Перейти к содержимому
Compvision.ru

kalian

Пользователи
 Профиль  Активность

  • Количество публикаций

    13

  • Зарегистрирован

  • Посещение

Сообщения, опубликованные пользователем kalian

  3. Опубликовано · Report reply

    В версии 2.2 новые варианты dll. Они остались только в 2.1.

    Тогда может подскажешь, какие либы нужны для проекта в его собственной папке для того, чтобы любой проект работал ? Перечислишь списком?

  4. Опубликовано · Report reply

    Ну а если всё-таки привязаться к OpenCV?)))

    Задам задачку вот такую:

    У кого-нибудь есть уже результаты сравнения некоторых алгоритмов из библиотеки OpenCV? На каждом этапе нужны % быстродействия и точности алгоритмов. Голая статистика есть и в инете, достаточно погуглить, тут надо это программно показать. Я занялся, пока результаты неутешительные, но в целом алгоритм и какие методы сравниваю, приведу ниже:

    Выполнение распознавания и сравнения должно быть сначала для реализации с 1 фотографией, потом для реализации с пулом фотографий (скажем, штук 20-25)

    1 этап - распознавание лица

    Алгоритмы:

    - Виолы-Джонса

    - Каскады Хаара

    - Метод SURF (предположим, что один образец у нас уже лежит в наборе данных)

    2 этап - распознавание признаков

    Алгоритмы:

    - Метод SURF (предположим, что один образец у нас уже лежит в наборе данных), построение SIFT-дескрипторов

    - Обучение нечеткого классификатора

    - Обучение более детальных каскадов Хаара (для характерных признаков: для глаз, для рта, для носа и для бровей)

    3 этап - сравнение признаков с образцами в базе и выдача результата

    Алгоритмы:

    - Метод SURF (предположим, что один образец у нас уже лежит в наборе данных), сравнение SIFT-дескрипторов

    - Обучение нечеткого классификатора

    - Геометрически (сравнение по координатам глаз, рта и пр., по расстоянию между ними)

    Ах да, забыл в первом этапе указать ценный алгоритм EigenFace. И если можно, пометьте, как называются методы для данных алгоритмов, которые Вы используете

    • Like 1

  5. Опубликовано · Report reply

    Посмотри здесь:

    http://code.google.com/p/facerec/

    Но все таки сравнивать нужно АЛГОРИТМЫ, т.е. не привязываясь к конкретной библиотеке компьютерного зрения.

    Ну а если всё-таки привязаться к OpenCV?)))

    Задам задачку вот такую:

    У кого-нибудь есть уже результаты сравнения некоторых алгоритмов из библиотеки OpenCV? На каждом этапе нужны % быстродействия и точности алгоритмов. Голая статистика есть и в инете, достаточно погуглить, тут надо это программно показать. Я занялся, пока результаты неутешительные, но в целом алгоритм и какие методы сравниваю, приведу ниже:

    Выполнение распознавания и сравнения должно быть сначала для реализации с 1 фотографией, потом для реализации с пулом фотографий (скажем, штук 20-25)

    1 этап - распознавание лица

    Алгоритмы:

    - Виолы-Джонса

    - Каскады Хаара

    - Метод SURF (предположим, что один образец у нас уже лежит в наборе данных)

    2 этап - распознавание признаков

    Алгоритмы:

    - Метод SURF (предположим, что один образец у нас уже лежит в наборе данных), построение SIFT-дескрипторов

    - Обучение нечеткого классификатора

    - Обучение более детальных каскадов Хаара (для характерных признаков: для глаз, для рта, для носа и для бровей)

    3 этап - сравнение признаков с образцами в базе и выдача результата

    Алгоритмы:

    - Метод SURF (предположим, что один образец у нас уже лежит в наборе данных), сравнение SIFT-дескрипторов

    - Обучение нечеткого классификатора

    - Геометрически (сравнение по координатам глаз, рта и пр., по расстоянию между ними)

    • Like 1

  6. Опубликовано · Report reply

    Вся прелесть QT как раз в том, что он кроссплатформенный. Но как знаешь.

    В opencv 2.2 не может быть cv100.dll, так как она из верси opencv 1.0

    Да, cv100.dll быть и не должно в версии 2.2, т.к. там должна быть либа cxcore220d.lib и dll-ки cv220d.dll и пр. Как бы теперь в стандартной распаковке мне бы их найти? По всем папкам в OpenCV 2.2 прошелся, там их нет в чистом виде. Можно конечно скачать на http://www.dll.ru/, http://www.dllbox.ru/ или соответствующих, но хотелось бы сразу пакет lib иметь, чтобы их засунуть в папку проекта и не париться потомм с переносом на другие компы заказчика.

