Дата проведения: 19 декабря, четверг, 2013 года в 10 :00 и 17:00 (по московскому времени)
Организаторы: Softline и MathWorks
Компании Softline и MathWorks приглашают вас принять участие в бесплатном вебинаре «Компьютерное зрение в MATLAB для задач детектирования и слежения», который состоится 19 декабря в 10:00 и 17:00 по московскому времени.
Компьютерное зрение – технологии для обнаружения, слежения и классификации объектов и событий на изображениях и видео. Различные техники помогают в интерпретации получаемой видео и фото-информации. В этом вебинаре будут подробно рассказанно о задачах обнаружения и слежения. Для этих целей будет использоваться Computer Vision System Toolbox, в функциях, блоках и объектах которого зашиты многие стандартные алгоритмы.
На примерах будут рассмотрены несколько тем:
- Распознавание объектов с помощью SURF метода
- Распознавание лиц и людей в полный рост методами Viola–Jones и HOG
- Слежение за отдельными объектами с помощью метода Kanade-Lucas-Tomasi (KLT)
- Использование фильтра Калмана для предсказания положения движущегося объекта
- Реализация слежения за несколькими объектами одновременно
Вебинар предполагает знакомство с MATLAB и обработкой изображений. На вебинар приглашаются инженеры, программисты и научные сотрудники, работающие в области обработки изображений, видео и компьютерного зрения.
Участие бесплатное.
Чтобы получить ссылку на подключение к вебинару, пожалуйста, выберите удобное для участия время и зарегистрируйтесь * :
*Вносить данные необходимо на русском языке. После регистрации участник получит письмо с дальнейшими инструкциями.
Компьютерное зрение – технологии для обнаружения, слежения и классификации объектов и событий на изображениях и видео.
Различные техники помогают в интерпретации получаемой видео и фото-информации. В этом вебинаре мы подробно остановимся на задачах обнаружения и слежения. Для этих целей будем использовать Computer Vision System Toolbox, в функциях, блоках и объектах которого зашиты многие стандартные алгоритмы.
На примерах мы рассмотрим несколько тем:
• Распознавание объектов с помощью SURF метода
• Распознавание лиц и людей в полный рост методами Viola–Jones и HOG
• Слежение за отдельными объектами с помощью метода Kanade-Lucas-Tomasi (KLT)
• Использование фильтра Калмана для предсказания положения движущегося объекта
• Реализация слежения за несколькими объектами одновременно
Вебинар предполагает знакомство с MATLAB и обработкой изображений.
На вебинар приглашаются инженеры, программисты и научные сотрудники, работающие в области обработки изображений, видео и компьютерного зрения.
Пожалуйста, предварительно зарегистрируйтесь.
Компьютерное зрение в MATLAB для задач детектирования и слежения
Mikhail Shpak, Softline
Компьютерное зрение – технологии для обнаружения, слежения и классификации объектов и событий на изображениях и видео. Различные техники помогают в интерпретации получаемой видео и фото-информации. В этом вебинаре мы подробно остановимся на задачах обнаружения и слежения. Для этих целей будем использовать Computer Vision Toolbox, в функциях, блоках и объектах которого зашиты многие стандартные алгоритмы.
На примерах мы рассмотрим несколько тем:
- Распознавание объектов с помощью SURF метода
- Распознавание лиц и людей в полный рост методами Viola–Jones и HOG
- Слежение за отдельными объектами с помощью метода Kanade-Lucas-Tomasi (KLT)
- Использование фильтра Калмана для предсказания положения движущегося объекта
- Реализация слежения за несколькими объектами одновременно
Вебинар предполагает знакомство с MATLAB и обработкой изображений.
На вебинар приглашаются инженеры, программисты и научные сотрудники, работающие в области обработки изображений, видео и компьютерного зрения.
Computer Vision System Toolbox
Computer Vision System Toolbox (набор средств для проектирования систем компьютерного зрения) содержит алгоритмы и инструменты для разработки и моделирования систем компьютерного зрения и обработки видео.
Он включает методы для выявления деталей, детектирования движения, обнаружения и отслеживания объектов, стереозрения, обработки и анализа видео. Имеются инструменты для ввода/вывода видео-файлов, отображения видео, построения графики и компоновки.
