Cours:Classif : Différence entre versions
(→Technos matérielles et logicielles) |
|||
| Ligne 20 : | Ligne 20 : | ||
** PIL et numpy pour les traitements bas niveaux | ** PIL et numpy pour les traitements bas niveaux | ||
** la librairie opencv et dlib pour la classification et la reconnaissance | ** la librairie opencv et dlib pour la classification et la reconnaissance | ||
| + | |||
| + | === Étapes === | ||
| + | |||
| + | * Connexion à la Rpi et test d'acquisition en ligne de commande | ||
| + | * Capture d'image et affichage en temps réel, avec Python | ||
| + | * Prétraitement | ||
| + | * Reconnaissance simple d'un seul objet, avec descripteurs géométriques | ||
| + | * Classifieur plus évolué (knn, svm) | ||
| + | * Plusieurs objets | ||
| + | |||
=== Références === | === Références === | ||
Version du 21 janvier 2026 à 11:43
TP Classification : détection d'objet en temps réel par vision
Le travail de cette étape va consister à
- analyser des images acquises en "temps réel" afin de détecter et identifier des objets
- les objets seront
- dans un premier temps des jetons de nain jaune
- dans un second temps des briques lego.
Technos matérielles et logicielles
Vous utiliserez :
- Une Rpi 4 que vous programmerez depuis des postes utilisés en terminaux connectés par
ssh, avec redirection graphique (option- X). - Une camera PiCam Wide (grand angle)
- Le langage Python accompagné de
- la librairie libcamera pour les acquisitions :
- PIL et numpy pour les traitements bas niveaux
- la librairie opencv et dlib pour la classification et la reconnaissance
Étapes
- Connexion à la Rpi et test d'acquisition en ligne de commande
- Capture d'image et affichage en temps réel, avec Python
- Prétraitement
- Reconnaissance simple d'un seul objet, avec descripteurs géométriques
- Classifieur plus évolué (knn, svm)
- Plusieurs objets
Références
OpenCV :
- OpenCV Tutorials
- Exemples OpenCV en c++
- K-Nearest Neighbour
- Image Segmentation with Watershed Algorithm
- connected Components et son exemple en cpp : https://docs.opencv.org/3.4/de/d01/samples_2cpp_2connected_components_8cpp-example.html#a3
- Introduction to Support Vector Machines
- Fourier Descriptors, voir également Contours example pour obtenir les contours d'un objet.
Archives de cette page :
