내 인생에도 예쁜 꽃이 피었으면 좋겠다

http://aidiary.hatenablog.com/entry/20091018/1255862734 3日で作る高速特定物体認識システム (1) 物体認識とは OpenCV 画像認識 情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非..

http://aidiary.hatenablog.com/entry/20091024/1256384360 3日で作る高速特定物体認識システム (1) 物体認識とは（2009/10/18）の続きです。 今回は、画像からSIFT (Scale-Invariant Feature Transform) という局所特徴量を抽出するところを作ってみようと思います。 SIFT特徴量の抽出 まずは、局所特徴量の代表ともいえるSIFTを試してみます。OpenCVにはSIFTを抽出する関数がなかったのでRob Hess氏がC言語で実装したライブラリを試してみます。内部でOpenCVを使っているので事前にOpenCVのインストールが必要です。実装はOpenCV 1.1でされているみたいですが、2.0でもちょっと手直しすると動きました。Rob Hess氏のホームページからSIFT Feature De..

http://aidiary.hatenablog.com/entry/20091030/1256905218 3日で作る高速特定物体認識システム (2) SIFT特徴量の抽出（2009/10/24）の続きです。あっ、3日経っちゃいました。 今回は、SIFTとは別の局所特徴量であるSURF（Speeded Up Robust Features）を抽出してみます。SURFのFはFeaturesなのでSURF特徴量とは言わないのかな？SIFTとは抽出方法は違いますが、画像からキーポイントと特徴ベクトルを抽出する点では同じです。抽出速度はSIFTより数倍高速だそうですが、精度は多少落ちるとのこと。リアルタイム処理したいときはこっちのほうがよさそうです。また、OpenCVにもすでに実装されています。SURFの詳しいアルゴリズムは後で論文を読むとしてとりあえず試してみます。 画像からSURFを抽..

http://aidiary.hatenablog.com/entry/20091102/1257167398 3日で作る高速特定物体認識システム (3) SURFの抽出（2009/10/30）のつづき。 画像からSIFTや SURFといった局所特徴量を抽出できるようになったのでここらでそれを応用してみます。特徴点のマッチングを取ることで2つの画像間で対応する場所を求められるようになります。下の例のような感じです。下の図で2つのキーポイント間にひいた直線は、両端のキーポイントの特徴ベクトルが似ている（距離が小さい）ことを表しています。 以下、プログラムです。keypoint_matching.exe [画像1のファイル名] [画像2のファイル名] のように2つの画像ファイルを入力として与えると上のようにマッチング画像が表示されます。#include #include #include ..

http://aidiary.hatenablog.com/entry/20091114/1258172261 3日で作る高速特定物体認識システム (4) 特徴点のマッチング（2009/11/2）のつづきです。 今回は、高速特定物体認識システムの物体モデルデータベースを作成してみます。クエリとして与えた画像が何かはこの物体モデルデータベースを検索することで認識できるようになります。特定物体認識では、クエリとして与えた画像が物体モデルデータベースにあらかじめ登録されていないとまず認識できません（局所特徴量を用いるので多少のスケール変化や回転などには対応できますが）。忘れてしまった方は物体認識システムの構成（2009/10/18）を参照してください。 画像データセットの準備 自分で撮影した画像を登録できるようにしてもよかったのですが、大量の画像を撮影するのは面倒なのでおなじみのCaltec..

http://aidiary.hatenablog.com/entry/20091122/1258853886 3日で作る高速特定物体認識システム (5) 物体モデルデータベースの作成（2009/11/14）のつづきです。 今回は、クエリを与えたときに物体モデルデータベースの中から一番似ている物体を探し出してクエリが何かを認識する部分（いわゆる、特定物体認識）を作ります。一番似ている物体を探し出す方法として、一番簡単な線形探索というアルゴリズムを使います。線形探索は遅いですが実装も簡単です。 キーポイントの最近傍点投票 クエリと一番似ている物体を検索するにはキーポイントの特徴量同士を比較します。各画像は数百から数千個の128次元の特徴ベクトルを持っているので単純に2つのベクトルを比較するという方法は使えません*1。代わりに最近傍点の投票方式を使います。クエリの各特徴ベクトルに一番近い（..

http://aidiary.hatenablog.com/entry/20091212/1260624075（2009/11/22）のつづきです。今回がこのシリーズの最終回です。 前回の線形探索は遅すぎるので最近傍探索を高速化します。これで表題の高速特定物体認識システムができあがります。高速化にはいくつかの方法がありますが、物体モデルデータベースをなんらかのデータ構造にあらかじめ格納しておくというのがポイントです。今回は、資料でも述べられているkd-treeとLocality Sensitive Hashing (LSH)という手法を試してみます。kd-treeは木構造、LSHはハッシュでデータを構造化（インデキシング）します。kd-treeは、厳密な最近傍を求めますが、LSHは近似最近傍検索と呼ばれ、厳密な最近傍は求められない代わりに計算を大幅に高速化できます。 資料では、ANN ..

방법1.이클립스에서 openCV 실행할 수 있도록 설정 방법2.VB에서 openCV실행 방법3.CMAKE로 보기 현재 내 상황.. 세개다 망.. 동영상 추가 +)http://pushpendrapaliwal.blogspot.kr/2012/12/opencv-tutorial-243-install-guide.html > 더 보기 (설치중 에러가 난다면) └ 접기 1. CMake Error: The source directory "C:/opencv" does not appear to contain CMakeLists.txt. Specify --help for usage, or press the help button on the CMake GUI. ​ ====> ​ opencv 폴더 내 CMakeLists.txt ..

openCV해보려고 설정할 때minGW가 뭐 매니저 어쩌고 하는 것만 설치가 됐는데..어려워서 포기하고 이 페이지에서 파일 내려받아서 따라함. 그림 안드네..귀찮으니까 패스..http://www.javaexpert.co.kr/entry/Windows7-%EC%97%90%EC%84%9C-minGW-%EC%84%A4%EC%B9%98%ED%95%98%EA%B8%B0 필자는 지난 글에서 Windows 에서 C/C++ 을 공부하기 위해 굳이 Visual C++ 을 설치하지 않아도 된다고 썼다. MFC 또는 Windows Programming 을 배우거나 개발하기 위해서는 당연히 Microsoft Visual C++ 을 설치해야 하겠지만, C/C++ 문법을 배우고자 할 때 무겁고 비싼 프로그램을 설치하지 말고 De..

openCV한글매뉴얼 일본어로 된 것을 번역 한거라고 한다.