Tutorial: Introdução à Visão Computacional usando OpenCV

Marengoni, Maurício; Stringhini, Stringhini

doi:10.22456/2175-2745.11477

Cited by 20 publications

(26 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Caberia ao processamento de imagens, efetuar os devidos procedimentos em uma imagem, para torná-la adequada para a sua real utilização e/ou gerar uma nova imagem. Por sua vez, a visão computacional, que também recebe uma imagem como entrada, fica incumbida de gerar uma saída que seria a interpretação desta entrada, sendo total ou parcial [Marengoni and Stringhini 2009]. Para Gonzalez [Gonzalez et al 2004], aárea de processamento de imagens tem como característica, o extenso experimento de soluções em um problema, pois uma solução de processamento para uma imagem, pode não ser o adequado para outra imagem, por mais similares que elas sejam.…”

Section: Processamento De Imagens E Visão Computacionalunclassified

“…Na Figura 1 pode-se notar a diferença entre processamento de imagens e visão computacional, onde mostra uma imagem original (esquerda) com problemas na iluminação que acarreta em dificuldade na identificação da placa do veículo, e na direita a imagem pós-processamento, onde se pode identificar com mais facilidade a placa do veículo em questão. Com a imagem de saída (pós-processada), pode-se aplicar a visão computacional para extrair informações da imagem, como no caso, a placa do veículo [Marengoni and Stringhini 2009], uma típica aplicação de visão computacional.…”

Section: Processamento De Imagens E Visão Computacionalunclassified

“…Imagem original (esquerda) e a pós-processada (direita), possibilitandoà visão computacional de extrair informações (placa do veículo)[Marengoni and Stringhini 2009] …”

unclassified

See 2 more Smart Citations

Bússola Visual para Futebol de Robôs

Londero

Guerra

2018

ComInG

View full text Add to dashboard Cite

Este artigo descreve um trabalho sobre uma alternativa de solução para o problema de orientação enfrentado por robôs humanóides em partidas de futebol da RoboCup. Usando apenas uma webcam, o robô faz uma análise de frames recebidos com frames armazenados previamente para prever sua orientação no campo. Esta técnica, se bem sucedida, irá apresentar uma solução para um problema muito comum em jogos de futebol de robôs: o gol contra.

show abstract

Section: Processamento De Imagens E Visão Computacionalunclassified

See 1 more Smart Citation

Bússola Visual para Futebol de Robôs

Londero

Guerra

2018

ComInG

View full text Add to dashboard Cite

show abstract

“…Na Figura 4é apresentado alguns exemplos de objetos dessa base de dados. [16]. A biblioteca está dividida em cinco grupos de funções: processamento de imagens, análise estrutural, análise de movimento e rastreamento de objetos, reconhecimento de padrões e Calibração de câmera e reconstrução 3D [16].…”

Section: A Materiais Utilizadosunclassified

Implementação de um Sistema de Reconhecimento de Objetos em Imagens

Lucena¹,

Veloso²,

Lopes³

2016

RTIC

View full text Add to dashboard Cite

Resumo-Um dos passos mais importantes no processamento de dados em sistemas inteligentesé o reconhecimento de objetos. Assim, o estudo de técnicas para reconhecimento de objetosé extremamente importante, desde queé necessário desenvolver sistemas efetivos com altas taxas de reconhecimento que sejam invariantes a rotação, ruído, iluminação, etc. Esta tarefa pode ser definida como a identificação de um objeto individual como membro de uma classe particular que contém objetos com características similares. Para implementar esse tipo de algoritmo são utilizados classificadores e descritores. Neste contexto, este trabalho apresenta um estudo inicial de técnicas de reconhecimento de objetos para validar um sistema de reconhecimento. O algoritmo implementado usa o descritor o histograma de gradiente orientado (HOG -Histogram of Oriented Gradient) e uma máquina de vetores de suporte (SVM -Support Vector Machine) como classificador e foi avaliado em termos da taxa de reconhecimento considerado três bases de dados: Caltech-101, MSRC v1 e Stanford Cars Dataset.Index Terms-Reconhecimento de objetos, descritores, classificadores, HOG, SVM, taxa de reconhecimento. I. INTRODUÇÃOO uso de imagens digitais vem se expandindo bastante no dia a dia das pessoas. Asáreas de biometria, vigilância residencial e comercial, separação de frutas e interação homem-máquina são alguns dos exemplos de atividades que requerem processamento digital de imagens. Para atender essa crescente demanda, cada vez mais, novas tecnologias de visão computacional vem sendo investigadas e desenvolvidas.Após a aquisição dos dados, um dos mais desafiadores passos para manipulação e processamento dos dados de sistemas inteligentes em visão compútacionalé reconhecer objetos [1], [2]. Desse modo, o estudo de técnicas para reconhecer objetoś e de extrema importância, uma vez que há a necessidade de desenvolver sistemas eficazes com altas taxas de reconhecimento, que sejam invariantes a rotação, ruído, luminosidade, etc [3]- [5].Para implementar um algoritmo de reconhecimento de objetos descritores e classificadores são utilizados. Sendo o primeiro responsável por discriminar, de forma compacta, a informação do objeto de interesse, e o segundo, responsável por identificar a qual classe o objeto pertence na imagem, com base nas informações aprendidas pelos descritores. Tal tarefa pode ser definida como: o reconhecimento de um objeto individual como membro de uma classe específica, que contém objetos com características similares. Desse modo, o reconhecimento de objetosé tratado como o ato de rotular uma imagem, dado várias opções de classes para diferentes objetos [6].Sob esse contexto, busca-se aqui, a realização do estudo e implementação de uma das técnicas de reconhecimento de objetos em imagens, baseando-se no descritor Histograma de Orientações dos Gradientes (Histogram of Oriented Gradient -HOG) e nas Máquinas de Vetor Suporte (Support Vector Machines -SVM), no intuito de validar um sistema de reconhecimento de objetos.Este artigo encontra-se dividido da forma q...

show abstract

“…It has been used widely in industry and academy. Started in 1999 and popularized in the following decade, OpenCV is covered in books [8,9,10] and tutorials [11,12], so this text will not provide another overview of the library. The interested reader who is not familiar with OpenCV should refer to those cited texts and the library's official documentation [13].…”

Section: Opencvmentioning

confidence: 99%

SciPy and OpenCV as an interactive computing environment for computer vision

Santos

2015

RITA

View full text Add to dashboard Cite

In research and development (R&D), interactive computing environments are a frequently employed alternative for data exploration, algorithm development and prototyping. In the last twelve years, a popular scientific computing environment flourished around the Python programming language. Most of this environment is part of (or built over) a software stack named SciPy Stack. Combined with OpenCV’s Python interface, this environment becomes an alternative for current computer vision R&D. This tutorial introduces such an environment and shows how it can address different steps of computer vision research, from initial data exploration to parallel computing implementations. Several code examples are presented. They deal with problems from simple image processing to inference by machine learning. All examples are also available as IPython notebooks.

show abstract

Tutorial: Introdução à Visão Computacional usando OpenCV

Cited by 20 publications

References 3 publications

Bússola Visual para Futebol de Robôs

Bússola Visual para Futebol de Robôs

Implementação de um Sistema de Reconhecimento de Objetos em Imagens

SciPy and OpenCV as an interactive computing environment for computer vision

Contact Info

Product

Resources

About