Python のデータフレーム

URL: http://www.cse.oulu.fi/CMV/Downloads

see www.cse.oulu.fi facerec image garally

see also: ../../tools/od/data/Outex

URL: http://www.cs.columbia.edu/CAVE/software/curet/html/download.html

see CUReT

集団行動解析、交通解析 (group)

資料: ../../docs/group

前提知識

• Android 開発環境: Android Studio, Android SDK, Android NDK, adb 等のツール
• Java
• Android アプリ: Wifi analyzer, Wifi Rader
• 背景除去方式
• 動体検知方式

キーワード：カメラ式検知器の研究開発、人や商店や駅の集団行動分析．転倒転落、シチュエーション分析、個体識別、交通情報

• 検知システム（カメラビュー、履歴ビュー）．ビューの表示方式．各座標系の設定と可視化指定方式
• センサーの誤差、計測可能範囲、ノイズ、時間遅れに関するソースデータと統計的推定
• 計測機器の時間遅れ推定法と時間遅れに関する制約式
• 距離センサーと監視カメラのセンサーから読み取れる挙動（過去履歴含む）を表示するシステム　（個別識別はせず）
• Kinect 型センサーでの監視点決定問題（トラッキングを含む）、設置場所決定問題
• 個体番号と日時を含むセンサーデータの管理: 加速度、方向、GPS、カメラ、pcl
• 画像： BLOB を使用, pcl と冗長になるのは許容する

アンドロイドセンサーアプリ

• /home/www/group/Sensor.tar.gz: 加速度、GPS,コンパス計測アプリ. Android Studio などで import して使用.

BT タグ・アプリ (BT tag)

提供されたサンプルプログラム /home/kkaneko/docs/group/2_06_2014.tar を使用

1. Android SDK manager を起動し、実機と同じバージョンの Android SDK をインストール
2. Android Studio で import project 操作

   import 元として Android/sample/BTBoxManagerSample を指定

3. インポートしたプロジェクトの External Library を右クリック．Newを選び、Android を選び、プロジェクトの External Libraries 下に Android API 19 Platform を入れる
4. 「Build」→「Rebuild」操作
5. 「Run」→「Run」操作

1. BaseDeviceListActivity
   findViewById の DeviceListActivity, FilteredDeviceListActivity の部分を削除

背景除去と動体検知 (background subtraction and object tracking) (group)

• dlib C++ Library

  http://sourceforge.net/projects/dclib/

  cd /tmp
  tar -xvjof dlib-18.7.tar.bz2
  cd dlib-18.7
  cd examples
  cmake .
  sed -i 's/-llapack/-llapack -L\/usr\/lib\/atlas-base -latlas/' CMakeFiles/*.txt CMakeFiles/*/*.txt
  cmake --build . --config Release
  

  dlib の画像処理の機能の一部 (Web ページ作成中)

  Face_Detection
  FHOG_Feature_Extraction
  FHOG_Object_Detection
  Image
  SURF
  

  dlib の機械学習の機能の一部 (tobe)

   
  Object_Detector
  Object_Detector_Advanced
  Train_Object_Detector
  Graph_Labeling
  Unsupervised
  cca
  empirical_kernel_map
  kcentroid
  linearly_independent_subset_finder
  sammon_projection
  svm_one_class_trainer
  vector_normalizer
  vector_normalizer_pca
  Kernel_Centroid
  Kernel_K-Means_Clustering
  Kernel_Ridge_Regression
  Kernel_RLS_Filtering
  Kernel_RLS_Regression
  KRR_Classification
  Linear_Manifold_Regularizer
  Multiclass_Classification
  

• http://sourceforge.net/projects/vxl/?source=directory

画像処理、機械学習の機能をもったソフトウェア

http://sourceforge.net/projects/scene/files/?source=navbar

cd /tmp
sudo dkpg -i  Scene-1.0.3-i386.deb

地図データベースの高度応用 (map)

前提知識

• グラフ: 有向グラフ、無向グラフ、mixed graph、multi graph
• XML: Apache Xaran
• OpenStreetMap object, R's sp object
• DOT 記法: R の DOT パッケージ
• 多次元尺度法: 一般の多次元尺度法，supervised MDS
• JavaScript + Shiny: Shiny での SVG, Google Map (Java Script) と SVG での重ね書き on Shiny
• network analysis and visualization: R の igraph パッケージ

