Lançamento da biblioteca de visão computacional OpenCV 4.2

aconteceu lançamento gratuito da biblioteca OpenCV4.2 (Biblioteca de Visão Computacional de Código Aberto), que fornece ferramentas para processamento e análise de conteúdo de imagem. OpenCV fornece mais de 2500 algoritmos, tanto clássicos quanto refletindo os mais recentes avanços em visão computacional e sistemas de aprendizado de máquina. O código da biblioteca é escrito em C++ e distribuído por sob licença BSD. As ligações são preparadas para várias linguagens de programação, incluindo Python, MATLAB e Java.

A biblioteca pode ser usada para reconhecer objetos em fotografias e vídeos (por exemplo, reconhecimento de rostos e figuras de pessoas, texto, etc.), rastrear movimentos de objetos e câmeras, classificar ações em vídeo, converter imagens, extrair modelos 3D, gerar espaço 3D a partir de imagens de câmeras estéreo, criar imagens de alta qualidade combinando imagens de qualidade inferior, buscar objetos na imagem que sejam semelhantes ao conjunto de elementos apresentado, aplicar métodos de aprendizado de máquina, colocar marcadores, identificar elementos comuns em diferentes imagens, eliminando automaticamente defeitos como olhos vermelhos.

В o novo liberar:

• Um backend para uso de CUDA foi adicionado ao módulo DNN (Deep Neural Network) com a implementação de algoritmos de aprendizado de máquina baseados em redes neurais e suporte experimental de API foi implementado nGraph OpenVINO;
• Usando instruções SIMD, o desempenho do código foi otimizado para saída estéreo (StereoBM/StereoSGBM), redimensionamento, mascaramento, rotação, cálculo de componentes de cores ausentes e muitas outras operações;
• Adicionada implementação multithread da função pirDown;
• Adicionada a capacidade de extrair streams de vídeo de contêineres de mídia (demuxing) usando o backend videoio baseado em FFmpeg;
• Adicionado algoritmo para reconstrução rápida e seletiva de frequência de imagens danificadas FSR (Reconstrução Seletiva de Frequência);
• Método adicionado RIC para interpolação de áreas não preenchidas típicas;
• Adicionado método de normalização de desvio LOGOS;
• O módulo G-API (opencv_gapi), que atua como um mecanismo para processamento eficiente de imagens usando algoritmos baseados em gráficos, suporta visão computacional híbrida mais complexa e algoritmos de aprendizado de máquina profundo. É fornecido suporte para o back-end do Intel Inference Engine. Adicionado suporte para processamento de streams de vídeo ao modelo de execução;
• Eliminado vulnerabilidades (CVE-2019-5063, CVE-2019-5064), o que pode potencialmente levar à execução de código do invasor ao processar dados não verificados nos formatos XML, YAML e JSON. Se um caractere com código nulo for encontrado durante a análise JSON, todo o valor será copiado para o buffer, mas sem verificar adequadamente se excede os limites da área de memória alocada.

Fonte: opennet.ru