Arc Détection de présence

Slides:



Advertisements
Présentations similaires
Manipulation d’un objet virtuel à l’aide d’une cible et d’une caméra
Advertisements

Traitement d’images : concepts fondamentaux
Traitement d’images : concepts fondamentaux
Martin Guibert Pereira Helder Steven Ly Aiman Krissane.
l ’Organisation du Contrôle de Gestion: Place et finalités
Image et apprentissage
Traitement d’images : briques de base S. Le Hégarat
Conception et Innovation
Conception et Innovation
Tests et validation du logiciel
Master Informatique 2ème année
Traitements d'images et Vision par ordinateur
INF-1019 Programmation en temps réel
Coupe de France de Robotique 2007 Candidat n°4 – Steven LY BTS IRIS – PROMOTION
Détection de « tâches dobjets artificialisés » D.Réchal IRD, ESPACE Dev 18/02/2011 – Montpellier (France)
Mesure et suivi de la sténose carotidienne
Concepts avancés en mathématiques et informatique appliquées MAP-6014.
Chapitre 3 : Détection des contours
Mise en correspondance et Reconnaissance
Détection de code-barres sur les formulaires Hemoccult II
Interfaces Multimodales Etude de la librairie HandVu Barraud Sylvain Fracheboud Dominique Mulumba Serge.
Raphael Guye Bellil Saoussen Enseignant : David Grünenwald 3 mai 2010 Sport Ranking Application Web 2 – Ruby on Rails.
Projet de diplôme 2011 Miserez David
Equipe : VAISSET Antoine, MATHEOSSIAN Dimitri
Amiet Nils Claude Davy Droz William
Capsule 1 Introduction à Aphelion
Capsule 1 Introduction à Aphelion
Projet Traitement d'images en C
TRAITEMENT D’IMAGE SIF-1033.
Création d’un logiciel de visualisation d’images scanner en 3D
Distance de BORGEFORS Et Applications
Base de données multimédia Cordelia Schmid
Projet Master 2 p18 Player interactif.
Application d’algorithmes d’extraction de la couleur et des textures à partir d’images aériennes dans le contexte de l’extraction de bâtiments pour supporter.
Détection de contours automatique et application aux images réelles
Coupe de France Robotique 2007
Reconnaissance des personnes par le visage dans des séquences vidéo
LEMKE LaurentBITSCH José TERRIER VincentLAALA Yoann MONTAVONT GuillaumeBRIBI Mohamed 1.
Détection de type de défauts sur la surface d’une poutre métallique
EADS 2009 – All rights reserved Graphisme – Design d’interfaces Olivier Cartaux – ISPF41 Concepteur Multimédia
Les réseaux de neurones à réservoir en traitement d’images
Institut de sciences et technologies Département d’informatique
Extraction non supervisée (séparation Image/fond) ● Objectifs : 1. temps réel 2. détection des «objets» en mouvement ● Compression temporelle de l'aspect.
Comparaison d’images couleurs. Sommaire Introduction Différence locale de luminance Différence locale de chrominance Différence locale d’émergence Différence.
Visualisation d’un entrepôt de données Pré soutenance technique
INF3500 : Conception et implémentation de systèmes numériques Pierre Langlois Performance de circuits.
Les réseaux de neurones à réservoir en traitement d’images
SUJETS SPÉCIAUX EN INFORMATIQUE 1
Suivi rapide d’objet en mouvement
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
SIF1033 TRAITEMENT D’IMAGE
Vision industrielle Les applications industrielles de la vision : –Lecture de code barre (barcode) –Detection et position d objets (battery) –Reconnaissance.
Concepts avancés en mathématiques et informatique appliquées MAP-6014.
Mathématiques pour Informaticien I
Suivi d’Horizons Sismiques
Chevrier Christophe Diallo Ibrahima Le Penhuizic Glenn Sautet David.
Traitement d’images 420-D78-SW A15 Semaine 02.
Jonas Berdoz Fabrizio Beretta Piccoli Valentin Delaye Michaël Sandoz Projet GEN juin 2010.
Traitement d’images Semaine 09 v.A15.
Photoshop CS4 Partie 2 Ahmed CHAWKI Peng ZHAO SI28 Automne 09.
RECONNAISSANCE DE FORMES PAR CAMERA. Présentation générale du projet :
Traitement d’images Semaine 09 vA15.
Garcia Patrick - Moutel Mathieu. SOMMAIRE Introduction à Photoshop Les différents formats d’images L’espace de travail Les calques Les filtres.
la reconnaissance de visages
Virtual Keyboard J. Tavernier, N. Vienne Encadrants: C. Hudelot, F. Magoulès.
Lentille convergente : cas particulier 1
Construction d’images Lentilles minces (cliquer pour avancer)
Transcription de la présentation:

Arc Détection de présence Traitement d’images Nils Amiet, Raphaël Capocasale, Alan Stalder Nils

Sommaire Introduction et buts du projet Conception Problèmes rencontrés Améliorations possibles Conclusion Démonstration Alan

Introduction et buts du projet Détection et listing d’objets dans une image Détection d’un objet de l’image A dans l’image B Nils

Conception (1) OpenCV JavaCV (binding Java) Swing Alan

Conception (2) cvThreshold cvMorphologyEx Seuillage cvMorphologyEx Opérations morphologiques cvFindContours, cvDrawContours Détection de contours cvApproxPoly, cvAvg Couleur moyenne d’un objet Utiliser un masque cvContourPerimeter, cvContourArea Périmètre, aire => facteur de Heywood Nils

Problèmes rencontrés Installation de JavaCV Utilisation d’OpenCV Différences OpenCV - JavaCV Prendre de bonnes photos Alan

Améliorations possibles Performance (threads) Utiliser d’autres critères pour la discrimination des objets Nils

Conclusion Projet fonctionnel Application réelle des concepts vus en cours Utilisation réelle d’OpenCV Alan

Démonstration Nils