<video id="player" controls playsinline muted autoplay></video> <script> const player = document.getElementById('player'); const constraints = { video: true, }; navigator.mediaDevices.getUserMedia(constraints) .then((stream) => { player.srcObject = stream; }); </script> <!DOCTYPE html> <html> <body> <video id="player" controls playsinline muted autoplay></video> <button id="capture">Capture</butto
#背景 PC内蔵のカメラで学習用写真を自動で簡単に取得できれば、 自分や特定の人の顔識別ができ、様々な応用が展開できると思って作ってみました。 #開発環境 macOS Mojave 10.14.5 MacBook Air (13-inch, Early 2015) Python 3.6.8 :: Anaconda custom (64-bit) scikit-learn 0.19.1 OpenCV 4.0.0 #参考にしたサイト 下記のサイトを参考にさせていただきました。 ◆OpenCVの顔認識関連 https://qiita.com/hitomatagi/items/04b1b26c1bc2e8081427 https://www.blog.umentu.work/python-opencv3%E3%81%A7%E7%94%BB%E5%83%8F%E3%81%AE%E9%A1%94%E5
画像処理が初めての人のための問題集をつくったりました。（完成！！） 研究室の後輩用に作ったものです。 自然言語処理100本ノックがあるのに、画像処理のがなかったので作ってみました。 あくまで趣味ベースで作ったものなので、プルリクエストは受け付けてますが依頼などは一切受け付けません そこをご理解頂けた方のみご利用下さい 画像処理の基本のアルゴリズム理解につながると思います。 pythonのnumpyの練習にもなると思います。(2019.3.8 C++もつくってますーー） ぜひぜひ下のgitをやってみてください。 [HP]https://yoyoyo-yo.github.io/Gasyori100knock/ [Git]https://github.com/yoyoyo-yo/Gasyori100knock ★追記 2020.5.8 環境構築の手間をなくすために、Google Colabに修正
いろいろな画像を見比べて、「あの画像に写ってるのアレは、この画像に写ってるコレと同じかな？」なんてことを、機械的にやるとしたら、という話。 OpenCVに頼る 難しいことは考えないで、OpenCVに頼る。自分で考えるよりも、世界中の賢い人々が考えてくれた成果物を利用するべきなのだ。 というわけで、早速、 OpenCV: Feature Detection and Descriptionを参照して、お勉強を始める。 画像を用意する 適当な著作権フリーっぽい画像もないし、自分で撮影するのも面倒なので、今回は以下の画像を適当に作った。 このutsu1.png(游明朝)と、utsu2.png(ヒラギノ角ゴシック)を使うことにする。 特徴点の抽出 まずは、http://docs.opencv.org/master/da/df5/tutorial_py_sift_intro.html に従い、utsu
機械学習するためには、大量の教師データが必要です。これから始める方に参考になればと思い、人間の顔の教師データを作ってて感じたこと、反省点などを書き留めます。 大量画像処理は、記事「openCVで複数画像ファイルから顔検出をして切り出し保存」にあるコードを使っています。 openCVの基本に関しては記事「【入門者向け解説】openCV顔検出の仕組と実践(detectMultiScale)」を参照ください。 実行環境は下記のとおりです。 感想 画像の大量教師データを作成するのは、とにかく面倒 データサイエンティストと呼ばれる花形っぽい仕事の裏に「マエショリスト」と呼ばれる人がいると聞きました。その一端ではありますが、苦労を感じることができた気がします。とにかく手作業での時間がかかり地味です・・・ 経験から得たTips 1. プログラム実行、目視確認をできるだけ効率化する プログラム実行、目視確
19日に行われた Kyoto.なんか #3 で発表・デモをさせていただいた内容まとめです。 はじめに: 検出器の重要性 アイドル顔識別 をずっとやっている中で、顔の識別・分類(Classification)はCNNを使って出来ているけれど まだ上手く出来ていない別のタスクがあって。 それが画像内からの顔領域の検出 (Detection, Localization)。 「画像内に写っている人物が誰であるか」を識別するためには、まずはその画像に写っている「顔」を検出する必要がある。 その検出された顔それぞれについて分類器にかけて「この顔は○○さん」「この顔は××さん」と分類していくことになるわけで。 分類器に与える入力画像を切り抜いて抽出するのにもまず顔領域を検出する必要があるし、その分類器を学習させるためのデータセットも、様々な画像から顔領域を検出して切り抜いてそれぞれに対してラベル付けする