Данные возможности предоставлены в виде системных объектов и функций MATLAB, а также блоков Simulink. Кроме того, системный набор инструментов поддерживает арифметику с фиксированной точкой и генерацию Си кода, что позволяет быстро создавать прототипы системы и разрабатывать встраиваемые системы.
Этот тулбокс поддерживает параллельные вычисления. Узнайте больше.
Деталь или особенность – это «интересная» часть изображения, такая как угол, капля, угол или линия. Выделив детали можно получить набор векторов признаков, также называемых дескрипторами набора полученных особенностей.
Computer Vision System Toolbox предоставляет следующие возможности по детектированию и выделению деталей:
- обнаружение углов, включая методы Shi & Tomasi, Harris и FAST;
- SURF и MSER детектирование капель и регионов;
- получение дескрипторов простых пиксельных окрестностей и SURF;
- отображение расположения деталей, их масштаба и ориентации.
Кроме того, системный набор инструментов предоставляет функции для сравнения двух наборов векторов признаков и визуализации результатов. Комбинируя вместе техники обнаружения, выделения и сравнения деталей можно решить множество задач компьютерного зрения, таких как регистрация, стереозрение, обнаружение и слежение за объектами.
Computer Vision System Toolbox поддерживает алгоритмы автоматической регистрации изображений путем оценки геометрических различий между снимками или видео фреймами на основе обнаруженных особенностей.
Вот несколько примеров использования данной возможности:
- построение видео-мозаики,
- стабилизация видео,
- объединение изображений
- стереозрение.
Регистрация изображений на основе полученных деталей.
Обнаружение, выделение и сопоставление деталей – это первые шаги в работе по сопоставлению изображений. Используя один из нескольких видов алгоритмов определения особенностей, имеющихся в системном наборе инструментов, можно получить и извлечь характерные детали для каждого из двух сравниваемых снимков. Затем определить и отобразить возможные соответствия между ними. Как правило, этот рабочий процесс дает множество точек, представляющих интерес для сопоставления, включая некоторое количество погрешностей, которые можно устранить с помощью надежных статистических методов, таких как RANSAC или сумма наименьших квадратов, служащих для вычисления схожести и аффинного или проективного преобразования. В завершение можно применить полученное геометрическое преобразование для выравнивания двух изображений.
Исправление стерео-изображений трансформирует пару стерео-изображений таким образом, чтобы соответствующая точка на одном изображении могла быть найдена в соответствующем ряду на другом изображении.
С помощью системного набора инструментов можно очистить пару стерео-изображений, определив набор точек соответствия, оценив фундаментальную матрицу и, затем, получив два проективных преобразования. Данный процесс сводит проблему соответствия 2D стерео-изображений к 1D, что упрощает алгоритм определения глубины каждой точки сцены в камере.
Детектирование округлостей на изображении средствами MATLAB
В этом топике я приведу альтернативный подход к задаче, решенной товарищем VasG тут. Как заметили в комментариях, задачу обнаружения округлостей на изображении можно было решить при помощи MATLAB Image Processing Toolbox, что я и сделал. MATLAB радует меня очень сильной документацией с большим количеством наглядных примеров; а также удобством m-языка, за счет которого сильно сокращается время реализации вычислительных решений. Конечно, есть и минусы — в частности алгоритмы работают медленно, — но для данной задачи это не существенно. Отмечу только, что из m-языка довольно просто можно получить C-код, который будет работать гораздо быстрее.
Я старался писать с нуля, исходя из формулировки задачи и не пользуясь алгоритмическими наработками VasG. Естественно, в силу простоты задачи решения очень похожи. В хелпе MATLAB’а по Image Processing Toolbox обнаружился набор демок, посвященных детектированию объектов и в частности поиску круглых форм, что мне очень помогло. Далее приводится код полученного алгоритма на m-языке:
img = imread(‘kkk.jpg’);
grayimg = rgb2gray(img);
grayimg = imadjust(grayimg);
bw = edge(grayimg,’canny’, 0.15, 2);
bw = imfill(bw,’holes’);
se = strel(‘disk’,1);
bw = imopen(bw,se);
stats = regionprops(L,’Centroid’,’EquivDiameter’);
figure, imshow(img)
hold on
for k = 1:length(B)
boundary = B
radius = stats(k).EquivDiameter/2;
xc = stats(k).Centroid(1);
yc = stats(k).Centroid(2);
theta = 0:0.01:2*pi;
Xfit = radius*cos(theta) + xc;
Yfit = radius*sin(theta) + yc;
plot(Xfit, Yfit, ‘g’);
text(boundary(1,2)-15,boundary(1,1)+15, num2str(radius,3),’Color’,’y’.