• mapping OpenStreetMap object onto a Relational Database
• see also ../../db/md/nnrmap.html 福岡市バス停を用いた演習

source("http://bioconductor.org/biocLite.R") 
biocLite("hypergraph")
biocLite("RBGL")
biocLite("GraphPart")
biocLite("Rgraphviz")
# to turn the snacoreex.gxl (from RBGL package) graph to a hypergraph
# this is a rough example 
kc_hg_n <- c("A", "C", "B", "E", "F", "D", "G", "H", "J", "K", "I", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U")
kc_hg_e <- list(c("A", "C"), c("B", "C"), c("C", "E"), c("C", "F"), c("E", "D"), c("E", "F"), c("D", "G"), c("D", "H"), c("D", "J"), c("H", "G"), c("H", "J"), c("G", "J"), c("J", "M"), c("J", "K"), c("M", "K"), c("M", "O"), c("M", "N"), c("K", "N"), c("K", "F"), c("K", "I"), c("K", "L"), c("F", "I"), c("I", "L"), c("F", "L"), c("P", "Q"), c("Q", "R"), c("Q", "S"), c("R", "T"), c("S", "T"))
kc_hg_he <- lapply(kc_hg_e, "Hyperedge")
kc_hg <- new("Hypergraph", nodes=kc_hg_n, hyperedges=kc_hg_he)
plot(
kCoresHypergraph(kc_hg)

一人称型・視点移動画像 (motion)

• キーポイント
• Saliency
• OpenCV のテンプレートによる動き検出
• image denoise

コーナー

keypoints

インストール手順

1. OpenSURF の Web ページ http://www.chrisevansdev.com/computer-vision.html

2. 「OpenSURF C++」をクリックして、ダウンロード

3. ダウンロードした OpenSURFcpp.zip を解凍

   cd /tmp
   unzip OpenSURFcpp.zip
   

4. ビルド

   ◆ Ubuntu でのビルド手順例

   1. Makefile.gcc の CFLAGS に -fPIC を追加
   2. make -f Makefile.gcc
   
5. Web カメラをつなぎ ./surf を実行

情報源

• RootSIFT

D. G. Lowe. Distinctive image features from scale-invariantkeypoints. International Journal of Computer Vision (IJCV), 60(2):91-110, 2004.

Y. Ke and R. Sukthankar. PCA-SIFT: A More Distinctive Representation for Local Image Descriptors. 2004.

URL: http://www.asl.ethz.ch/people/lestefan/personal/BRISK

see BRISK

H. Bay, A. Ess, T. Tuytelaars, and L. V. Gool. SURF: Speeded up robust features. Computer Vision and Image Un- derstanding (CVIU), 110(3):346-359, 2008.

applications using keypoints

https://docs.opencv.org/doc/tutorials/features2d/feature_homography/feature_homography.html

3次元再構成，パノラマ画像，3次元物の特徴量化 (3d)

屋内全域の再構成、平面成分の分析、法線ベクトルのクラスタリング、色とテクスチャの分析

必要となる知識

• パノラマ画像の撮影と表示: photoshpere, jThree
• メッシュ: cloudcompare, meshlab
• ZOTAC Tegra Note 7 + Forge
• Sense の使用法

  

• ../../tools/od/data/20140224 研究室 Xiton 撮影サンプル (2014年2月24日撮影). Point Cloud, 距離画像，普通の画像のひとそろい (3d)
• f3d.html

３次元顔 (human face)

資料: ../../docs/humanface

• Y. Taigman and L. Wolf. Leveraging billions of faces to overcome performance barriers in unconstrained face recognition. arXiv:1108.1122, 2011.
• T. Hassner. Viewing real-world faces in 3D. In International Con- ference on Computer Vision (ICCV), Dec. 2013.

• X. Zhu and D. Ramanan. Face detection, pose estimation, and land-mark localization in the wild. In CVPR, 2012.