openCVを使ってフォルダにある複数の画像ファイルから顔検出をして、顔部分を切り出して画像保存するプログラムを作ったので、その紹介です。 以下はopenCVに関する他参考記事です。 OpenCV3.3とPython3.6をAnacondaでWindows10へインストール 【入門者向け解説】openCV顔検出の仕組と実践(detectMultiScale) openCVの顔検出でパラメータを指定して手っ取り早く検出精度を高める openCVで効率的に大量画像を顔検出するためのtips 環境サマリは下記のとおりです。 #Pythonコード 記事「openCVの顔検出でパラメータを使って素早く検出精度を高める」で解説したコードを流用して、画像ファイル名、画像数、使用学習済モデル、detelcMultiScaleのパラメータを実行時指定できるようにしています。 どの元ファイルと出力ファイルを出
概要と環境 openCVの顔検出方法について調べて試してみました。入門者向けに解説します。 以下はopenCV関連記事です。 OpenCV3.3とPython3.6をAnacondaでWindows10へインストール openCVの顔検出でパラメータを指定して手っ取り早く検出精度を高める openCVで複数画像ファイルから顔検出をして切り出し保存 openCVで効率的に大量画像を顔検出するためのtips 検証環境は下記のとおりです。 openCVの顔検出でできたこと 人物画像に対して顔検知して四角枠で囲みました。 複数人でも大丈夫。すごい！ 変顔だって検知します！(後ろの人も検知できてます) 顔検知から鼻検知に切り替えることもできます。 oepnCVの顔検出の仕組み 論文や具体的なアルゴリズムを見て調べて確認していないので、以降の解説は誤りがあるかもしれません(指摘いただけたら嬉しいです)
はじめに Raspberry PIにmotionというソフトウェアをインストールして監視カメラとして使用し、映った人が誰かを識別するという取り組みをしているのですが、保存された静止画を使って識別するだけなので、少々物足りない感じがしているこの頃。 せっかくなので、動画をリアルタイムで処理して何かできないかと思って情報収集していたら、関係ありそうな記事があったので参考にしながらリアルタイムに顔検出するスクリプトを作ってみました。 OpenCVでWebカメラ/ビデオカメラの動画をリアルタイムに変換してみる OpenCVのインストール 手前味噌ですが、インストール手順は以下の記事をご参照下さい。 Macで深層学習の環境をさくっと作る手順 with TensorFlow and OpenCV また、顔検出に使う識別器を以下のコマンドで作業フォルダにコピーしておきます。 $ cp /usr/loca
料理をする時なにが一番難しいかって言うと『味付け』だと思うんですよね。 合わせ調味料を作るための分量とかついつい忘れがちで、毎回適当になってしまうのですが（レシピを見直すのもめんどいし…）、これ何とかならないかと。 で、作ってみたのがこちら↓ 音声認識を使っていて、作る料理名をしゃべると、その料理に使う調味料を適切な分量で調合してくれるっていうマシーンです。 ネーミングは、超有名オープンソースソフトウェアと被ってますが、単純にいい名前が思いつかなかっただけです…（混ぜるからブレンダー） システム構成 前側： 後ろ側： ・RaspberryPi3 ・I2Cのサーボドライバボード（Adafruit 16-Channel Servo Driver） ・マイクロサーボ×６（SG92R ・Webカメラ（logicool C270） フレームはNICを使用。その他の部品（調味料ボトル、漏斗など）は10
Kubernetes用VMイメージの作成 Packerを使う Kubernetesクラスタの構築がしやすいよう、あらかじめ主要なパッケージがインストールおよびセットアップされているOpenStackのVMイメージをPackerで作成します（図3）。 Packerを使い、etcdに関するパッケージなど全てのVMで共通で使用するパッケージは事前にイメージに取り込みます。 こうすることで、VMを立ち上げた初期状態でKubernetesを構築するために、ある程度準備された環境が提供され、後のデプロイ作業を効率化します。 図3. PackerによるKubernetes用VM作成 Packerの設定とイメージ作成 OpenStackに上がっているVMイメージをベースにKubernetes用のイメージを生成します。 手元にイメージをダウンロードする必要はありません。 JSON形式の設定ファイルに変数（v
