI等の第三者が冷気とかでやさしく起こしてくれるならそれに越したことはないです。なので作ることにしました。 慶洋エンジニアリング(KEIY

#１．はじめに OpenCVには，様々な処理が用意されています。画像処理，映像解析，カメラキャリブレーション，特徴点抽出，物体検出，機械学習，コンピュテーショナルフォトグラフィ，3D可視化などが基本モジュールで用意されています。さらに，エクストラモジュールを追加することで，より豊富うな処理が利用できます。[1] OpenCV 3.x系を中心に話をします。 今回は，OpenCVの局所特徴量がどの程度簡単に使えるのか興味があり，局所特徴量を利用した物体検出を作成しました。 最近世間では，ディープな物体認識で盛り上がっていますが。 特徴点抽出に関する詳しい説明は，検索すれば多数ありますので，ここでは割愛します。 藤吉先生 (中部大学)のスライド「画像局所特徴量SIFTとそれ以降のアプローチ」は，とてもわかり易く説明されています。 #２．特徴点検出と特徴量記述 特徴点検出と特徴量記述は，featu

2017/02/03 JaSST’17 Tokyo

2. 経歴 – 2004 名古屋大学 卒業（村瀬研究室） – 2009 名古屋大学大学院 博士課程 修了（谷本研究室） – 2009 名古屋工業大学 助教 – 2015 名古屋工業大学 准教授 – http://fukushima.web.nitech.ac.jp/ 著書，記事など – コンピュータビジョン～アルゴリズムと応用 – Qiita：OpenCV Advent Calendar 2015 – OpenCV.jp（の一部） 略歴 2 3. 専門 – 画像処理 • 画像符号化，映像符号化 • 画像のノイズ除去 • エッジ保存平滑化フィルタの高速化 – 3次元画像処理 • ステレオマッチング • 任意視点画像合成 • デプスマップのデノイズ • デプスセンサのキャリブレーション • マルチカメラアレイ • AR，VR – 並列画像処理 • 画像処理のベクトル化・並列化 • 画像処

ﾃﾞｰﾌﾟﾗｰﾆﾝｸﾞはコモディティ化していてハンダ付けの方が付加価値高いといわれるﾋﾟ-FNで主に工作担当のtai2anです。 NHKで全国放送されたAmazon Picking Challengeでガムテべったべたのハンドやロボコン感満載の滑り台とかを工作してました。 とはいえ、やっぱりちょっとディープラーニングしてみたいので1,2か月前からchainerを勉強し始めました。 せっかくなので線画の着色をしたいなーと思って色々試してみました。 線画の着色は教師あり学習なので線画と着色済みの画像のデータセットが(できれば大量に)必要です。 今回はOpenCVでカラーの画像から線画を適当に抽出しています。 抽出例 → カラーの画像を集めて線画を作ればデータセットの完成です。（今回は６０万枚くらい使っています） ネットワークの形ですが、U-netという最初の方でコンボリューションする時の層の出

最新記事(inside out)へ  | 年と月を指定して記事を読む（クリック!） /　2001/　2002/　2003/　2004/　2005/　2006/　2007/　2008/　2009/　2010/　2011/　2012/　2013/　2014/　2015/　2016/　2017/　2018/　2019/　2020/ 2016年11月　を読む << 2016年12月　を読む >> 2017年1月 を読む 先月下旬頃、映画「君の名は。」画風変換アプリEverfilterが流行っていた。軽く遊んでみた印象は、「空領域抽出処理に破綻が少なく（適切で）、その処理はおそらく普通の枯れた方法を使って、画面の４端辺から領域判定を独立にかけてる」ように感じられた。 そこで、普通にやりそうなコードを書いてみたら、空領域抽出がどのくらいの品質が得られるか、確かめてみることにした。手っ取り早く試してみた

やりたいこと 最近娘が生まれて二ヶ月経過し、そろそろ笑ったりするようになりました。今回のテーマは娘が笑った瞬間を逃さずにカメラで撮影する事です。ちなみにこういう子どもをネタにして行うハック、僕はこれを『親バカハック』と呼んでます。 TL; DR Intel Edison でカメラをセット、一定のタイミングで撮影しつつ OpenCV で粗く笑顔認識させてから Google Cloud Vision API で表情解析 笑顔だと判定された画像を Slack で飛ばして画像をいつでも見れるようにする。 かわいい笑顔が撮れたので最高でした。 ハードウェアセットアップ Intel Edisonを手に入れたのでそれを使って作ります。Edison は Arduino 拡張ボードなら普通のUSB web camera 対応しているので、それをただぶっさして使います。 Intel Edison はSDカード

