Cours:Classif : Différence entre versions
| Ligne 21 : | Ligne 21 : | ||
** 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 | * Connexion à la Rpi et test d'acquisition en ligne de commande | ||
* Capture d'image et affichage en temps réel, avec Python | * Capture d'image et affichage en temps réel, avec Python | ||
| Ligne 30 : | Ligne 29 : | ||
* Plusieurs objets | * Plusieurs objets | ||
| + | === Connexion à la Rpi et test d'acquisition en ligne de commande === | ||
| + | |||
| + | === Capture d'image et affichage en temps réel === | ||
| + | |||
| + | === Prétraitement === | ||
| + | |||
| + | === Reconnaissance simple d'un seul objet, avec descripteurs géométriques === | ||
| + | |||
| + | === Classifieur plus évolué === | ||
| + | |||
| + | === Plusieurs objets === | ||
=== Références === | === Références === | ||
Version du 21 janvier 2026 à 11:48
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.
Sommaire
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
Connexion à la Rpi et test d'acquisition en ligne de commande
Capture d'image et affichage en temps réel
Prétraitement
Reconnaissance simple d'un seul objet, avec descripteurs géométriques
Classifieur plus évolué
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 :
