Opencv là gì? Các công bố khoa học về Opencv
OpenCV (Open Source Computer Vision Library) là thư viện mã nguồn mở nổi tiếng, ra đời năm 1999 bởi Intel, hỗ trợ mạnh cho ứng dụng thị giác máy tính và xử lý ảnh. Thư viện này cung cấp các công cụ cho xử lý ảnh, nhận diện đối tượng, xử lý video và máy học. OpenCV dễ cài đặt trên nhiều hệ điều hành qua pip hoặc mã nguồn GitHub, hỗ trợ các ngôn ngữ C++, Python, Java. Là lựa chọn hàng đầu cho phát triển ứng dụng thị giác máy tính nhờ tính mạnh mẽ, linh hoạt và mạng hỗ trợ cộng đồng mã nguồn mở.
Giới thiệu về OpenCV
OpenCV, viết tắt của Open Source Computer Vision Library, là một thư viện mã nguồn mở nổi tiếng được thiết kế để hỗ trợ các ứng dụng thị giác máy tính và xử lý ảnh. Được phát triển bởi Intel vào năm 1999, OpenCV đã trở thành công cụ quan trọng trong cộng đồng nghiên cứu và phát triển các giải pháp máy tính, đặc biệt trong lĩnh vực thị giác máy tính.
Lịch sử phát triển
Thư viện OpenCV được giới thiệu lần đầu tiên vào năm 1999 bởi Intel nhằm cung cấp công cụ mạnh mẽ cho các nhà phát triển và nhà nghiên cứu trong lĩnh vực xử lý ảnh. Đây là một phần của dự án nghiên cứu lớn hơn có tên là CVL (Computer Vision Library) với mục tiêu tối ưu hóa quy trình phát triển phần mềm. Sau đó, OpenCV được chuyển sang hoạt động dưới nền tảng mã nguồn mở và nhanh chóng thu hút được sự chú ý từ cộng đồng khi Google bắt đầu sử dụng OpenCV tại Google Street View vào năm 2006.
Khả năng và ứng dụng của OpenCV
OpenCV cung cấp nhiều module hỗ trợ cho các tác vụ khác nhau trong lĩnh vực thị giác máy tính. Một số khả năng nổi bật của OpenCV bao gồm:
- Xử lý ảnh cơ bản: OpenCV có thể thực hiện các thao tác chỉnh sửa ảnh cơ bản như thay đổi kích thước, cắt ghép, chuyển đổi sang các định dạng khác và áp dụng các bộ lọc để cải thiện chất lượng hình ảnh.
- Nhận diện đối tượng: Công nghệ nhận diện khuôn mặt và các đối tượng khác là một trong những ứng dụng phổ biến của OpenCV. Thư viện này cung cấp các phương pháp tiên tiến và hiệu quả để phát hiện và theo dõi các đối tượng trong chuỗi ảnh hoặc video.
- Xử lý video: Với OpenCV, người dùng có thể đọc, ghi và xử lý các chuỗi video nhanh chóng, hiệu quả. Thư viện còn hỗ trợ kết hợp video streaming trực tiếp từ các nguồn cấp video.
- Máy học: OpenCV tích hợp nhiều thuật toán máy học cơ bản phục vụ cho phân loại và phân cụm dữ liệu hình ảnh.
Cài đặt và sử dụng
OpenCV có thể dễ dàng cài đặt trên nhiều hệ điều hành như Windows, macOS và Linux. Thường thì người dùng cài đặt OpenCV thông qua các gói quản lý như pip (Python) hoặc sử dụng biên dịch mã nguồn từ GitHub. Sau khi cài đặt, người dùng có thể lập trình với OpenCV thông qua nhiều ngôn ngữ lập trình khác nhau như C++, Python, và Java.
Lời kết
OpenCV là một công cụ mạnh mẽ và linh hoạt cho việc phát triển các ứng dụng thị giác máy tính. Với sự hỗ trợ từ cộng đồng mã nguồn mở và khả năng tích hợp các công cụ tiên tiến, OpenCV đã trở thành lựa chọn hàng đầu cho các nhà nghiên cứu và nhà phát triển trong ngành công nghiệp. Nhờ vậy, OpenCV không chỉ giúp tiết kiệm thời gian mà còn cung cấp các giải pháp hiệu quả cho việc xử lý hình ảnh và video.