$k$は定数で、だいたい0.04~0.06くらいです。Rの値によって以下のように分類できます。 Rが大きい: corner Rが小さい: flat R < 0: edge 図にすると、以下のようになります。 CSE/EE486 Computer Vision I, Lecture 06, Corner Detection, p22 これで手早くcornerを検出できるようになりました。ここで、corner検出についてまとめておきます。 cornerは複数のedgeが集まる箇所と定義できる 変化量をまとめた行列の固有ベクトルからedgeの向き、固有値の大きさから変化量の大きさ(edgeらしさ)がわかる 2つの固有値の値を基に、edge、corner、flatを判定できる 固有値の計算は手間であるため、判定式を利用し計算を簡略化する なお、Harrisはedgeの向きである固有ベクトルを考慮す

ikashot.net ※ 現在、IEで画像が表示できない不具合があります。お手数ですがIE以外でのアクセスをお願い致します…すみません。 何を作ったか スプラトゥーンではバトルの履歴を見れないようになっているので、勝率がわかりません。自分の勝率がどの程度なのか知りたいなーと思ったので、勝敗を自動記録する仕組みを作ってみました。 仕組み 以下のような流れで処理しています。 Raspberry Piのpicameraで、TV画面をキャプチャする キャプチャ画像のなかにWIN or LOSEの結果が表示されているかOpenCVを使って判定する WIN or LOSEが検出されたら、WebAPIを通して結果画面のイメージと勝敗をアップロードする 不格好ですが、こんな具合にラズパイをセットしてTV画面をキャプチャしてます。 OpenCVの画像認識について WIN or LOSEの判定はOpenCV

「OpenCV 3.0」には、およそ1500のパッチが適用されるとともに、「opencv_contrib」リポジトリが追加されている。また、インテルIPP（インテグレーテッド・パフォーマンス・プリミティブ）のサブセットであるIPPCVを、商用／非商用を問わず無料で利用できる。 新機能としては、OpenCLを使ったGPUアクセラレーションへの透過的なアクセスを可能にするT-API（transparent API）を追加している。ただし、T-APIはコンパイル時やランタイム環境では利用できない。 さらに、ARMのNEONでは、およそ40のアクセラレーション機能を利用可能で、NEONに最適化されたコードを作成できるOpen CVアクセラレータである、Open CV HALレイヤーも用意する。 このほか、features2dやcalib3d、objdetectなどのアルゴリズムの整理や、Pytho

第19回 yidev（横浜iPhone開発者勉強会）にて、『OpenCV 3.0 on iOS』という発表をさせていただきました。 OpenCV 3.0 on iOS from Shuichi Tsutsumi 概要 OpenCV 3.0 の話、というよりは、最新版の3.0をベースとしつつ、「Core Image や vImage や GPUImage という便利で高速な画像処理ライブラリが存在する昨今においても OpenCV も依然として魅力的ですよ 」というのが発表の主題です。 なぜ今OpenCVか？ スライド内では、理由として以下の3つを提示しています。 圧倒的に機能が豊富 この点については、正直なところ Core Image、vImage、GPUImage は目じゃないかと。「2500以上のアルゴリズム・機能」と言われてもピンと来ないと思うので、具体的に「Core Image 等に

局所特徴量とは / SIFT, SURF 特徴量 このスライドが超わかりやすかったです。 画像認識の初歩、SIFT,SURF特徴量 from takaya imai で、SIFT (Scale-invariant feature transform)、SURF (Speed-Upped Robust Feature) というのは、拡大縮小・回転・照明変化に強いロバストな特徴量、としてよく知られているようです。 SURF の方が軽量で、その代わり認識精度は SIFT の方が良い、とのこと。 特徴量の用途 複数写真からのパノラマ写真合成 （上に載せたスライドより） AR のマーカー認識 下記画像はARのマーカー認識とは違いますが、そういう使い方ができそうだ、ということは汲んでいただけるかと。。 （http://docs.opencv.org/3.0-rc1/d7/dff/tutorial_fe

最近のOpenCVには、以下のような新しいフィルタ処理の関数が追加されています。 cv::fastNlMeansDenoising (photo) cv::adaptiveBilateralFilter (imgproc) この関数がどれくらい使えるものなのか、サクッと試してみました。あまり学術的に正確でないかもしれないですが、ご容赦ください。間違っていたら教えてください。 cv::fastNlMeansDenoising 下でもう一度話題にしていますが、手法の中身についてはこちらが大変参考になります。 http://opencv.jp/opencv2-x-samples/non-local-means-filter cv::adaptiveBilateralFilter 以下ドキュメントより。この関数、2.4.5には無く、2.4.8では有ったので、その間のいつごろかに追加されたようです。

OpenCVをRubyMotionから使う方法 RubyMotionからOpenCVを使えるようにするの(MotionCV)を今年ずっとやってましたのでAdvent Calendarではその解説を行います。 MotionCVの仕組み RubyMotionから使えるようにOpenCVをビルドするのはこのエントリーにも書いているのですが、OpenCVはC++で書かれているためiOS用にビルドされたライブラリをそのまま使えません。 OpenCVのiOS用ビルド環境を使いながら、RubyMotionからC++が見えないようにObjective-Cの薄いラッパーを作りそれを通して使います。 ビルド方法 ラッパープログラムはOpenCVのmodulesの一部として配備して、RakefileからOpenCVのiOS用ビルドスクリプトの中で一緒にビルドします。 具体的には私のOpenCVのForkのmot

iOS SDK では Core Image の CIDetector クラスで簡単に顔認識をおこなうことができます。iOS 7 からは、笑顔やまばたきの検出も可能に なりました。 が、CIDetector は detectorOfType:context:options: というメソッドの第1引数で Detector Type を指定できる設計になっているものの、 Detector Types - CIDetector Class Reference と、4つしか定義されてないので、結局のところ 顔・矩形・QRコード・文字領域しか認識できません。 ##車やロゴや犬やネコを認識する OpenCV には顔検出用の手法として、 Haar分類器 というものが実装されています。 この手法の詳細はここでは省略しますが、この手法は、 顔検出だけでなく、車やペット等、さまざまな対象を検出 するのに広く使用