• Y. Bengio. Learning deep architectures for AI. Foundations and Trends in Machine Learning, 2009.
• T. Berg and P. N. Belhumeur. Tom-vs-pete classifiers and identity- preserving alignment for face verification. In BMVC, 2012.

• G. B. Huang, V. Jain, and E. G. Learned-Miller. Unsupervised joint alignment of complex images. In ICCV, 2007.
• G. B. Huang, M. A. Mattar, H. Lee, and E. G. Learned-Miller. Learn- ing to align from scratch. In NIPS, pages 773781, 2012.

• the Labeled Faces in the Wild benchmark (LFW)
  G. B. Huang, M. Ramesh, T. Berg, and E. Learned-miller. Labeled faces in the wild: A database for studying face recognition in un- constrained environments. In ECCV Workshop on Faces in Real-life Images, 2008
• the YouTube Faces dataset (YTF)
  L. Wolf, T. Hassner, and I. Maoz. Face recognition in unconstrained videos with matched background similarity. In CVPR, 2011.

• 顔の向きの自動判別
• 顔の要素
• 色、テクスチャ、形状の特徴量化の例として

【関連する外部ページ】 https://docs.opencv.org/trunk/modules/contrib/doc/facerec/

• dlib: fronal face detector
• libpcl
• install PCL

  Point Cloud Rendering http://opencv.jp/opencv2-x-samples/point-cloud-rendering

  sudo add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl
  sudo apt-get update
  sudo apt-get install libpcl-all
  

• PCL has many more tutorials and lots sample code here: http://pointclouds.org/documentation/tutorials/. A

  • Statistical Outlier Removal using libpcl

    Filter points based on their local point densities. Remove points
    that are sparse relative to the mean point density of the whole
    cloud.
    filtering.cpp
    
    
    
    
    pcl::StatisticalOutlierRemoval sor
    sor.setInputCloud(cloud);
    sor.setMeanK(50);
    sor.setStddevMulThresh(1.0);
    sor.filter(∗cloudfiltered);
    
    
    
    
    
     Detecting 3D SIFT Keypoints using pcl
    
    
    
    void
    detectkeypoints(pcl::PointCloud::Ptr&points,floatminscale,
    intnroctaves,int nrscalesperoctave,floatmincontrast, pcl::PointCloud::Ptr&keypointsout)
    {
      pcl::SIFTKeypointsiftdetect;
      //UseaFLANN−b
      asedKdTreetoperformneighborhoodsearches
      siftdetect.setSearchMethod(pcl::search::KdTree::Ptr(newpcl::search::KdTree));
      //Setthedetectionparameters
      siftdetect.setScales(minscale,nroctaves,nrscalesperoctave);
      siftdetect.setMinimumContrast(mincontrast);
      //Settheinput
      siftdetect.setInputCloud(points);
      //Detectthekeypointsandstorethemin”keypointsout”
      siftdetect.compute(∗keypointsout);
    }
    
    
    
    
    
     Computing PFH Features at Keypoints
    
    
    
    void
    PFHfeaturesatkeypoints(pcl::PointCloud::Ptr&points,
    pcl::PointCloud::Ptr&normals,
    pcl::PointCloud::Ptr&keypoints,
    floatfeatureradius,
    pcl::PointCloud::Ptr&descriptorsout)
    {
    //CreateaPFHEstimationobject
    pcl::PFHEstimationpfhest;
    pfhest.setSearchMethod(pcl::search::KdTree::Ptr
    (newpcl::search::KdTree));
    //SpecifytheradiusofthePFHfeature
    pfhest.setRadiusSearch(featureradius);
    //CopyXYZdataforuseinestimatingfeatures
    pcl::PointCloud::Ptrkeypointsxyzrgb
    (newpcl::PointCloud);
    pcl::copyPointCloud(∗keypoints,∗keypointsxyzrgb);
    //Useallofthepointsforanalyzingthelocalstructureofthecloud
    pfhest.setSearchSurface(points);
    pfhest.setInputNormals(normals);
    //Butonlycomputefeaturesatthekeypoints
    pfhest.setInputCloud(keypointsxyzrgb);
    //Computethefeatures
    pfhest.compute(∗descriptorsout);
    }
    
