Release van OpenCV 4.2 computer vision-bibliotheek

vond plaats gratis bibliotheekuitgave Open CV 4.2 (Open Source Computer Vision Library), dat hulpmiddelen biedt voor het verwerken en analyseren van beeldinhoud. OpenCV biedt meer dan 2500 algoritmen, zowel klassiek als die de nieuwste ontwikkelingen op het gebied van computer vision en machine learning-systemen weerspiegelen. De bibliotheekcode is geschreven in C++ en gedistribueerd door onder BSD-licentie. Bindingen zijn voorbereid voor verschillende programmeertalen, waaronder Python, MATLAB en Java.

De bibliotheek kan worden gebruikt om objecten in foto's en video's te herkennen (bijvoorbeeld gezichten en figuren van mensen, tekst, etc. herkennen), de beweging van objecten en de camera te volgen, acties op video te classificeren, afbeeldingen te transformeren, 3D-modellen te extraheren, 3D-ruimte vormen uit afbeeldingen van stereocamera's, afbeeldingen van hoge kwaliteit creëren door afbeeldingen van lagere kwaliteit te combineren, zoeken naar objecten die lijken op de gepresenteerde reeks elementen in de afbeelding, machine learning-methoden toepassen, markeringen plaatsen, gemeenschappelijke elementen in verschillende afbeeldingen identificeren, automatische eliminatie van defecten zoals rode ogen.

В nieuw uitgave:

• Er is een backend voor het gebruik van CUDA toegevoegd aan de DNN-module (Deep Neural Network) met de implementatie van machine learning-algoritmen op basis van neurale netwerken en experimentele API-ondersteuning. nGrafiek OpenVINO;
• Met behulp van SIMD-instructies werden de codeprestaties geoptimaliseerd voor stereo-uitvoer (StereoBM/StereoSGBM), formaat wijzigen, maskeren, rotatie, berekening van ontbrekende kleurcomponenten en vele andere bewerkingen;
• Multi-threaded implementatie van de functie toegevoegd pyrDown;
• De mogelijkheid toegevoegd om videostreams uit mediacontainers te extraheren (demuxing) met behulp van de videoio-backend op basis van FFmpeg;
• Algoritme toegevoegd voor snelle frequentieselectieve reconstructie van beschadigde beelden FSR (Frequentieselectieve reconstructie);
• Methode toegevoegd RIC voor interpolatie van typische ongevulde gebieden;
• Methode voor afwijkingsnormalisatie toegevoegd LOGOS;
• De G-API-module (opencv_gapi), die fungeert als motor voor efficiënte beeldverwerking met behulp van op grafieken gebaseerde algoritmen, ondersteunt complexere hybride computervisie en diepgaande machine learning-algoritmen. Er wordt ondersteuning geboden voor de Intel Inference Engine-backend. Ondersteuning toegevoegd voor het verwerken van videostreams aan het uitvoeringsmodel;
• geëlimineerd kwetsbaarheden (CVE-2019-5063, CVE-2019-5064), wat mogelijk kan leiden tot uitvoering van code van de aanvaller bij het verwerken van niet-geverifieerde gegevens in XML-, YAML- en JSON-formaten. Als tijdens het parseren van JSON een teken met een nulcode wordt aangetroffen, wordt de volledige waarde naar de buffer gekopieerd, maar zonder goed te controleren of deze de grenzen van het toegewezen geheugengebied overschrijdt.

Bron: opennet.ru