‘FontSize’,8);
end
Заметьте, в нем всего 30 строчек. Из них половина реализует красивый вывод результата. Давайте разберем код.
img = imread(‘kkk.jpg’); — открываем наше изображение. Я использовал изображение из статьи VasG.
Результаты аналогичны тем, что были получены VasG с точностью до коэффициентов некоторых функций. Времени на реализацию было потрачено примерно столько же, сколько на оформление данной статьи, примерно около часа. VasG, насколько понятно по статье, потратил на порядок больше времени. У меня довольно большой опыт работы с MATLAB, но я считаю, даже если человек не знаком с m-языком, за рабочий день можно разобраться в системе и написать подобную реализацию. Таким образом налицо высокая скорость реализации решений прикладных задач в системе MATLAB. Советую VasG, а также другим научным сотрудникам и инженерам оценить для себя систему MATLAB в действии!
upd. Заменил пару imerode+imdilate на imopen. Спасибо ScayTrase.
Хардкорная конфа по С++. Мы приглашаем только профи.
Техническое зрение в MATLAB
Секция: Технические науки
XLIV Студенческая международная заочная научно-практическая конференция «Молодежный научный форум: технические и математические науки»
Техническое зрение в MATLAB
Проведен обзор распознавания объектов с помощью Matlab и применение их систем инструментов для разработки технического зрения.
В современном мире автоматизации, человечество пытается заменить человеческий труд машинным во всех отраслях жизни, где это возможно. И наблюдательная способность человека не исключение. Человеческое зрение призваны заменить видеодетекторы. Однако, следует заметить, что видеодетекторы не способны полностью заменить человека, но помочь ему, они объективно могут. Поэтому во всем мире большое внимание уделяют системам технического зрения. Данная статья посвящена локализации и распознаванию объектов и применения программы MATLAB для данной задачи. Данное направление, несомненно, актуальна на сегодняшний день, так как существенно поможет упростить жизнь человеку в некоторых ее областях. Одно из направлений это создание авторобота. Контроль над транспортными средствами в нашей стране оставляет желать лучшего, и видеодетекторы могут помочь в этом. С их помощью можно контролировать, например, скоростной режим или выезд за двойную сплошную линию. Также для обеспечения безопасности в производственных отраслях, где техника безопасности играет важную роль, применение технического зрения может обеспечить правильную эксплуатацию станков, оборудования и предотвратить экстренную ситуацию.
Обработка изображений применяется во многих сферах деятельности человека. Развитие информационных технологий способствует повышению качества уровня анализа данных, прогресс компьютерной техники влияет на быстродействие и достоверность такой обработки. На данном этапе развитие технической диагностики непрерывно связано с визуализацией внутренних структур объекта. Существует много различных видов алгоритмов визуализации. Возникают новые методы, но они не заменяют уже существующие, а лишь дополняют их.
Техническое зрение – это научное направление в области искусственного интеллекта, в частности робототехники, и связанные с ним технологии получения изображений объектов реального мира, их обработки и использования полученных данных для решения разного рода прикладных задач без участия (полного или частичного) человека.
Системы технического зрения запрограммированы для выполнения узкоспециализированных задач, таких как подсчет объектов на конвейере, детектирование объектов на изображении, чтение серийных номеров или поиск поверхностных дефектов. Польза системы визуальной инспекции на основе технического зрения заключается в высокой скорости работы, возможности 24-часовой работы и точности повторяемых измерений. Так же преимущество машин перед людьми заключается в отсутствии утомляемости, болезней или невнимательности.
Компьютеры не могут «видеть» таким же образом, как это делает человек. Фотокамеры не эквивалентны системе зрения человека, и в то время как люди могут опираться на догадки и предположения, системы технического зрения должны «видеть» путем изучения отдельных пикселей изображения, обрабатывая их и пытаясь сделать выводы с помощью базы знаний и набора функций таких, как устройство распознавания образов.
