인공신경망(ANN, Artificial Neural Network)은 뉴런이 연결된 형태를 모방한 형태를 뜻한다. 뉴런이 연결된 모습을 보면,뉴런은 시냅스를 거쳐서 수상돌기(dendrite)로 받아들인 외부의 전달물질을 세포체에 저장하다가, 자신의 용량을 넘어서면 축색돌기(axon)를 통해 외부로 전달물질을 내보내는 구조를 가지고 있다.  ANN은 생물학적인 뉴런을 수학적으로 모델링한 것이다. 즉, 생물학적인 뉴런이 위의 그림과 같이 다른 여러개의 뉴런으로부터 입력값을 받아서 세포체(cell body)에 저장하다가 자신의 용량을 넘어서면 외부로 출력값을 내보내는 것처럼, ANN은 여러 입력값을 받아 여기에 가중치(weight)를 곱해 저장하고, 활성화 함수를 통해 활성화시켜 출력값을 내보내는 형태를 가지..

import cv2 # OpenCV 라이브러리 임포트# 트래커 객체(KCF, CSRT) 생성tracker = cv2.TrackerKCF.create()#tracker = cv2.TrackerCSRT.create()# 비디오 파일 열기video = cv2.VideoCapture(r"D:\Project\COMPUTER_VISION\PYTHON\Computer Vision Masterclass\Videos\race.mp4")# 첫 번째 프레임 읽기ok, frame = video.read()# ROI (Region of Interest) 설정: 사용자가 추적할 객체를 선택bbox = cv2.selectROI(frame)# 트래커 초기화 (선택한 객체를 기반으로 KCF 트래커 시작)ok = tracker.ini..

객체 추적(Object Tracking)은 컴퓨터 비전에서 특정 객체의 움직임을 따라가며 위치 변화를 추적하는 기술이다. 앞에서 배웠던 객체 인식(Object Recognition)과 차이점을 살펴보자.1. 객체 인식 (Object Recognition)이미지나 비디오에서 특정 객체를 탐지하고, 해당 객체의 종류(예: 사람, 동물, 차량 등)를 식별하며 분류하는 과정이미지에서 특징(feature)을 추출하고, 이를 기존 데이터와 비교하여 객체를 식별한다.주로 딥러닝 기반 모델(예: CNN)을 사용한다.프레임 간 연속성을 고려하지 않으며, 각 프레임은 독립적으로 처리된다. 2. 객체 추적 (Object Tracking) 비디오에서 연속된 프레임을 기반으로 특정 객체의 움직임을 따라가며 위치 변화를 추적하는..

import dlib # dlib 라이브러리를 가져옴 (얼굴 검출 및 랜드마크 탐지용)import cv2 # OpenCV 라이브러리를 가져옴 (이미지 처리용)# dlib의 HOG 기반 얼굴 검출기 로드face_detector = dlib.get_frontal_face_detector()# 이미지 파일을 읽어옴image = cv2.imread(r"D:\Project\COMPUTER_VISION\PYTHON\Computer Vision Masterclass\Images\people2.jpg")face_detection = face_detector(image, 1)# dlib의 68개 얼굴 포인트 모델을 로드points_detector = dlib.shape_predictor( r"D:\Project..

Computer Vision - LBPH(Local Binary Patterns Histograms)LBPH(Local Binary Patterns Histograms) 알고리즘은 얼굴 인식에서 널리 사용되는 기법으로, 간단한 구조를 가지고 있다. 이 알고리즘은 이미지의 텍스처를 분석하여 특징을 추출하고, 이를 기반으로 얼굴salmon1113.tistory.com 앞선 내용에서 전처리를 거친 이미지를 바탕으로 LBPH 알고리즘을 통해 얼굴 분류기를 학습시키고, 실행시키고, 평가해보겠다. 1. Training (LBPH)from PIL import Image import cv2 import numpy as np import os def get_image_data():.........ids, face..