Динамический массив IplImage

[Динамический массив IplImage]

здесь img_load_ch1 определен как std::deque<IplImage *> img_load_ch1; и в него добавлены исходные изображения

При вычислении cvCalcEigenObjects возникает ошибка

[C++ Error] Vision.cpp(575): E2034 Cannot convert '_STL::deque<_IplImage *,_STL::allocator<_IplImage *> >' to 'void *'

[C++ Error] Vision.cpp(575): E2342 Type mismatch in parameter 'input' (wanted 'void *', got '_STL::deque<_IplImage *,_STL::allocator<_IplImage *> >')

В cvCalcEigenObjects надо подавать два изображения, а ты подаёшь два массива с изображениями - несоответствие. Если ты хочешь работать с первыми элементами массивов, то пиши так:

cvCalcEigenObjects(N_Samples, img_load_ch1[0], eig_img[0], CV_EIGOBJ_NO_CALLBACK, 0, 0, &Tc, mean_img, EigenVals->data.fl);

[Работа с камерами]

Правильно, надо проверять чтобы cap было не NULL.

У него проверяется. Дело скорее в отсутствии символа & перед cap.

[Динамический массив IplImage]

Добавлю, что пример обращения к массиву там всё таки есть в цикле при удалении - по индексу. Можно ещё с помощью итераторов.

[Динамический массив IplImage]

Правильней будет создавать изображения стандартными средствами (cvCreateImage, cvLoadImage, ...) и хранить массив указателей. Например так:

#include <deque>

...

std::deque<IplImage *> images; //сам массив

//Создаём и добавляем новый элемент

IplImage *img = cvLoadImage("file.jpg");

if (img)

images.push_back(img);

...

//Удаление всех изображений

for (size_t i = 0; i < images.size(); ++i)

{

cvReleaseImage(&images);

}

images.clear();

[изучение OpenCV]

Захватить по цвету/текстуре получается? Если да, то найди основные моменты (cvMoments) и посмотри на их значения - возможно этого хватит для определения сжатой/несжатой ладони.

[Поиск зелёных объектов на изображении]

Несоответствия типов там нет. Приведи лучше полный текст ошибки.

Если же ты эту строку уберёшь, то, разумеется, появятся новые ошибки из-за обращения к пустому массиву по индексу - в него же ничего не добавляется.

[Не запускается под Visual Studio 2008]

как я понял есть специальный пак для студии который не нуждается в СМАКЕ и в в библиотеки содержатся такова плана

cvaux210.lib

cvaux210d.lib

cxcore210.lib

cxcore210d.lib итак далее. Как я понял это и есть для дебага?

Да, с суффиксом d

[Системные требования]

брр, что-то я запутался, как из этого значение цвета (0-255) получить Тип этой штуковины почему-то char*

Если присвоить вот этот символ переменной типа int, получаю "0" для черных и "-1" для белых пикселей. Вроде совпадает, но как-то некрасиво получается

Обычно сначала делают приведение к unsigned char:

unsigned char *img_data = (unsigned char *)img->imageData;

//А после уже

img_data[x + y * img->widthStep]

[Системные требования]

img->imageData[x + y * img->widthStep]

Можно реализовать простую сегментацию на основе связности (восьми- или четырёхсвязности). Я, правда, не в курсе, есть ли она в OpenCV.

[Находим в кадре лица, человеческие фигуры, и т.д. и т.п]

Сразу скажу, что не являюсь специалистом по распознаванию лиц. Но рассуждая логически, угол поворота лица можно узнать, зная расположение носа (рта, глаз, не важно, главное, чтобы можно было найти центр лица), а также границы лица. По расстояниям от центра лица до его краёв можно оценить угол поворота. Правда, подозреваю, что точность нахождения угла будет небольшой, зависит от расстояния до камеры.

P.S. Идеальным вариантом представляется работа по стереоизображению.

P.S2. Smorodov: мысль пришла одновременно.

[Находим в кадре лица, человеческие фигуры, и т.д. и т.п]

Использовать несколько классификаторов: для фронтальных лиц, для профиля. И отправлять на распознавание только в случае сработки фронтального классификатора.

[Тренировка каскадов Хаара]

Фон отсекать как раз нельзя, каскад должен знать типичные отрицательные признаки. Грубо говоря, при проходе по каскаду подсчитывается сумма весов для каждой haar-feature. Значение очередной haar-feature сверяется с некоторым порогом. Если оно больше порога, то к сумме прибавляется один вес, если меньше - другой. Веса могут быть либо отрицательными, либо положительными в зависимости от того, удовлетворяет значение искомому объекту или нет. Веса и пороги формируются при обучении.

Если ты затираешь фон, то значения весов, соответствующие ложной сработке, будут равны нулю (или почти нулю). А они должны быть отрицательными. Соответственно сумма всех весов будет больше, чем должна; отсюда ложные сработки.

Следовательно, что для корректной работы необходимо выбрать большую выборку разнообразных положительных образов, а также большую выборку разнообразных отрицательных.

[Проблемы при работе с классом Mat]

Поддерживает-то оба, но с бинарной совместимостью объектов С++ всегда была проблема. Собственно, имеется её решение - COM-объекты в Windows. Я думаю, ты знаешь, что там слишком навороченно для того, чтобы их просто так использовать. Где об этом почитать... Многостраничные обсуждения на форумах и собственный опыт.