Архитектура систем машинного зрения состоит из трех базовых элементов: фотокамера, формирующая изображение, плата, преобразующая аналоговый сигнал в цифровой (АЦП), и программное обеспечение, выполняющее анализ данных (Рисунок 1).
Рисунок 1. Стандартная система машинного зрения
Скорость обработки данных играет немало важную роль в системах реального времени. Это отражается, в первую очередь на экономических показателях системы. Так, при грамотно написанных алгоритмах, потребуется в несколько раз меньше вычислительных ресурсов, и, следовательно, может сократить стоимость системы во время разработки алгоритма и реализации продукта.
Для разработки алгоритмов технического зрения рассмотрим прикладной пакет программ программирования MATLAB. Язык MATLAB – это высокоуровневый язык для технических расчетов. Он включает в себя вычисления, визуализацию и программирование в удобной среде, где задачи и решения выражаются в форме, приближенный к математической. Программа MATLAB широко используется в таких областях, как: обработка сигналов и связи, обработка изображений и видео, системы управления, научная и инженерная графика.
MATLAB – это интерактивная система, в которой основным элементом данных является массив. Это позволяет решать различные задачи, которые связаны с техническими вычислениями, особенно в тех задачах, в которых используются матрицы и вектора, в несколько раз быстрее, чем при написании программ с использованием «скалярных» языков программирования, таких как Си. В MATLAB важная роль отводится специализированным группам программ, называемых toolboxes. Они очень важны для большинства пользователей MATLAB, так как позволяют изучать и применять специализированные методы. Toolboxes — это всесторонняя коллекция функций MATLAB (М-файлов), которые позволяют решать частные классы задач. Toolboxes применяются для обработки сигналов, систем контроля, нейронных сетей, моделирования и т.д.,
Пакет, Image Processing Toolbox, Computer Vision System Toolbox, Image Acquisition Toolbox предоставляет ученым, инженерам широкий спектр средств инструментов для цифровой обработки и анализа изображений при разработке технического зрения. Данные пакеты освобождают от выполнения длительных операций кодирования и отладки алгоритмов, которые, позволяют сконцентрироваться на решении основной научной или практической части задачи. Эти пакеты содержат алгоритмы и инструменты для разработки и моделирования систем компьютерного зрения и обработки видео. Пакеты включает алгоритмы выявления деталей, детектирования движения, обнаружения и отслеживания объектов, стереозрения, обработки и анализа видео. Приложение поддерживает различные операции обработки изображений, включая: пространственные преобразования изображений, морфологические операции, скользящую и блочную, обработку, анализ и улучшение изображений, обработка области интереса.
Обнаружение, объекта – это процесс нахождения реальных объектов таких, как лица, людей на дороге, дорожные знаки и номерные знаки.
Рисунок 2. Пример обнаружения лица на изображения с помощью Matlab
С помощью предоставленных алгоритмов и инструментов в Matlab можно заниматься разработкой систем распознавания объектов и создания технического зрения для автомобилей, разработки авторобота и других систем, где возможно применение запрограммированных систем под определенные задачи, требуемые человеку. Данная программа успешно применяется концерном BMW и Scania для создания авторобота.
Компьютерное зрение в matlab для задач детектирования и слежения
Источники питания электронной аппаратуры, импульсные и линейные регуляторы. Топологии AC-DC, DC-DC преобразователей (Forward, Flyback, Buck, Boost, Push-Pull, SEPIC, Cuk, Full-Bridge, Half-Bridge). Драйвера ключевых элементов, динамика, алгоритмы управления, защита. Синхронное выпрямление, коррекция коэффициента мощности (PFC)
-
Вчера в 11:19 - Тему:Подскажите диапазон 36. 72 это стандартное знач…
- От:Егоров
Вчера в 11:19
Обратная Связь, Стабилизация, Регулирование, Компенсация
Организация обратных связей в цепях регулирования, выбор топологии, обеспечение стабильности, схемотехника, расчёт
- пятница в 10:04
- Тему:Компенсация источника тока.
