version gratuite de la bibliothèque (Open Source Computer Vision Library), qui fournit des outils de traitement et d'analyse du contenu des images. OpenCV fournit plus de 2500 XNUMX algorithmes, à la fois classiques et reflétant les dernières avancées en matière de systèmes de vision par ordinateur et d'apprentissage automatique. Le code de la bibliothèque est écrit en C++ et sous licence BSD. Les liaisons sont préparées pour divers langages de programmation, notamment Python, MATLAB et Java.
La bibliothèque peut être utilisée pour reconnaître des objets dans des photographies et des vidéos (par exemple, reconnaissance de visages et de figures de personnes, de texte, etc.), suivre le mouvement d'objets et de caméras, classer des actions dans une vidéo, convertir des images, extraire des modèles 3D, générer un espace 3D à partir d'images de caméras stéréo, créer des images de haute qualité en combinant des images de qualité inférieure, rechercher des objets dans l'image similaires à l'ensemble d'éléments présenté, appliquer des méthodes d'apprentissage automatique, placer des marqueurs, identifier des éléments communs dans différents images, éliminant automatiquement les défauts tels que les yeux rouges.
В :
- Un backend pour l'utilisation de CUDA a été ajouté au module DNN (Deep Neural Network) avec la mise en œuvre d'algorithmes d'apprentissage automatique basés sur les réseaux de neurones et la prise en charge expérimentale des API a été implémentée. ;
- À l'aide des instructions SIMD, les performances du code ont été optimisées pour la sortie stéréo (StereoBM/StereoSGBM), le redimensionnement, le masquage, la rotation, le calcul des composants de couleur manquants et de nombreuses autres opérations ;
- Ajout de l'implémentation multithread de la fonction ;
- Ajout de la possibilité d'extraire des flux vidéo à partir de conteneurs multimédias (démultiplexage) à l'aide du backend videoio basé sur FFmpeg ;
- Algorithme ajouté pour une reconstruction rapide et sélective en fréquence des images endommagées (Reconstruction sélective de fréquence);
- Méthode ajoutée pour l'interpolation de zones typiques non remplies ;
- Ajout de la méthode de normalisation des écarts ;
- Le module G-API (opencv_gapi), qui agit comme un moteur de traitement d'image efficace à l'aide d'algorithmes basés sur des graphiques, prend en charge des algorithmes de vision par ordinateur hybrides plus complexes et d'apprentissage automatique profond. La prise en charge du backend Intel Inference Engine est fournie. Ajout de la prise en charge du traitement des flux vidéo au modèle d'exécution ;
- Éliminé (, ), ce qui peut potentiellement conduire à l'exécution de code par un attaquant lors du traitement de données non vérifiées aux formats XML, YAML et JSON. Si un caractère avec un code nul est rencontré lors de l'analyse JSON, la valeur entière est copiée dans le tampon, mais sans vérifier correctement si elle dépasse les limites de la zone mémoire allouée.
Source: opennet.ru