    
    
    
    
     Finding Correspondences
    
    
    
    
    keypoints.cpp
    void
    featurecorrespondences(pcl::PointCloud::Ptr&sourcedescriptorspcl::PointCloud::Ptr&targetdescriptorsstd::vector&correspondencesout,
    std::vector&correspondencescoresout)
    {
    //Resizetheoutputvector
    correspondencesout.resize(sourcedescriptors−>s
    ize());
    correspondencescoresout.resize(sourcedescriptors−>s
    ize());
    //UseaKdTreetosearchforthenearestmatchesinfeaturepcl::search::KdTreedescriptorkdtree;
    descriptorkdtree.setInputCloud(targetdescriptors);
    space
    //Findtheindexofthebestmatchforeachkeypoint
    constintk=1;
    std::vectorkindices(k);
    std::vectorksquareddistances(k);
    for(sizeti=0;is
    ize();++i)
    {
    descriptorkdtree.nearestKSearch(∗sourcedescriptors,i,k,
    kindices,ksquareddistances);
    correspondencesout[i]=kindices[0];
    correspondencescoresout[i]=ksquareddistances[0];
    }
    }
    
    
    
    
    
     Plane Fitting with RANSAC
    
    
    
    #include
    #include
    #include 
    
    std::vector inliers;
    //createdRandomSampleConsensusobjectandcomputethemodel
    pcl::SampleConsensusModelPlane::Ptr
    modelp(newpcl::SampleConsensusModelPlane(cloudpcl::RandomSampleConsensusransac(modelp);
    ransac.setDistanceThreshold(.01);
    ransac.computeModel();
    ransac.getInliers(inliers);
    //copiesallinliersofthemodelcomputedtoanotherPointCloud
    pcl::copyPointCloud(∗cloud,inliers,∗final);
    
    
    
    
    
    
     euclidean_cluster_extraction.cpp 
    
    
    
    #include
    
    pcl::search::KdTree::Ptr tree(new pcl::search::KdTreesetInputCloud(cloud_filtered) 
    
    std::vector cluster_indices; 
    pcl::EuclideanClusterExtractionec;
    ec.setClusterTolerance(0.02);//2cm
    ec.setMinClusterSize(100);
    ec.setMaxClusterSize(25000);
    ec.setSearchMethod(tree);
    ec.setInputCloud(cloudfiltered);
    ec.extract(clusterindices);
    for(std::vector::constiterator
    it=clusterindices.beginit!=clusterindices.end();++it)
    {
      pcl::PointCloud::Ptrcloudcluster
      (newpcl::PointCloud);
      for(std::vector::const iterator pit=it−>indices.begin();
          pit != it−>indices.end();  pit++)
            cloud_cluster−>points.pushback(cloudfiltered−>points[∗pit]);
    
    cloudcluster−>width=cloudcluster−>points.size(); 
    cloudcluster−>height=1;
    cloudcluster−>isdense=true;
    }
    
    
    
    
    
    
     Iterative Closest Point
    
    
    
    #include
    ...
    pcl::IterativeClosestPoint icp; 
    icp.setInputCloud(cloud2);
    icp.setInputTarget(cloud1);
    icp.setMaximumIterations(20);
    icp.setMaxCorrespondenceDistance(0.1);
    Eigen::Matrix4ftrafo;
    icp.align(∗cloud2);
    (∗cloud2)+=∗(cloud1);
    
    
    
    
    
    

#!/bin/bash
# 64x96 サイズの pgm 画像生成
cd /home/kkaneko/rinkou/od/data/ColorFERETDatabase/colorferet/dvd2/data/images/00740
cp *.bz2 /tmp
cd /tmp
bzip2 -d *.ppm.bz2
for i in *.ppm; do
  echo $i
  convert -resize 64x96 $i `basename $i .ppm`.pgm
done

情報源

• http://people.kyb.tuebingen.mpg.de/kienzle/facedemo/facedemo.htm: fdlib
• libface

  http://libface.sourceforge.net/file/Download.html
  cmake -DBUILD_EXAMPLES_GUI=1 -DBUILD_EXAMPLES=1 .
  g++ -I/usr/local/include -o FaceDetection FaceDetection.cpp -L/usr/local/lib -lface -lhighgui -lcv -lcxcore -lcvaux
  

