【四箭齐发】OpenCV实验大师工作流引擎SDK

简介: 【四箭齐发】OpenCV实验大师工作流引擎SDK

OpenCV实验大师工作流引擎

基于OpenCV实验大师工作流引擎库的SDK 与OpenCV4.8 + QT5.12,C++ 开发了四个人工智能应用分别是 :

人脸识别

YOLOv8模型推理部署

DM与QR码一键识别

OpenCV算法工作流

支持Jetson板卡运行与Win10、Win11 系统下运行

人脸识别

人脸识别 支持人脸检测、人脸对齐与人脸特征比对、人脸注册、支持视频与摄像头实时人脸识别功能,视频中未知人脸,通过人脸注册以后,再次加载就会显示人脸识别结果,主要是基于OpenCV4提供的人脸检测与人脸识别模型完成,程序已经移植到灵犀开发板与Jetson Orin Nano开发板上运行验证。亲测有效

YOLOv8模型推理与部署

YOLOv8推理与部署能力来自OpenCV实验大师工作流引擎SDK,基于OpenCV DNN 与OpenVINO实现了CPU与GPU加速推理。在Jetson Orin Nano与灵犀开发板上均获得了实时帧率,支持YOLOv8对象检测、实例分割、姿态评估、旋转对象检测 全部自定义模型推理,通过工作流引擎SDK三行代码即可部署全系YOLOv8模型,实现各种自定义对象检测模型在主流开发板上的C++ 加速推理能力。

读码与解码

此外OpenCV实验大师工作流引擎SDK提供了自研的读码与解码SDK,支持从预处理到寻码定位到解码识别的全流程处理,实现了对开源项目的源码级修改与重写编译实现。当前我们支持DM码、QR码、主流一维码的读码能力,对畸变、模糊、脏污码有修复检测解码能力,同时提供各种码的质量检测能力。


工作流引擎

OpenCV实验大师工具软件设计与导出的OpenCV算法流程配置文件,可以一键导入到工作流引擎中加载运行,无缝集成QT C++中,三行代码即可实现OpenCV算法流程部署,零代码实现Blob检测、找线、找圆、读码、简单缺陷检测、有无检测、定位、测量等机器视觉算法功能。

后记:

OpenCV实验大师工具软件 与 OpenCV实验大师工作流引擎库,是作者数十年OpenCV开发的融汇贯通与工程经验的总结之后系统化知识体系的呕心沥血之作,用它们双剑合璧,OpenCV开发效率可提升数十倍,开发能力延展达到工作十年的研发能力,为公司创造更多更大的商业价值是作者的开发这两款软件的初心,Make OpenCV Development Easy, 永远是我们不变的追求!!!

相关文章
|
6月前
|
算法 开发工具 计算机视觉
【零代码研发】OpenCV实验大师工作流引擎C++ SDK演示
【零代码研发】OpenCV实验大师工作流引擎C++ SDK演示
94 1
|
6月前
|
机器学习/深度学习 算法 Ubuntu
十年OpenCV开发以后发布的作品 - OpenCV实验大师
十年OpenCV开发以后发布的作品 - OpenCV实验大师
59 2
|
算法 计算机视觉
数字图像处理OpenCV——实验三 图像分割实验
实验三 图像分割实验 实验项目名称:图像分割实验 (1) 进一步理解图像的阈值分割方法和边缘检测方法的原理。 (2) 掌握图像基本全局阈值方法和最大类间方差法(otsu法)的原理并编程实现。 (3) 编程实现图像的边缘检测。 编程实现图像阈值分割(基本全局阈值方法和otsu法)和边缘检测。 图像的二值化处理图像分割中的一个主要内容,就是将图像上的点的灰度置为0或255,也就是讲整个图像呈现出明显的黑白效果。用I表示原图,R表示二值化后的图,则二值化的过程可以用以下公式表示: thr表示选取的阈值。二值化的过
438 0
数字图像处理OpenCV——实验三 图像分割实验
|
弹性计算 数据安全/隐私保护 计算机视觉
|
Linux API Android开发
Python计算细胞核与细胞质的面积比opencv或pil实验
Python计算细胞核与细胞质的面积比opencv或pil实验
315 0
Python计算细胞核与细胞质的面积比opencv或pil实验
|
算法 计算机视觉
数字图像处理OpenCV——实验四 图像艺术化处理实验
实验四 图像艺术化处理实验 实验项目名称:图像艺术化处理实验 (1) 了解各种图像艺术化处理方法的原理。 (2) 掌握各种艺术化处理方法的实现过程。 编程实现艺术化效果,三类效果中每类至少实现两种。 1.艺术化效果 (1)黑白照片制作 我们通常说的黑白照片并不是数字图像中的二值图,而是灰度图。由彩色图像转化为灰度图像的过程叫做灰度化处理。一般情况下彩色图像每个像素用3个字节表示,每个字节对应着R、G、B分量的亮度(红、绿、蓝),转换后的灰度图像的灰度值在0~255之间,数值越大,该点越白,即越亮,越小则越黑
371 0
数字图像处理OpenCV——实验四 图像艺术化处理实验
|
机器学习/深度学习 计算机视觉
数字图像处理OpenCV——实验二 图像的空间域增强
实验二 图像的空间域增强 实验项目名称:图像的空间域增强 (1) 进一步理解图像平滑和图像锐化等空间域增强方法的原理。 (2) 了解图像平滑和图像锐化的效果和作用。 (3) 掌握图像模板运算的流程。 1、图像平滑 众所周知,实际获得的图像在形成、传输、接收和处理的过程中,不可避免地存在着外部和内部的噪声干扰。噪声恶化了图像质量,使图像模糊,给分析带来困难。因此,去除噪声,恢复原始图像时图像处理中的一个重要内容。消除图像噪声的工作称之为图像平滑或滤波。 图像平滑方法包括空域法和频域法两大类。在空域法中,图像平
250 0
数字图像处理OpenCV——实验二 图像的空间域增强
|
算法 计算机视觉 索引
数字图像处理OpenCV——实验一 熟悉OpenCV环境和基本操作
实验一 熟悉OpenCV环境和基本操作 熟悉OpenCV运行环境,了解图像的基本操作及直方图均衡化。 利用OpenCV产生一幅图像,尺寸为200*240,三通道,其中某一块为红色,其它皆为黑色,示例图如下。 对一副图像进行直方图均衡化处理。要求自行编写直方图均衡化函数,实现图像灰度均衡的算法步骤如下: (1) 统计直方图数组,用一个数组p记录p[i]; (2) i从1开始,令S[i]=S[i-1]+p[i],S[0]=p[0]; (3) 一个数组L记录新的S索引值,即令L[i]=S[i]*(256-1);
355 0
数字图像处理OpenCV——实验一 熟悉OpenCV环境和基本操作
|
存储 数据挖掘 Python
使用实验数据分析:“ = ” 和“.copy()” 的区别【python-opencv】
使用实验数据分析:“ = ” 和“.copy()” 的区别【python-opencv】
311 0
使用实验数据分析:“ = ” 和“.copy()” 的区别【python-opencv】
|
计算机视觉 算法
(4opencv)对OpenCV中“旋转”的思考和实验
​    我记得曾经有人对OpenCV的旋转吐槽,意思是它自己没有很好的关于选择的算法。在新的版本里面添加了这些函数(我还没有时间去看是什么时候pr的)。现在一个比较棘手的问题,就是OpenCV中旋转是如何定量的,什么是正方向?什么是负方向?什么时候用角度?什么时候用弧度? 下面就是针对这几个问题,通过查资料、做实验的方式搞清楚。
1601 0
下一篇
DataWorks