- От:SAVC
Первичные и Вторичные Химические Источники Питания
Li-ion, Li-pol, литиевые, Ni-MH, Ni-Cd, свинцово-кислотные аккумуляторы. Солевые, щелочные (алкалиновые), литиевые первичные элементы. Применение, зарядные устройства, методы и алгоритмы заряда, условия эксплуатации. Системы бесперебойного и резервного питания
- 7 апреля
- Тему:Li-Ion суперконденсатор
- От:Егоров
Высоковольтные Устройства — High-Voltage
Высоковольтные выпрямители, умножители напряжения, делители напряжения, высоковольтная развязка, изоляция, электрическая прочность. Высоковольтная наносекундная импульсная техника
- 22 апреля
- Тему:Генерация короткого высоковольтного импульса
- От:Yuri7751
Электрические машины, Электропривод и Управление
Электропривод постоянного тока, асинхронный электропривод, шаговый электропривод, сервопривод. Синхронные, асинхронные, вентильные электродвигатели, генераторы
- 11 апреля
- Тему:драйвер биполярного шагового двигателя
- От:a123-flex
Индукционный Нагрев — Induction Heating
Технологии, теория и практика индукционного нагрева
- 10 февраля
- Тему:Сокращение числа витков индуктора.
- От:majorka65
Системы Охлаждения, Тепловой Расчет – Cooling Systems
Охлаждение компонентов, систем, корпусов, расчёт параметров охладителей
- четверг в 10:20
- Тему:нужно объяснить внутреннему заказчику почему алю…
- От:Herz
Моделирование и Анализ Силовых Устройств – Power Supply Simulation
Моделирование силовых устройств в популярных САПР, самостоятельных симуляторах и специализированных программах. Анализ устойчивости источников питания, непрерывные модели устройств, модели компонентов
- 22 апреля
- Тему:LTspice моделирование импульсного трансформатора
- От:tofik80
Компоненты Силовой Электроники — Parts for Power Supply Design
Силовые полупроводниковые приборы (MOSFET, BJT, IGBT, SCR, GTO, диоды). Силовые трансформаторы, дроссели, фильтры (проектирование, экранирование, изготовление), конденсаторы, разъемы, электромеханические изделия, датчики, микросхемы для ИП. Электротехнические и изоляционные материалы.
Компьютерное зрение в matlab для задач детектирования и слежения
Библиографическая ссылка на статью:
Аскерова Л.Ф. Возможности применения программного обеспечения «MATLAB» для судебно-экспертного исследования видеоизображений // Современные научные исследования и инновации. 2018. № 1 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2018/01/85460 (дата обращения: 25.03.2019).
Как правило, в ходе судебной видеотехнической экспертизы анализ видеоизображений осуществляется при помощи специализированного программного обеспечения – в частности, графических редакторов. Однако зачастую графические редакторы обладают ограниченным количеством функций и не могут быть настроены для анализа конкретного видеоизображения в зависимости от его характеристик. В свою очередь, среда «MATLAB» отличается точностью настроек параметров обработки и может быть использована для целей судебно-экспертного исследования.
При производстве видеотехнической экспертизы могут исследоваться как динамическое изображение (сама видеограмма), так и статическое (отдельный кадр видеограммы). На сегодняшний день изображения обрабатываются и анализируются различными программными средствами: такими, например, как «Amped five», «Adobe Photoshop» и другие.
В качестве изучаемого программного комплекса, применяемого для исследования видеоизображений, «MATLAB» был выбран не случайно. Данный пакет прикладных программ обладает широким спектром возможностей и не уступает другим программным продуктам, используемым экспертами при анализе видеоизображений. «MATLAB» создан для решения задач технических вычислений и использует одноимённый язык программирования.
Являясь высокоуровневым математическим языком программирования, «MATLAB» с легкостью может быть адаптирован под нужды эксперта – его главной особенностью являются широкие возможности по работе с матрицами, в виде которых может быть представлен графический файл. В расширениях «MATLAB» имеются встроенные алгоритмы для обработки сигналов и связи, а также обработки изображений и видеоданных.