• OpenBiometry

  http://sourceforge.net/projects/openbio/

  Visual C++ でコンパイルできる

• Ply 形式のファイルを STL 形式に変換するプログラム
• R の pca3dパッケージ (to be done)
• R の CHsharpパッケージ (to be done)

• dlib C++ Library を用いてカラー画像のエッジ抽出
• dlib C++ Library を用いて SURF
• dlib C++ Library を用いて HoG
• dlib C++ Library を用いて、静止画から顔検知

• facedetect.html OpenCV 顔領域検出 sample program

• Octave の facerec-master パッケージ

  install a LBP package on Octave system

see: od/data/att_faces.tar.Z

• AT&T Lab. が公開しているデータ

  http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html

  see also: ../../tools/od/data/att_faces

数値ベクトルの集合 (a set of numeric vectors)

• 数値ベクトルの集合 (a set of numeric vectors) https://www.google.co.jp/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&ved=0CCkQFjAA&url=http%3A%2F%2Fwww.nstac.go.jp%2Fservices%2Fpdf%2Fsankousiryou2408.pdf&ei=zb_pUtS7FJGakgWW64GYBA&usg=AFQjCNFlqbomz927-aavZbh44jYwjOehaA&sig2=8f7AsubGl1UbuqVozXWjLA&bvm=bv.60444564,d.dGI https://www.google.co.jp/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&ved=0CDEQFjAB&url=http%3A%2F%2Fwww.nstac.go.jp%2Fservices%2Fpdf%2Fsankousiryou2508.pdf&ei=zb_pUtS7FJGakgWW64GYBA&usg=AFQjCNEMKJgHCQEIFJsG8ULHink4bHAg-A&sig2=Rj51Is52DWa7DBAWpQjPrg&bvm=bv.60444564,d.dGI https://www.google.co.jp/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&cad=rja&ved=0CDkQFjAC&url=http%3A%2F%2Fwww.nstac.go.jp%2Fservices%2Fsociety_paper%2F25_02_01.pdf&ei=zb_pUtS7FJGakgWW64GYBA&usg=AFQjCNHCRrOvjwwT5qlrly6JyZHFTabwsg&sig2=aBkmy0SNRLvwbNCUqJ3E0Q&bvm=bv.60444564,d.dGI doubiousity (doubious score) (1)ある観測値がエラーである可能性と(2)あるエラーの推定値に与える影響度合 単変量で、混合gauss分布の各分布の平均と分散がわかっているとき、 「(1)ある観測値がエラーである可能性」はz scoreで求めることができる Di Zio, Guarnera, and Luzi (2003)では、混合モデルに基づき、エラーを確率的に形式 化するモデルベースの手法を提唱 Di Zio, Marco, Ugo Guarnera, and Orietta Luzi. (2003). “Using Mixture Modelling to Deal with Unity Measure Error,” Work Session on Statistical Data Editing, Conference of European Statisticians, Madrid, Spain, 20-22 October 2003. 単変量に対する robust な外れ値検出 箱ひげ図 多変量に対する robust な外れ値検出 マハラノビス距離、マハラノビス平方距離 ロバスト主成分分析 Modified Stahel-Donoho(MSD)法 ロバストに推計されたマハラノビス平方距離のプロット D-D plot Q-Q plot Patak(1990)は、SD 法によりロバスト推定された分散・共分散行列を用いた主成分分析を提 案し、カナダ統計局はこれを用いて破壊点が約 0.5 (理論的には 50%近い外れ値の混入に耐える。) と高く、直交変換不変な多変量外れ値検出法を実現した[Franklin and Brodeur(1997)]。 