С контурами наверняка та же проблема, ты же передаёшь std::vector. Это легко проверить - перекомпилируй OpenCV и ошибки должны исчезнуть. С заголовком окна у меня так и было: взял изначальные dll - ошибка есть; перекомпилировал - исчезла. Впрочем, в отладчике тоже это видно - память затирается.

[Проблемы при работе с классом Mat]

Тут вот какое дело. Для использования С++ API необходимо, чтобы dll и exe были собраны одним компилятором с одинаковыми опциями.

Например, ошибка с заголовком окна. namedWindow принимает параметром std::string. В момент вызова namedWindow("Trulala"); в твоём exe создаётся объект класса std::string, который бинарно не совпадает с объектом std::string, который уже скомпилирован в dll. Тут даже в рамках одного компилятора debug и release варианты STL не идентичны.

Поэтому, повторюсь, использование С++ возможно только в одном случае: ты компилируешь OpenCV с определёнными опциями компилятора и с теми же опциями компилируешь свой exe. Теперь они совместимы.

[Проблемы при работе с классом Mat]

В виде строки 'CV_32S' получить нельзя (только если ты сам захочешь сделать ассоциативный массив). Да и зачем? По идее, достаточно получить числовое значение через mat.depth(). В крайнем случае посмотреть в файле cxtypes.h соответствие.

[Проблемы при работе с классом Mat]

Если посмотреть на функцию:

cv::RotatedRect cv::fitEllipse( const Mat& points )

{

CV_Assert(points.isContinuous() &&

(points.depth() == CV_32S || points.depth() == CV_32F) &&

((points.rows == 1 && points.channels() == 2) ||

points.cols*points.channels() == 2));

CvMat _points = points;

return cvFitEllipse2(&_points);

}

то можно увидеть, что, во-первых, тип элементов матрицы должен быть CV_32S или CV_32F, и, во-вторых, её размерность должна быть: 1 строка, два канала, или 1 столбец, два канала, или, 2 столбца, один канал.

Ты же подаёшь ей на вход матрицу другого типа, не подходящую по размерам. Вот оно а падает на ассерте.

[Методы распознавания]

Посмотри, что реализовано в модуле ml (Machine Learning):

* Normal Bayes Classifier

* K Nearest Neighbors

* Support Vector Machine

* Decision Trees

* Boosting

* Random Trees

* Expectation-Maximization

* Neural Networks

Можешь этим пользоваться.

[Проблемы при работе с классом Mat]

Для меня C API банально привычней. А что за эксепшен? Не смотрел в отладчике кто его кидает?

Могу вечерком глянуть, сейчас ничего под рукой нет.

[Скорость работы]

Это в самой последней версии так сделано - ты имеенно её используешь?

Я пока на 1.1 сижу - там OpenMP поддерживается. Хотя, зная политику Интела, использование TBB не должно быть медленней.

Может быть ты в CMake не указал использование TBB?

[Тренировка каскадов Хаара]

мля это полный ппц... даже если 2 сек на 1 картинку.. то 7000 объектов это 4 часа....

Гхм!!! У нас ребята неделю сидели, выбирали.

К примеру если я обучаю каскад на картинках 320x240, а использовать буду на 160х120

Мой личный опыт (но никак не знание теории) подсказывает, что лучше обучать на минимальных объектах. Впрочем, здравый смысл говорит мне о том же.

[Тренировка каскадов Хаара]

Это я понял, я в смысле, должно быть 7000 картинок с описаниями (0018.bmp 1 90 22 55 68) объектов?

Должно быть 7000 объектов, а не картинок. А описаний столько, сколько самих картинок.

Если на одном изображении присутствует, например 2 объекта, то описание будет выглядеть так:

4_0344.bmp 2 295 153 9 17 349 153 10 18

[Тренировка каскадов Хаара]

Это значит что должно быть столько картинок (7000, 3000)?

Да, именно так.

rawdata/0018.bmp 1 90 22 55 68

rawdata/0019.bmp 1 81 19 59 76

rawdata/0020.bmp 1 83 19 53 73

Это означает, что на изображении 0018.bmp присутствует 1 искомый объект, причём его кординаты: x = 90, y = 22, width = 55, height = 68.

Всё просто!

[Трекинг объектов.]

Я в детали не вдавался, но стандартный пример blob_tracking работает, мягко говоря, не очень быстро. Особенно ужасными тормоза становятся при выставлении опции сопровождения CCMSPF.

Приведённый RinOS пример, на первый взгляд, довольно неплох. Однако для него необходимо провести предварительную бинаризацию, что не всегда возможно. Например, при сопровождением лиц.

[Скорость работы]

Скорость разная на разных алгоритмах. Судя по официальной информации, максимальный прирост скорости наблюдается на медианном фильтре - 12 раз.

OpenCV задействует другие ядра, если скомпилирована с использованием OpenMP.

[Проблема с cvCvtColor]

Пожалуйста, привожу:

Ну так надо было посмотреть, что именно не так с указателями (скорее всего проблема в них). Но, если нет желания разбираться, то ладно.