Помимо содержащего вычислительные алгоритмы общего назначения ядра, пакет «MATLAB» содержит специальные наборы инструментов (англ. toolbox), расширяющие его функциональность. Каждый набор инструментов представляет собой библиотеку специализированных подпрограмм, предназначенных для решения определённого класса задач. При этом все наборы инструментов поделены на категории по сферам применения: например, наборы для графического моделирования или для разработки приложений, для финансовых вычислений или обработки сигналов и связи.
Для обработки видео и изображений существует четыре набора инструментов:
- «Computer Vision System Toolbox» – алгоритмы и инструменты для разработки и моделирования систем компьютерного зрения и обработки видео.
- «Image Acquisition Toolbox» – пакет расширения для захвата изображений и видео с внешних устройств и передачи напрямую в «MATLAB».
- «Image Processing Toolbox» – полный набор типовых эталонных алгоритмов для обработки и анализа изображений, в том числе функций фильтрации, частотного анализа, улучшения изображений, морфологического анализа и распознавания.
- «Mapping Toolbox» – набор инструментов для построения карт, обработки и визуализации картографических данных.
Следует отметить, что из вышеперечисленных наборов инструментов для решения задач видеотехнической экспертизы могут быть применены «Computer Vision System Toolbox» и «Image Processing Toolbox». Именно эти два пакета расширений содержат необходимые алгоритмы и инструменты, с помощью которых эксперт может обрабатывать и анализировать как статические, так и динамические изображения.
«Computer Vision System Toolbox» включает алгоритмы и инструменты для моделирования и разработки систем компьютерного зрения и обработки видеоизображений. К возможностям данного пакета можно отнести выявление деталей, детектирование движения, обнаружение и отслеживание объектов, стереозрение, обработку и анализ видео.
Само по себе компьютерное (или техническое) зрение представляет собой теорию и технологию создания машин, к возможностям которых относятся обнаружение, отслеживание и классификация различных объектов. Как научную систему, компьютерное зрение можно отнести к теории и технологии создания искусственных систем, получающих информацию из изображений. В свою очередь, стереозрение является одним из направлений компьютерного зрения – оно позволяет получить представление о глубине изображения и расстоянии до объектов, составив трехмерную картину окружающего мира. Компьютерное зрение основывается на четком представлении о камерах и физическом процессе формирования изображения, получении простых выводов на основе изучения набора отдельных пикселей, умении суммировать информацию, полученную из множества изображений, упорядочении группы пикселей с целью их разделения или получения информации о форме, распознавании объектов с помощью геометрической информации или вероятностных методов [1, с. 24].
Как было сказано выше, функции данного пакета расширений «MATLAB» весьма многообразны. Во-первых, «Computer Vision System Toolbox» предоставляет пользователю возможности по обнаружению и выделению деталей изображения. При этом под деталью (или особенностью) понимается некая «интересная» область изображения, например, угол или линия. После выделения деталей становится возможным получить набор векторов признаков, сравнить их и визуализировать результаты. Применяя методы обнаружения, выделения и сравнения особенностей, можно решать различные задачи компьютерного зрения – задачи регистрации изображений, стереозрения и слежения за объектами.
Задачи регистрации изображений и стереозрения решаются путем применения алгоритмов автоматической оценки геометрических различий между фотографиями или кадрами видео. Примером может служить стабилизация видеоизображения, при которой полностью или частично компенсируется движение одного из объектов в кадре и вследствие большей четкости сюжетно важных деталей улучшается качество изображения. Применяя алгоритмы определения деталей, можно получить и извлечь характерные особенности для каждого из сравниваемых кадров. Далее определяются и отображаются возможные соответствия между ними – результатом этого процесса становится множество точек, представляющих интерес, включая некоторое количество погрешностей, которые затем можно устранить. Завершением данного процесса является геометрическое преобразование для выравнивания изображения.
Во-вторых, «Computer Vision System Toolbox» может быть использован для обнаружения объектов, оценки их движения и отслеживание перемещений. Обнаружение объекта представляет собой его идентификацию на изображении; оно может быть реализовано при помощи различных методов – методов поиска по шаблонам, анализа блоком или при помощи алгоритма Виолы-Джонса. При поиске по шаблонам применяются маленькие изображения или шаблон для поиска участков соответствия на большом изображении. Для анализа блоков характерна сегментация и определение свойств блока для идентификации представляющих интерес объектов. Метод Виолы-Джонса предназначен для идентификации интересующих объектов; с его помощью можно распознавать различные классы изображений, однако основной задачей при его создании было обнаружение лиц. Примечательно, что данный алгоритм характеризуется высокой точностью распознавания лиц и низким количеством ложных срабатываний.