さらに、EUREDIT プロジェクトで、カナダ統計局の手法の改良法が提案されている [Bguin and Hulliger (2003)]。 [] Patak, Z.(1990), Robust principal component analysis via projection pursuit, M. Sc. Thesis, University of British Columbia, Canada [] Bguin, C. and B. Hulliger(2003), Robust Multivariate Outlier Detection and Imputation with Incomplete Survey Data, EUREDIT Deliverable D4/5.2.1/2 Part C 外れ値とは、データの全体的なパターンから大きく逸脱した観測値であり、測定誤差、他の母集団に属 すべき観測値、特異な観測値のことである(Weiss, 2005, p.122)。 マハラノビス平方距離 D 2 ( x i ) の検定統計量 Fi は、 い、下式により求めることができる。 Fi = (n - p) n D (xi) / (n*n - 1) p 外れ値と判定する検定統計量 Fi の基準は、Franklin and Brodeur(1997)に準じて、99.9%値とする 岡本 (2004)が詳しく、M-推定量、 MCD 法、射影追跡法、Forward Search 法、感染アルゴリズム法、NNVE 法、クラスター 分析法、ロバスト回帰木モデルの調査研究を行っている。 もし確率密度関数 で汚染(contaminate)している側の分布の分散が大きい場合、 ある いは、平均値が とは大幅に異なる場合、汚染している側の分布から得られた観測値は、他 の観測値から大きく外れている可能性が高い(DeGroot and Schervish, 2002, p.577) 8. DeGroot, Morris H. and Mark J. Schervish. (2002). Probability and Statistics. Boston: Addison-Wesley. Di Zio, Guarnera, and Luzi (2008)では、Ghosh-Dastidar and Schafer (2006)を参考に、外れ値検出法として混淆正規分布モデルを採用 Ghosh-Dastidar, Bonnie. and J. L. Schafer. (2006). “Outlier Detection and Editing Procedures for Continuous Multivariate Data,” Journal of Official Statistics vol.22, no.3: 487-506. Di Zio, Marco, Ugo Guarnera, and Orietta Luzi. (2008). “Contamination Models for the Detection of Outliers and Influential Errors in Continuous Multivariate Data,” Work Session on Statistical Data Editing, Conference of European Statisticians, Vienna, Austria, 21-23 April 2008. Bellisai, Di Zio, Guarnera, and Luzi (2009)では、混淆正規分布モデルによる 多変量外れ値検出法の理論化を発展させた。混淆正規分布モデルを使うことで、エラーと 残差の変動部分との区別をつけることが可能となり、観測値のスコアを該当ユニットのエ ラーの期待値と直接的に関連付けることができるようになった Bellisai, Diego, Marco Di Zio, Ugo Guarnera and Orietta Luzi. (2009). “A Selective Editing Approach Based on Contamination Models: An Application to an Istat Business Survey,” Work Session on Statistical Data Editing, Conference of European Statisticians, Neuchtel, Switzerland, 5-7 October 2009. Buglielli, Di Zio, Guarnera, and Pogelli (2011)では、混淆正規分布モデルによる外れ値検出法を、R の SeleMix パッケージとして実装 Buglielli, M. Teresa, Marco Di Zio, Ugo Guarnera, and Francesca R. Pogelli. (2011). “An R Package for Selective Editing Based on a Latent Class Model,” Work Session on Statistical Data Editing, Conference of European Statisticians, Ljubljana, Slovenia, 9-11 May 2011.

