rilascio gratuito della libreria (Open Source Computer Vision Library), che fornisce strumenti per l'elaborazione e l'analisi del contenuto delle immagini. OpenCV fornisce più di 2500 algoritmi, sia classici che che riflettono gli ultimi progressi nei sistemi di visione artificiale e di apprendimento automatico. Il codice della libreria è scritto in C++ e sotto licenza BSD. Vengono preparati collegamenti per vari linguaggi di programmazione, tra cui Python, MATLAB e Java.
La libreria può essere utilizzata per riconoscere oggetti in foto e video (ad esempio, riconoscere volti e figure di persone, testo, ecc.), tracciare il movimento degli oggetti e della fotocamera, classificare azioni su video, trasformare immagini, estrarre modelli 3D, formare uno spazio 3D da immagini provenienti da telecamere stereo, creare immagini di alta qualità combinando immagini di qualità inferiore, cercare oggetti nell'immagine che siano simili all'insieme di elementi presentato, applicare metodi di apprendimento automatico, posizionare marcatori, identificare elementi comuni in diversi immagini, eliminando automaticamente difetti come gli occhi rossi.
В :
- Al modulo DNN (Deep Neural Network) è stato aggiunto un backend per l'utilizzo di CUDA con l'implementazione di algoritmi di machine learning basati su reti neurali ed è stato implementato il supporto API sperimentali ;
- Utilizzando le istruzioni SIMD, le prestazioni del codice sono state ottimizzate per l'output stereo (StereoBM/StereoSGBM), il ridimensionamento, il mascheramento, la rotazione, il calcolo dei componenti di colore mancanti e molte altre operazioni;
- Aggiunta l'implementazione multi-thread della funzione ;
- Aggiunta la possibilità di estrarre flussi video da contenitori multimediali (demuxing) utilizzando il backend videoio basato su FFmpeg;
- Aggiunto algoritmo per la ricostruzione rapida selettiva in frequenza delle immagini danneggiate (Ricostruzione selettiva in frequenza);
- Metodo aggiunto per l'interpolazione di tipiche aree non riempite;
- Aggiunto metodo di normalizzazione della deviazione ;
- Il modulo G-API (opencv_gapi), che funge da motore per un'elaborazione efficiente delle immagini utilizzando algoritmi basati su grafici, supporta la visione artificiale ibrida più complessa e algoritmi di apprendimento automatico profondo. Viene fornito il supporto per il backend Intel Inference Engine. Aggiunto supporto per l'elaborazione dei flussi video al modello di esecuzione;
- Eliminato (, ), che può potenzialmente portare all'esecuzione di codice da parte di un utente malintenzionato durante l'elaborazione di dati non verificati nei formati XML, YAML e JSON. Se durante l'analisi JSON viene rilevato un carattere con codice nullo, l'intero valore viene copiato nel buffer, ma senza verificare adeguatamente se supera i limiti dell'area di memoria allocata.
Fonte: opennet.ru