Hvad er OpenCV -sporing?
Open Source Computer Vision Library er det fulde navn på OpenCV, et programmeringsfunktionsbibliotek og open source værktøjssæt til brug af platform i realtid computervision billedbehandling og OpenCV-sporing. Udviklet i nærheden af det 21. århundrede blev det oprindeligt målrettet for tredimensionelle (3-D) displayvægge og stråleporing. Ved hjælp af kreativ kodning kan OpenCV tilbyde en ramme til udviklere af præstationsoptimeret visionbaseret kode i en C ++ -grænseflade oprindeligt, skønt den er tilgængelig på flere sprog, og kan tilpasses til fjernbrug på håndholdte enheder. Det er i stand til videofile i realtidoptagelse, grundlæggende videokonfigurationer, objektdetektion og bevægelse og farvesporing, blandt andre funktioner. OpenCV er i stand til kamerakalibreringer, da det kan finde og spore kamerakalibreringer og indstille stereokorrespondance på videokameraer.
CalcGlobalorientation -funktionen til OpenCV -sporing beregner bevægelsesorientering af en specificeret region i forbindelseMed en anden calcmotiongradient -kommando og skaber en bevægelseshistorie og tidsstempel til at spore bevægelsesretning, returnerende resultater i grader og registrere efterfølgende skift. Det endelige resultat ville være en sum af den originale orientering og skiftvinklerne. Læsning og skrivning af billedfiler og tvang af dem til et tre-kanals farvebillede, filer kan ændres, direkte og indirekte tilgængelige og konverteres til gråtonebilleder eller farvebyte-momes.
Den optiske strøm af billeder kan instrueres ved hjælp af blokering af blokering af blokering, og hver pixel beregnet og instrueret i flow. Tildeling og frigivelse af billeder til en-kanals byte-billeder eller tre-kanals floatbilleder for at indstille et område af interesse eller klone et billede er muligt. OpenCV tillader optagelse af rammebilleder fra en videosekvens fra en fil fra flere kameraer samtidig ved at gribe et billede fra hverg fra dem alle, for at oprette og redigere nye videostrømme.
Facial OpenCV -sporing udføres ved hjælp af dens camshift -funktioner. Denne funktion implementerer en objektsporingsalgoritme, finder objektcentret, skaber et farvehistogram, beregner ansigtssandsynlighed og skifter derefter placeringen af ansigts rektangel i hver videoramme og foretager justeringer ved beregning af størrelse og vinkel. Det koncentrerer de lyseste pixels over det centrerede ansigt og bruger skala til tilpasning til mindre ansigter i efterfølgende rammer, hvis billedet trækker sig tilbage.
OpenCV -sporingsevner bruges i mange applikationer. Fra ansigtsgenkendelse til gestusgenkendelse, mobilrobotik, interaktionsprogrammer for menneskelig-computer-interaktion og stereopsis, hvilket skaber stereo-vision dybdeopfattelse ved at bruge to kameraer, gøre brug af objekt, farve og bevægelsessporing. OpenCV har også statistiske maskinlæringsbiblioteker, der indeholder beslutningstræets læringsmoduler, forventningsmaksimeringssporingsalgoritmer, gradientBoosting træer og kunstige neurale netværk, der fungerer moduler.