  点の分布をＮ次元の正規分布で表現．正規分布の主軸をＮ個求めることを行いたい．

  keywords: mclust, density plot

  mvoutlier packages

ベクトルの classifier (classifier)

• adaboost

  http://intopii.com/into/

  機能: Color space conversions (RGB, HSV, XYZ, CIELAB, ...), Feature point based matching framework, Boosted classifiers, Color and gray-level feature extraction Optimization framework (BFGS, Levenberg-Marquardt, RANSAC)

  1. ここのWebページのリンクを使って Qt 4.8.0 をインストール

  2. export QTDIR=/usr/local/Trolltech/Qt-4.8.5

  3. export PATH=/usr/local/Trolltech/Qt-4.8.5/bin:$PATH

  4. http://repo.intopii.fi/linux/pool/libinto-dev_2.0.0beta2.agpl3_linux_64bit.sh または 32bit.sh をダウンロード

• facerec-master の k-nn

  see also: ../../tools/od/data/facerec

      k-Nearest Neighbor; available distance metrics
          Euclidean Distance
          Cosine Distance
          ChiSquare Distance
          Bin Ratio Distance
  

  前準備として facerec の knn.m などを準備しておく

  P=[1,21,20,2,4,30; 1,21,20,2,4,30]
  y=[1, 3, 3, 2, 2, 3]
  Q=[1;1]
  
  % returns 1
  knn(P,y,Q,1) 
  % returns 2
  knn(P,y,Q,3) 
  % returns 3
  knn(P,y,Q,6) 
  

• facerec の lda.m

  to be filled

• facerec の pca.m

  to be filled

SVD using OpenCV Matrix3d P = Matrix3d::Random(3, 3); JacobiSVD svd(P, Eigen::ComputeFullU | Eigen::ComputeFullV); MatrixXd S = svd.singularValues(); Matrix3d U = svd.matrixU(); Matrix3d V = svd.matrixV();

cascade classifier https://docs.opencv.org/doc/tutorials/objdetect/cascade_classifier/cascade_classifier.html#cascade-classifier

rubust pca robust pca sample

image histogram

• http://www.mathworks.com/matlabcentral/fileexchange/28681-imhistogram
• http://www.mathworks.com/matlabcentral/fileexchange/43630-color-histogram-of-an-rgb-image

グラフ作成

asc to off converter

require "csv"
# 行数カウント
lines=0
reader = CSV.open("/tmp/Sinus_pts.asc", "r") 
reader.each do |row|
  lines = lines + 1
end
reader.close
# 出力
print "OFF\n" 
print "#{lines} 0 0 \n"
reader = CSV.open("/tmp/Sinus_pts.asc", "r") 
reader.each do |row|
  print "#{row[0]} #{row[1]} #{row[2]}\n"
end
reader.close

3次元地図

• CryEngine (CRYTEX社)情報源

PCL / STL / PLY

http://www.archeos.eu/wiki/doku.php/

http://www.blensor.org/ # python3.3 sudo apt-get install python-software-properties sudo add-apt-repository ppa:fkrull/deadsnakes sudo apt-get update sudo apt-get install python3.3 sudo apt-get install python3.3-dev wget https://bitbucket.org/pypa/setuptools/raw/bootstrap/ez_setup.py sudo python3.3 ez_setup.py git clone https://github.com/mgschwan/blensor.git cd blensor mkdir a cd a cmake -DWITH_PYTHON=OFF -DPYTHON_VERSION=3.3m PYTHON_INCLUDE_DIR=/usr/include/python3.3m -DWITH_OPENIMAGEIO=OFF -DWITH_IMAGE_OPENJPEG=OFF -DWITH_OPENAL=OFF -DWITH_SPACENAV=OFF -DWITH_CYCLES=OFF -DWITH_SYSTEM_GLEW=OFF -DWIGH_GPU=OFF .. some features BSS-1 implementation of a Kinect Sensor Support to obtain accurate depth map information Support the output to the PCD format from the PCL (Point cloud library) Starting with version 1.0.10 the RGB values of the material are stored in the PCD and EVD file Tutorial for PCL developers/users Render a pointcloud in blender

http://graphics.stanford.edu/data/3Dscanrep/

https://d.hatena.ne.jp/etopirika5/20101027/1288152036

• Point Cloud データセット
• fredini の STL データセット
• Pount Cloud ファイル, STL ファイルの操作

  Cloud Compare, admesh, stl オープンソースソフトウェア

• Windows での libpcl のインストール

• stlply.html

辞書

• IPAdic

  http://sourceforge.net/projects/mecab/files/,

  http://sourceforge.jp/projects/ipadic/

• NAIST jdic http://sourceforge.jp/projects/naist-jdic/releases/

• JUMAN デフォルトの文法辞書と形態素辞書

  ※ データ源の URL: http://sourceforge.net/projects/mecab/files/

• UniDic現代語版 http://sourceforge.jp/projects/unidic/

ビデオ素材 (video)

連続する２フレームから keypoint の時間特徴量をとりだす。 さらに、離れたフレームの列から大域的な情報を出す（x, y, size, angle 等の時間変化になる）。 これで分析を行う。

• ISO イメージファイルの素材と ISOイメージファイルの処理