Danh sách công bố khoa học về chủ đề "opencv":
Effects of number of simulated particles on the uncertainty in simulation of dispersion of radioactive material using FLEXPART program
Nuclear Science and Technology - Tập 9 Số 1 - 2019
FLEXPART software simulates atmospheric emissions based on wind-field movements and random disturbances. To simulate random processes, FLEXPART uses a certain number of simulation particles. Changing the number of simulation particles causes a change in the simulated results of the dispersion concentration of the radionuclides. The larger number of simulated particles results in the more accurate simulated results. However, increasing the number of simulated particles results in the increasing of the computational cost. The report presents an assessment of the uncertainty in theconcentration of radionuclides in simulating dispersion of 137Cs and 131I nuclides using FLEXPART software according to the number of simulation particles. The number of simulation particles used in this study are 100, 1000, 5000, 7500, 10000, 15000, 20000, 25000 and 30000 particles / hour. Using the image processing software OpenCV to evaluate the uncertainties of simulated results according to the number of simulated particles used. Evaluation results show that the simulated results are acceptable with the number of simulated particles being of 20000 particles/hour.
#FLEXPART #uncertainty #simulation particle #OpenCV
Study on image processing method to classify objects on dynamic conveyor
Tạp chí Kỹ thuật và Công nghệ Đại học Quốc gia Thành phố Hồ Chí Minh - Tập 2 Số SI2 - Trang SI127-SI136 - 2019
Controlling a robotic arms for applications such as detection and classification moving object using the vision sensor is a trend in the field of industrial robots. In particular, the vision sensor is the "eye" of the robot. To solve this problem, we need an efficient image processing algorithm for object identification to optimize the speed. Our classification principle based on the color of the object to be classified first, then separating contour to classify according to the shape of the object. In addition, our paper also propose a classification method that rarely mentioned in the relevant documents that classify based on object's characteristic. In fact, the product packaging not only has one color, but also includes complex color and patterns. Being able to classify these products shows the practicality of the proposed method. For complex colors and patterns object, the PCASIFT algorithm is useful, where SIFT extracts the local characteristics of the object and PCA reduces the number of dimensionality and retain only the best characteristics for identification. To picking object, a proposed design with the optimal requirements of picking order so that picking time is the shortest to minimize the delay for the next picking. The other outstanding advantage is a system of robotic arm to perform pick-up and sorting. This helps to verify good running algorithms in real time. The items are randomly released and the rotation of items is random. The speed of the conveyor is 5cm/s, an average of more than 2 seconds to pick up an object and robot arm processing precisely at high speed. The experimental results using camera Logitech C270, Yamaha Scara YK-400X robotic arm, LabVolt conveyor and OpenCV library are satisfactory, reliable and applicable.
#Image Processing #PCA-SIFT #OpenCV #colours and shapes classification.
XÂY DỰNG HỆ THỐNG GIÁM SÁT, QUẢN LÝ, NHẬN DẠNG KHUÔN MẶT NGƯỜI SỬ DỤNG MÃ NGUỒN MỞ OPENCV TRÊN RASPBERRY PI
Tạp chí Khoa học và Công nghệ - Tập 8 Số 2 - Trang - 2019
Hiện nay, Internet of Things (IoT) là một trong những yếu tố quan trọng của mọi dự báo về công nghệ tương lai. Dự báo đến cuối 2020 sẽ có 25 tỉ vật dụng có kết nối Internet, mọi vật đều có khả năng trở nên “thông minh” khi có kết nối Internet. Ứng dụng triển khai IoT cũng sẽ làm cho việc quản lý, giám sát con người hiệu quả hơn, xã hội trở nên an toàn hơn và con người ngày càng được bảo vệ tốt hơn. Không nằm ngoài xu hướng ứng dụng công nghệ Internet of Things nhằm nâng cao khả năng giám sát, quản lý con người tạo hiệu quả trong công tác quản lý cũng như đảm bảo khả năng an ninh. Trong quản lý, giám sát con người, kiểm soát an ninh, điều quan trọng nhất là nhận dạng được con người và xác định thông tin cá nhân của mỗi người. Trong nhận dạng con người có nhận dạng khuôn mặt. Bài báo này trình bày hướng nghiên cứu triển khai và xây dựng hệ thống cho phép một người được nhận dạng khuôn mặt, ghi lại thông tin thời điểm nhận dạng và người được nhận dạng để theo dõi sự xuất hiện của họ trong hệ thống nhằm quản lý, giám sát. Ứng dụng sử dụng mã nguồn mở OpenCV tích hợp trên thiết bị Raspberry Pi để thu thập dữ liệu khuôn mặt, truyền đến Web Service quản lý, lưu trữ và xử lý dữ liệu.
#IoT #OpenCV #Raspberry Pi #MongoDB #Nodejs.
