rilascio della libreria open source (Open Source Computer Vision Library), che offre strumenti per l'elaborazione e l'analisi del contenuto delle immagini. OpenCV fornisce oltre 2500 algoritmi, sia classici che riflettenti le ultime scoperte nel campo della visione artificiale e dei sistemi di apprendimento automatico. Il codice della libreria è scritto in C++ e sotto licenza BSD. I binding sono stati preparati per diversi linguaggi di programmazione, tra cui Python, MATLAB e Java.
La libreria può essere utilizzata per il riconoscimento di oggetti in foto e video (ad esempio, riconoscimento facciale e delle forme umane, del testo, ecc.), monitoraggio del movimento di oggetti e della telecamera, classificazione delle azioni nei video, trasformazione delle immagini, estrazione di modelli 3D, creazione di spazi 3D da immagini provenienti da telecamere stereo, realizzazione di immagini di alta qualità attraverso la fusione di immagini di qualità inferiore, ricerca di oggetti simili a un insieme fornito all'interno di un'immagine, applicazione di metodi di machine learning, posizionamento di marcatori, identificazione di elementi comuni in immagini diverse, rimozione automatica di difetti come l'effetto occhi rossi.
In :
- Nel modulo DNN (Deep Neural Network), con implementazione di algoritmi di machine learning basati su reti neurali, è stato aggiunto un backend per l'utilizzo di CUDA e implementato un supporto sperimentale per l'API. ;
- L'ottimizzazione delle prestazioni del codice per la stereovisione (StereoBM/StereoSGBM), ridimensionamento, applicazione di maschere, rotazione, calcolo dei componenti di colore mancanti e molte altre operazioni è stata realizzata con l'uso di istruzioni SIMD.
- Aggiunta l'implementazione multi-thread della funzione ;
- Aggiunta la possibilità di estrarre flussi video dai contenitori multimediali (demuxing) utilizzando il backend videoio basato su FFmpeg;
- Aggiunto un algoritmo per la rapida ricostruzione selettiva per frequenza di immagini danneggiate (Ricostruzione Selettiva per Frequenza);
- Aggiunto il metodo per l'interpolazione di aree vuote standard;
- Aggiunto un metodo di normalizzazione delle deviazioni ;
- Nel modulo G-API (opencv_gapi), che funge da motore per l'elaborazione efficiente delle immagini utilizzando algoritmi basati su grafi, è stata implementata la supporto per algoritmi ibridi più complessi di visione artificiale e apprendimento profondo. È stato garantito il supporto per il backend Intel Inference Engine. Nella modalità di esecuzione è stato aggiunto il supporto per l'elaborazione dei flussi video;
- Risolti (, ), che potrebbero potenzialmente portare all'esecuzione di codice da parte di un attaccante durante l'elaborazione di dati non verificati nei formati XML, YAML e JSON. Se durante l'analisi JSON viene incontrato un simbolo con codice zero, il valore viene copiato interamente nel buffer, ma senza adeguati controlli sui limiti della memoria allocata.
Fonte: opennet.ru