Оценка движения объекта – это процесс определения перемещения блоков между соседними кадрами. При этом создаются векторы движения, относящиеся ко всему изображению, блокам, произвольным областям или конкретным пикселям. Для отслеживания перемещений объекта применяют специальные алгоритмы, с помощью которых можно отследить траекторию движения как отдельных, так и множественных объектов.
В-третьих, «Computer Vision System Toolbox» включает различные инструменты по обработке видео. Данный пакет работает с большинством распространенных форматов файлов мультимедиа (в том числе AVI, MPEG и WMV), предоставляя широкие возможности просмотра видеозаписи. Например, одновременно можно просматривать исходное видеоизображение и изображение с выделенными на нем участками слежения. Можно обрабатывать видеоизображения при помощи таких алгоритмов, как деинтерлейсинг (процесс создания одного кадра из двух полукадров чересстрочного формата) и передискретизация (изменение объема данных изображения при изменении его размеров в пикселях или разрешения). Кроме этого, результаты обработки видео можно отображать с наложениями текста или графики – это позволит облегчить отладку работы системы и улучшить визуальное восприятие полученной информации. Например, при обнаружении и выделении деталей изображения можно пометить их специальными маркерами, а после отслеживания перемещений объекта – графически отобразить траекторию его движения.
«Image Processing Toolbox» представляет собой один из пакетов расширений «MATLAB», содержащий полный набор типовых эталонных алгоритмов для обработки и анализа изображений. К ним относятся такие функции, как фильтрация, частотный анализ, улучшение изображений, морфологический анализ и распознавание. Данное расширение «MATLAB» предоставляет пользователю широкие возможности для обработки и анализа графических изображений, так как обладает чрезвычайно гибким интерфейсом. Кроме этого, такая особенность «MATLAB», как матрично-векторное описание, делает пакет крайне удачно приспособленным для решения практических задач по представлению и исследованию графики.
«Image Processing Toolbox» может работать с изображениями, полученными с различных устройств – от микроскопов и телескопов до цифровых камер и спутниковых и авиационных бортовых датчиков. Эксперт может визуализировать, анализировать и обрабатывать данные изображения в виде различных типов данных, включая числа с плавающей точкой с двойной и одинарной точностью, 8-, 16-, и 32-битные целые.
«Image Processing Toolbox» даёт возможность максимально точно настраивать отображение графического файла. Можно представить несколько изображений в одном окне, добавить комментарии, а также построить гистограммы, профили, контурные графики. Кроме этого, в «Image Processing Toolbox» имеется инструментарий по отображению видео и серий кадров для покадрового просмотра видео.
В дополнение к функциям отображения, «Image Processing Toolbox» имеет интерактивный модуль для анализа изображений. С его помощью можно получить информацию об изображении, применить инструменты увеличения и смещения по изображению, а также подробно рассмотреть определённую область пикселей. Эксперт может интерактивно выбирать и изменять область интереса, при этом форма данной области может быть любой – как точки, линии и геометрические фигуры, так и объекты произвольной формы.
Также имеется возможность интерактивно обрезать изображение, настраивать его контрастность, измерять расстояния. Этот модуль доступен в составе Image Tool или в виде отдельных функций, которые могут быть использованы для создания пользовательских интерфейсов.
С помощью программных средств эксперт может применять следующие методы по улучшению качества видеоизображений: усиление резкости, изменение перспективы, увеличение размеров исследуемого изображения, кадрирование, удаление шумов, коррекцию искажений и преобразование всенаправленных камер в панорамы.