Quy hoạch quỹ đạo cho Robot di động dựa trên thị giác máy tính
Bài báo giới thiệu thuật toán quy hoạch quỹ đạo cho robot di động hoạt động trong nhà dựa trên thị giác máy tính. Thuật toán được xây dựng nhằm giải quyết những vấn đề cơ bản mà robot gặp phải trong quá trình di chuyển bao gồm định hướng, định vị trí, tránh vật cản và các bài toán nhận dạng như nhận dạng điểm mốc, cửa và vật thể đích. Các thuật toán xử lý ảnh được hỗ trợ bằng các hàm từ thư viện OpenCV. Kết quả của thuật toán được áp dụng trên mô hình robot thực nghiệm điều khiển theo cơ chế client/server. Chương trình xử lý và điều khiển robot thực nghiệm được viết trên nền mã nguồn mở điều khiển robot thông dụng Player/Satge. Kết quả thực nghiệm cho thấy với thông tin từ camera, robot có thể di chuyển đến vật thể đích khi biết trước vị trí của vật thể đích và các cột mốc quan trọng trên đường di chuyển.
#OpenCV #Player/Stage #robot di động #thị giác máy tính #quy hoạch quỹ đạo
Research on Part Classification Solution by Image Processing Techniques
The application of high-tech technology in production generally has been an inevitable trend of today's era, especially in Industry 4.0. An industry integrated with high technology will help improve production efficiency, creating many quality products that meet global standards. This study researches and proposes a product classification technique with the support of image processing technology. The study highlights the successful implementation of a model that can classify products with square, circle, and triangular shapes by a new and fully automatic method that helps to reduce costs and human labor. In addition, the system can identify defective parts. The results showed that the system works stably. The proposed solution can replace conventional manual part sorting with high accuracy and low cost.
#Embedded System #image processing #OpenCV #Part classification
PHÁT HIỆN KHẨU TRANG KHUÔN MẶT BẰNG PHƯƠNG PHÁP HỌC SÂU
Ô nhiễm môi trường và bệnh về đường hô hấp như là đại dịch COVID-19, có khả năng lây nhiễm qua không khí và ảnh hưởng đến sức khỏe của con người. Để bảo vệ sự an toàn cho bản thân và trong cộng đồng thì một trong các giải pháp được đề xuất là đeo khẩu trang. Vì thế, bài nghiên cứu này tập trung vào sự phát hiện khuôn mặt người có đeo khẩu trang hoặc không đeo khẩu trang từ dữ liệu của camera giám sát, dữ liệu video thu thập được kết hợp một thuật toán học sâu Convolutional Neural Network (CNN), học máy sẽ phân loại dữ liệu ra hai nhãn. Kết quả thực nghiệm đã đóng góp được hai vấn đề chính: một là phát hiện đeo khẩu trang và không đeo khẩu trang, hai là: đề xuất hai mô hình học sâu CNN được đánh giá và được so sánh cho sự hiệu quả cho các công thức: Accuracy, Precision, Recall và F1-Score với kết quả đã đạt được độ chính xác là 99.94%.
#mạng nơ ron (CNN) #Deep learning #Face Mask #OpenCV #xử lí ảnh
Thuật Toán Xác Định Quan Hệ Liên Kết Giữa Các Đốt Sống L1–L5 Trên Hình X-quang Dịch bởi AI
Optical Memory and Neural Networks - Tập 27 - Trang 161-169 - 2018
Khi chẩn đoán bệnh thoái hóa đốt sống, việc xác định các tham số hình học và sự sắp xếp lẫn nhau của các đốt sống là rất quan trọng. Chúng tôi đề xuất một thuật toán để tự động hóa một phần việc định vị các đốt sống trên hình X-quang của cột sống thắt lưng và việc tham số hóa tiếp theo. Thuật toán là sự kết hợp của nhiều phương pháp khác nhau. Để định vị các vị trí của các đốt sống trên hình ảnh, chúng tôi sử dụng phương pháp cửa sổ trượt với kích thước cố định và mạng nơ-ron tích chập như một bộ phân loại. Việc xử lý các đoạn hình ảnh đã định vị có chứa các đốt sống bao gồm loại bỏ tiếng ồn, phục hồi, hiệu chỉnh và tham số hóa, mà chúng tôi thực hiện bằng cách sử dụng thư viện thị giác máy tính OpenCV.
#thoái hóa đốt sống #chẩn đoán hình ảnh #thuật toán #mạng nơ-ron tích chập #thư viện OpenCV
The algorithm development for operation of a computer vision system via the OpenCV library
Procedia Computer Science - Tập 169 - Trang 662-667 - 2020
Designing License Plate Identification through Digital Images with OpenCV
Procedia Computer Science - Tập 59 - Trang 468-472 - 2015
Tổng số: 19
- 1
- 2