IA 5 Vision Artificielle.md

IA 5 Vision Artificielle

Introduction

Image informatique

简介：三通道等等……

介绍open cv库，例如python的应用。

import cv2
cv2.VideoCapture(0)  # for example

Formation des images

• Les images déforment la géométrie
• Les capteurs captures la lumière relétée par les objets et construisent l'image 2D

Pinhole camera

Lentilles

Traitement des images

Conversion en niveaux de gris 灰度转化

$$ Y = \frac{R + G + B}{3} $$

或者换个比例： $$ Y = 0.2 R + 0.7 G + 0.1 B $$ $Y$ : clarité.

Convolutions

$$ \begin{bmatrix} -1 & 0 & 1 \\ -1 & 0 & 1 \\ -1 & 0 & 1 \end{bmatrix} * Y $$

学过了。

例子：平均、高斯模糊、[梯度](###Gradiant et détection de bords)。

Transformation de Fourier

用途：如卷积的态射（morphisme），方便计算。

Gradiant et détection de bords

同上，学过了。

Filtre de Canny

wiki

• suppression non-maximale
• ...

Caractéristiques

Les caractéristiques sont des morceaux d'image facilement identifiable.

Considérons de nouveau nos nos images comme étant des fonctions. Observons les pixels dans une fenêtre.

Déplacement

$$ f(x + \Delta x, y + \Delta y) \approx f(x, y) + \frac{\partial f(x, y)}{\partial x} \Delta x + \frac{\partial f(x, y)}{\partial y} \Delta y $$

Morceaux d'image

$$ E_W(\Delta x, \Delta y) \approx [\Delta x \ \Delta y] \cdots $$

cv2.goodFeaturesToTrack(...)

SIFT features

Scale Invariant feature Transform

相似但尺寸不同的物件。

Suivre les caractéristiques dans le temps

$$ f(x + \Delta x, y + \Delta y, t + \Delta t) $$

Flot optique de Lucas-Kanade

$$ minimize_{u,v} \sum(\frac{\partial f(x, y, t)}{\partial}) $$

脱记，太快了……

wiki

Détection de visages

• collection un grand nombre d'images
• mettons les à une petite échelle
• utilisation l'apprentissage pour apprendre un classeur

Détection d'objets Viola-Jones

Seulement un ensemble de bonnes caacérisitiques et quelques trucs pour augmenter la vitesse

Caractérisitiques de Haar

l'idée est de calculer la somme des pixels dans la zone blanche d'y soustraire la somme des pixels en zone noire

• bords
• lignes
• rectangles

Classification rapide

L'extraction résulte en 180000+ caracéristiques de Haar pour chaque image. 5000 plus pertinentes. Avec une cascade de classeurs. 每次二分法去除。