  7. Опубликовано · Report reply

    QT под Линой на работе стоит, я с ней тоже работаю, но всё-таки хочется под православной виндой накодить, т.к. проект будет представляться именно на ней, а я как знаю с qt там еще файлы пакетов надо собирать вручную .. всё-таки нужно решение либо на cpp либо на php в связке с opencv

    А не подскажете, в ту же топку, что за stasm и где в opencv 2.2 найти cv100.dll?

  8. Опубликовано · Report reply

    QT умеет с базами работать.

    QT под Линой на работе стоит, я с ней тоже работаю, но всё-таки хочется под православной виндой накодить, т.к. проект будет представляться именно на ней, а я как знаю с qt там еще файлы пакетов надо собирать вручную .. всё-таки нужно решение либо на cpp либо на php в связке с opencv

  9. Опубликовано · Report reply

    Здравствуйте!

    У меня вот тоже диплом, думаю на С++ писать с OpenCV, но без помощи не обойтись - тоже горит. Причем еще непонятно какими методами реализовывать данный алгоритм. Суть диплома примерно такая: юзер загружает фотографию в программу, далее распознается лицо человека и контрольные точки (у меня их 4: два глаза, рот, нос). Далее по положению данных контрольных точек на лице фотография сравнивается с фотографиями из определенной базы, где картинки разбиты на категории мимик и эмоций. И какая мимика наиболее подходит, в результате на выходе и показывается наиболее подходящий результат.

    Перелазил все ресурсы, сообщества, Хабр, пересмотрел много статей с IbPRIA и ICPR - конференций. Подумал сделать так:

    Сначала применить метод Хаара

    Затем сделать небольшую эрозию изображения (можно и без нее, можно просто поднять частотность повыше)

    Потом применять метод SIFT - дескрипторов для нахождения общих точек с фотографией из базы ...

    это один из вариантов, другой был описан в 2008 году по-моему, корейцами на конференции, там тоже делали 3мерную модель и вычисляли расстояние между глазами и ртом, но там применяется нейронный классификатор и в-общем не особо понятно как делать через него .

    Подскажите, как лучше подойти к решению данной задачи? Может где-то есть уже готовое решение? В OpenCV по-моему есть распознавалка устойчивых признаков изображения хорошая, это так?

    А может кто-нибудь согласится мне помочь и вместе написать диплом (за отд. плату)? Я буду очень рад :geek::rolleyes:

    А то сам чувствую не осилю...

    Заранее спасибо!

    Забыл уточнить, что

    - лица людей беру в самом простом рассмотрении, в анфас (если в профиль, то интересен будет вариант с одной уже имеющейся фотографией данной персоне в базе и последующего сравнения с ней загруженной фотки той же персоны с помощью метода SURF)

    - должна быть какая-либо база, к которой идут коннекты (мэй би xml либо mysql, а если база большая, то postgress либо Oracle, но как их связать с С++? Кто-нибудь уже имеет готовое решение по коннекту к таким базам с наборами данных (data sets)?)

    Поможете?

    • Like 1

  10. Опубликовано · Report reply

    Здравствуйте!

    У меня вот тоже диплом, думаю на С++ писать с OpenCV, но без помощи не обойтись - тоже горит. Причем еще непонятно какими методами реализовывать данный алгоритм. Суть диплома примерно такая: юзер загружает фотографию в программу, далее распознается лицо человека и контрольные точки (у меня их 4: два глаза, рот, нос). Далее по положению данных контрольных точек на лице фотография сравнивается с фотографиями из определенной базы, где картинки разбиты на категории мимик и эмоций. И какая мимика наиболее подходит, в результате на выходе и показывается наиболее подходящий результат.

    Перелазил все ресурсы, сообщества, Хабр, пересмотрел много статей с IbPRIA и ICPR - конференций. Подумал сделать так:

    Сначала применить метод Хаара

    Затем сделать небольшую эрозию изображения (можно и без нее, можно просто поднять частотность повыше)

    Потом применять метод SIFT - дескрипторов для нахождения общих точек с фотографией из базы ...

    это один из вариантов, другой был описан в 2008 году по-моему, корейцами на конференции, там тоже делали 3мерную модель и вычисляли расстояние между глазами и ртом, но там применяется нейронный классификатор и в-общем не особо понятно как делать через него .

    Подскажите, как лучше подойти к решению данной задачи? Может где-то есть уже готовое решение? В OpenCV по-моему есть распознавалка устойчивых признаков изображения хорошая, это так?

    А может кто-нибудь согласится мне помочь и вместе написать диплом (за отд. плату)? Я буду очень рад :geek::rolleyes:

    А то сам чувствую не осилю...

    Заранее спасибо!

×