Vad är OpenCV-spårning?
Open Source Computer Vision Library är det fulla namnet på OpenCV, ett programmeringsfunktionsbibliotek och öppen källkodsverktygssats för plattformsanvändning i realtid datorvisningsbildbearbetning och OpenCV-spårning. Utvecklad nära 2000-talets början var den ursprungligen avsedd för tredimensionella (3-D) skärmväggar och strålspårning. Genom att använda kreativ kodning kan OpenCV erbjuda ett ramverk för utvecklare av prestationsoptimerad visionbaserad kod i ett C- eller C ++ -gränssnitt initialt, även om det finns på flera språk, och är anpassningsbart för fjärranslutning på handhållna enheter. Den kan realisera videofiler i realtid, grundläggande videokonfigurationer, objektdetektering och rörelse- och färgspårning, bland andra funktioner. OpenCV kan kamerakalibreringar eftersom det kan hitta och spåra kamerakalibreringar och ställa in stereokorrespondens på videokameror.
Funktionen CalcGlobalOrientation för OpenCV-spårning beräknar rörelseriktning för en specifik region i samband med ett andra kommando från CalcMotionGradient och skapar en rörelseshistorik och tidsstämpel för att spåra rörelseriktning, returnera resultat i grader och registrera efterföljande skift. Det slutliga resultatet skulle vara en summa av den ursprungliga orienteringen och skiftvinklarna. Läsa och skriva av bildfiler och tvinga dem till en tre-kanals färgbild, filer kan ändras, direkt och indirekt åtkomst och konverteras till gråskalabilder eller färgbyte-bilder.
Det optiska flödet av bilder kan styras med hjälp av blockmatchningsspårning och varje pixel beräknas och instrueras i flöde. Tilldelning och släpp av bilder för en-kanals byte-bilder eller tre-kanals flyttbilder för att ställa in ett område av intresse eller klona en bild är möjliga. OpenCV gör det möjligt att fånga in rambilder från en videosekvens från en fil från flera kameror samtidigt genom att ta en bild från varje och sedan hämta från dem alla för att skapa och redigera nya videoflöden.
Facial OpenCV-spårning görs med hjälp av sina Camshift-funktioner. Denna funktion implementerar en objektspårningsalgoritm, hittar objektcentret, skapar ett färghistogram, beräknar ansikts sannolikhet och förskjuter sedan platsen för ansiktsrektangeln i varje videoram och gör justeringar genom att beräkna storlek och vinkel. Den koncentrerar de ljusaste pixlarna över det centrerade ansiktet och använder skala för att anpassa sig till mindre ansikten i efterföljande ramar om bilden dras tillbaka.
OpenCV-spårningsförmågor används i många applikationer. Från ansiktsigenkänning till gestigenkänning, mobil robotik, interaktionsprogram mellan mänskliga och datorer och stereopsis, vilket skapar stereosyndjupuppfattning genom att använda två kameror, använda objekt, färg och rörelsespårning. OpenCV har också statistiska maskininlärningsbibliotek som innehåller inlärningsmoduler för beslutsträd, spårningsalgoritmer för förväntnings-maximering, gradientökande träd och moduler som fungerar som konstgjorda neurala nätverk.