Из результатов анализа источников следует, что при судебно-экспертном исследовании изображений среда «MATLAB» широко не применяется. Возможно, это связано с тем, что, в отличие от специализированных программ для работы с графикой (например, «Adobe Photoshop»), для применения данного программного продукта необходимы минимальные знания языка «MATLAB». Однако наличие у эксперта подобных знаний предоставляет гораздо больше возможностей для производства экспертизы. Например, при использовании обычных графических редакторов эксперт может использовать лишь тот функционал, который был изначально заложен разработчиком; при применении же средств «MATLAB» возможности эксперта практически безграничны, поскольку он может адаптировать функционал данного продукта под частные экспертные задачи. Кроме этого, написание скриптов для решения типовых экспертных задач и дальнейшее их использование может стать существенной возможностью частичной автоматизации экспертной деятельности.
Компьютерное зрение и обработка видеопотоков с помощью MATLAB 12 мая 2010
12 мая Вебинар «Компьютерное зрение и обработка видеопотоков с помощью MATLAB»
Типичные приложения компьютерного зрения и обработки видеопотоков создаются для работы в самых разнообразных условиях, что затрудняет разработку устойчивых алгоритмов. В таких случаях необходима комплексная вычислительная среда для анализа данных, визуализации, разработки алгоритмов и внедрения. MATLAB и связанные с ним инструментальные средства позволяют:
- Импортировать и экспортировать изображения и видеопотоки
- Осуществлять ввод изображений и видеопотоков со стандартных устройств для получения изображений
- Обнаруживать и отслеживать определенные объекты
- Привязывать изображения и видеоданные к реальным сценам
- Проверять промежуточные видеоданные внутри алгоритмов
- Тестировать алгоритмы в широком диапазоне условий
Посетите наш вебинар, чтобы узнать о новых алгоритмах и инструментальных средствах в области компьютерного зрения объектов и обработки видеопотоков включенных в Video and Image Processing Blockset. Мы продемонстрируем основные функциональные возможности на примерах из реальной практики, включая:
- Мониторинг дорожного движения — определение автомобилей с помощью оптического потока
- Реконструирование трехмерных сцен на основе пары стереоизображений
После презентации инженер компании MathWorks ответит на ваши вопросы.
Вебинар проводит Михаил Косицкий, инженер компании MathWorks
Предварительная регистрация на вебинар является обязательной!
Вносить данные необходимо на русском языке!
После регистрации участник получит письмо с дальнейшими инструкциями.
Приглашение на вебинар «Компьютерное зрение в MATLAB для задач детектирования и слежения»
Смотреть видео Приглашение на вебинар «Компьютерное зрение в MATLAB для задач детектирования и слежения» онлайн, скачать видео.
3 | 0
MATLABinRussia | 5 год. назад
Регистрация на 10.00: http://sl-matlab.ru/webinars/kompyuternoe-zrenie-v-matlab-dlya-zadach-detektirovaniya-i-slezheniya/registration
Регистрация на 17.00: http://sl-matlab.ru/webinars/kompyuternoe-zrenie-v-matlab-dlya-zadach-detektirovaniya-i-slezheniya/registration-evening
Компьютерное зрение — технологии для обнаружения, слежения и классификации объектов и событий на изображениях и видео. Различные техники помогают в интерпретации получаемой видео и фото-информации. В этом вебинаре мы подробно остановимся на задачах обнаружения и слежения. Для этих целей будем использовать Computer Vision System Toolbox, в функциях, блоках и объектах которого зашиты многие стандартные алгоритмы.
- http://exponenta.ru/events/kompyuternoe-zrenie-v-matlab-dlya-zadach-detektirovaniya-i-slezheniya
- http://www.mathworks.com/videos/computer-vision-with-matlab-87719.html
- http://matlab.ru/products/Computer-Vision-System-Toolbox
- http://habr.com/post/114335/
- http://nauchforum.ru/studconf/tech/xliv/19798
- http://electronix.ru/forum/index.php?app=forums&module=forums&controller=topic&id=117171
- http://web.snauka.ru/issues/2018/01/85460
- http://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%B5%D1%81%D1%81-%D1%80%D0%B5%D0%BB%D0%B8%D0%B7:%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%BE%D0%B5_%D0%B7%D1%80%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE%D0%BF%D0%BE%D1%82%D0%BE%D0%BA%D0%BE%D0%B2_%D1%81_%D0%BF%D0%BE%D0%BC%D0%BE%D1%89%D1%8C%D1%8E_MATLAB_12_%D0%BC%D0%B0%D1%8F_2010
- http://myyouland.ru/video/baVR8Cdi2kE