Freigabe der freien Bibliothek (Open Source Computer Vision Library), die Mittel zur Verarbeitung und Analyse von Bildinhalten bereitstellt. OpenCV bietet mehr als 2500 Algorithmen, sowohl klassische als auch solche, die die neuesten Fortschritte im Bereich Computer Vision und maschinelles Lernen widerspiegeln. Der Bibliothekscode ist in C++ geschrieben und unter der BSD-Lizenz. Bindungen wurden für verschiedene Programmiersprachen vorbereitet, darunter Python, MATLAB und Java.
Die Bibliothek kann zur Objekterkennung in Fotos und Videos (zum Beispiel zur Gesichtserkennung und Erkennung von Menschenfiguren, Texten usw.), zur Verfolgung von Bewegungen von Objekten und Kameras, zur Klassifizierung von Aktivitäten in Videos, zur Bildverarbeitung, zur Extraktion von 3D-Modellen, zur Bildung von 3D-Räumen aus Bildern von Stereo-Kameras, zur Erstellung hochqualitativer Bilder durch das Kombinieren von Bildern niedrigerer Qualität, zur Suche nach Objekten auf einem Bild, die einem vorgestellten Satz von Elementen ähnlich sind, zur Anwendung von Methoden des maschinellen Lernens, zur Platzierung von Markern, zur Erkennung gemeinsamer Elemente in verschiedenen Bildern, zur automatischen Beseitigung von Defekten wie dem Effekt roter Augen.
Im :
- Im DNN-Modul (Deep Neural Network) mit Implementierung von Algorithmen des maschinellen Lernens auf der Basis neuronaler Netzwerke wurde ein Backend hinzugefügt, um CUDA zu nutzen, und experimentelle Unterstützung für die nGraph OpenVINO API wurde implementiert. ;
- Mittels SIMD-Befehlen wurde die Code-Leistungsoptimierung für Stereo-Rendering (StereoBM/StereoSGBM), Größenänderung, Maskenüberlagerung, Drehung, Berechnung fehlender Farbkomponenten und viele andere Operationen durchgeführt;
- Eine Multithreading-Implementierung der Funktion ;
- Die Möglichkeit, Video-Streams aus Mediencontainern (Demuxing) mithilfe des auf FFmpeg basierenden videoio-Backends zu extrahieren, wurde hinzugefügt;
- Ein Algorithmus zur schnellen frequenzselektiven Rekonstruktion beschädigter Bilder wurde hinzugefügt (Frequency Selective Reconstruction);
- Eine Methode wurde hinzugefügt, zur Interpolation typischer unvollständiger Bereiche;
- Eine Methode zur Normalisierung von Abweichungen wurde hinzugefügt ;
- Im G-API-Modul (opencv_gapi), das als Engine für die effiziente Bildbearbeitung unter Verwendung graphbasierter Algorithmen fungiert, wurde die Unterstützung für komplexere hybride Algorithmen der Computer Vision und des Deep Machine Learning implementiert. Die Unterstützung für das Backend Intel Inference Engine wurde gewährleistet. Unterstützung für die Verarbeitung von Video-Streams wurde zum Ausführungsmodell hinzugefügt;
- Beheben (, ), die potenziell zur Ausführung von Angreifer-Code führen können, wenn nicht geprüfte Daten in den Formaten XML, YAML und JSON verarbeitet werden. Wenn beim Parsen von JSON ein Null-Zeichen auftritt, wird der gesamte Wert in den Puffer kopiert, jedoch ohne angemessene Überprüfung auf einen Überlauf des zugewiesenen Speicherbereichs.
Quelle: opennet.ru
