OpenCV
Seguimiento de Objetos en Python Aquí puedes ver el ejemplo en un vídeo: Código de Seguimiento de Objetos en Python Archivo: objeto-seguimiento.py import dlib import cv2 import argparse as ap import get_points def run(source=0, dispLoc=False): # Crea la captura del video cam = cv2.VideoCapture(source) # Si la camra no se abre cierra el programa if […]
Fundamentos La detección de objetos mediante clasificadores en cascada basados en funciones de Haar es un método eficaz de detección de objetos propuesto por Paul Viola y Michael Jones en su documento,“Rapid Object Detection using a Boosted Cascade of Simple Features” en 2001. Se trata de un enfoque basado en el aprendizaje automático en el […]
Teoría En capítulos anteriores, hemos visto muchas técnicas de alisado de imágenes como el desenfoque gaussiano, el desenfoque medio, etc. y fueron buenas en cierta medida para eliminar pequeñas cantidades de ruido. En esas técnicas, tomamos un pequeño vecindario alrededor de un píxel e hicimos algunas operaciones como el promedio ponderado gaussiano, mediana de los […]
Conceptos básicos Cuando tomamos una imagen con la cámara, perdemos una información importante, es decir, la profundidad de la imagen. O qué tan lejos está cada punto de la imagen de la cámara porque es una conversión de 3D a 2D. Así que es una pregunta importante si podemos encontrar la información de profundidad usando […]
Fundamentos Esta va a ser una pequeña sección. Durante la última sesión de calibración de la cámara, se ha encontrado la matriz de la cámara, los coeficientes de distorsión, etc. Dada una imagen patrón, podemos utilizar la información anterior para calcular su posición, o cómo el objeto está situado en el espacio, como por ejemplo […]
Fundamentos Las cámaras baratas de hoy en día introducen mucha distorsión en las imágenes. Dos distorsiones principales son la distorsión radial y la distorsión tangencial. Debido a la distorsión radial, las líneas rectas aparecerán curvadas. Su efecto es mayor a medida que nos alejamos del centro de la imagen. Por ejemplo, la imagen se muestra abajo. […]
Fundamentos La resta de fondo es uno de los pasos más importantes del preprocesamiento en muchas aplicaciones basadas en la visión. Por ejemplo, considere los casos como el contador de visitantes donde una cámara estática toma el número de visitantes que entran o salen de la habitación, o una cámara de tráfico que extrae información […]
Flujo óptico El flujo óptico es el patrón de movimiento aparente de los objetos de la imagen entre dos fotogramas consecutivos causado por el movimiento del objeto o la cámara. Es un campo vectorial 2D donde cada vector es un vector de desplazamiento que muestra el movimiento de los puntos del primer cuadro al segundo. […]
Desplazamiento medio Meanshift y Camshift La intuición detrás del cambio de medias es simple. Considere que tiene un conjunto de puntos. (Puede ser una distribución de píxeles como la retroproyección del histograma). Se te da una pequeña ventana (puede ser un círculo) y tienes que mover esa ventana al área de máxima densidad de píxeles […]
Conceptos básicos de Brute-Force Matcher Brute-Force matcher es simple. Toma el descriptor de una característica en el primer set y se empareja con todas las otras características en el segundo set usando un cálculo de distancia. Y el más cercano es devuelto. Para BF matcher, primero tenemos que crear el objeto BFMatcher usando cv2.BFMatcher (). […]