ビッグデータとかの機械学習隆盛の背景にある文脈や、その拠り所となるコンピュータの処理性能から考えても「モバイルデバイス向けOSと機械学習を紐付けて考えようとする」ことはそもそもあまり筋がよろしくない・・・とは思うのですが、やはり長くiOSだけにコミットしてきた身としては、新たに興味を持っている機械学習という分野と、勝手知ったるiOSという分野の交差点はないのかなと考えずにはいられないわけでして。。 そんなわけで、「iOS と機械学習」について雑多な切り口から調べてみました。 iOSで使える機械学習ライブラリ DeepBeliefSDK コンボリューショナルニューラルネットワークを用いた画像認識ライブラリ。iOSとかのモバイルデバイスで処理できるよう、高度に最適化してある、OpenCVと一緒に使うのも簡単、とのこと。 https://github.com/jetpacapp/DeepBeli
サイゼリヤの間違い探しが難しすぎたので大人の力で解決した
こんにちは。河本です。 僕はサイゼリヤに行くとまずキッズメニューの間違い探しを解くんですが、 今回は難しすぎたので、大人の力（＝画像処理）で解決することにしました。 2014年9月版。みんなもやってみよう！ （以下、間違い探しの答えが出てきます。見たくない人は↑の画像で頑張ってから読もう。） やり方 いろいろ書いてますが、左面と右面の違う部分を色の差分から見つけてるだけです。 紙の歪みを吸収するために、少しややこしいことをしてます。 (1) 間違い探しページの写真を撮る ↑の写真です。普通にiPhoneで撮りました。 (2) ページ領域を抽出する 画像からページの部分を見つける必要があります。 今回は面倒なので、左側は手作業で指定しました。 角を手作業でタグ付けして・・・ こっちは手作業。 射影変換で台形補正します。OpenCVならWarpPerspectiveです。 台形補正しても、紙が
C++版のOpenCVを使ってカラーヒストグラムを用いた類似画像検索を実験してみました。バッチ処理などのスクリプトはPythonを使ってますが、PerlでもRubyでも似たような感じでできます。 指定した画像と類似した画像を検索するシステムは類似画像検索システムと言います。GoogleやYahoo!のイメージ検索は、クエリにキーワードを入れてキーワードに関連した画像を検索しますが、類似画像検索ではクエリに画像を与えるのが特徴的です。この分野は、Content-Based Image Retrieval (CBIR)と呼ばれており、最新のサーベイ論文（Datta,2008）を読むと1990年代前半とけっこう昔から研究されてます。 最新の手法では、色、形状、テクスチャ、特徴点などさまざまな特徴量を用いて類似度を判定するそうですが、今回は、もっとも簡単な「色」を用いた類似画像検索を実験してみます
サキとは彼女の自宅近く、湘南台駅前のスーパーマーケットで待ち合わせをした。彼女は自転車で後から追いつくと言い、僕は大きなコインパーキングへ車を停めた。煙草を一本吸ってからスーパーマーケットへ向かうと、ひっきりなしに主婦的な女性かおばあちゃんが入り口を出たり入ったりしていた。時刻は午後5時になる。時計から目を上げると、待たせちゃったわねと大して悪びれてない様子でサキが手ぶらでやってきた。 お礼に料理を作るとはいえ、サキの家には食材が十分足りていないらしく、こうしてスーパーマーケットに寄ることになった。サキは野菜コーナーから精肉コーナーまで、まるで優秀なカーナビに導かれるように無駄なく点検していった。欲しい食材があると、2秒間程度それらを凝視し、一度手に取ったじゃがいもやら豚肉やらを迷うことなく僕が持っているカゴに放り込んだ。最後にアルコール飲料が冷やされている棚の前へ行くと、私が飲むからとチ
『OpenCV の PHP バインディングを書いてみた』から早 6 ヶ月も経過、すっかり本人が存在を忘れていた OpenCV-PHP バインディング。最近この日記のコメント欄で (おそらく) 海外のクレクレ君から「Windows 版の DLL くれ!俺はテンパってるんだ!」と言われて意外に有用かもしれないと思ったのと、つい先日『OpenCV プログラミングブック』が発売されたのもあってちょっと更新してみた。 OpenCV プログラミングブック 作者: 奈良先端科学技術大学院大学 OpenCVプログラミングブック制作チーム出版社/メーカー: 毎日コミュニケーションズ発売日: 2007/09/22メディア: 単行本（ソフトカバー）購入: 10人 クリック: 891回この商品を含むブログ (35件) を見る 更新された箇所は以下 TSRM ビルドの修正 (Thanks to 某クレクレ君) cv
ラベリング手法 † 画像処理において，ラベリングを使うことはよくある． ただ，OpenCVではラベリングに関する関数は定義されていません． そこで，奈良先端科学技術大学院大学の井村さんという方が作成されたLabeling.hを使います．(入手先) あと，これを参考にサンプルプログラムを作成されたmasayoshiさんのサイトを参考にします． プログラムでは，Labeling.hを呼出し， ラベリングを使う関数の中で以下のようにラベリングクラスを呼び出します． LabelingBS labeling; ここでは簡単のため，ラベリング変数はlabelingとしました． あとは，ラベリングを行う関数で，実行するだけです． IplImage *src; .... IplImage *dst = cvCreateIMage( cvGetSize( src ), IPL_DEPTH_16
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
