Open Source Computer Vision Library è il nome completo di OpenCV, una libreria di funzioni di programmazione e un toolkit open source per l’uso multipiattaforma nell’elaborazione di immagini di visione artificiale in tempo reale e nel monitoraggio di OpenCV. Sviluppato verso la fine del 21° secolo, inizialmente era destinato a pareti di visualizzazione tridimensionali (3D) e ray tracing. Facendo uso della codifica creativa, OpenCV può offrire un framework agli sviluppatori di codice basato sulla visione ottimizzato per le prestazioni in un’interfaccia C o C++ inizialmente, sebbene disponibile in diverse lingue, ed è adattabile per l’utilizzo remoto su dispositivi portatili. È in grado di acquisire file video in tempo reale, configurazioni video di base, rilevamento di oggetti e rilevamento di movimento e colore, tra le altre funzioni. OpenCV è in grado di calibrare la fotocamera in quanto può trovare e tenere traccia delle calibrazioni della fotocamera e impostare la corrispondenza stereo sulle videocamere.
La funzione CalcGlobalOrientation per il tracciamento OpenCV calcola l’orientamento del movimento di una regione specificata insieme a un secondo comando CalcMotionGradient e crea una cronologia del movimento e un timestamp per tenere traccia della direzione del movimento, restituendo i risultati in gradi e registrando i successivi spostamenti. Il risultato finale sarebbe una somma dell’orientamento originale e degli angoli di spostamento. Leggendo e scrivendo file di immagine e forzandoli in un’immagine a colori a tre canali, è possibile modificare i file, accedervi direttamente e indirettamente e convertirli in immagini in scala di grigi o in byte a colori.
Il flusso ottico delle immagini può essere diretto tramite il tracciamento di corrispondenza dei blocchi e ogni pixel calcolato e istruito nel flusso. Sono possibili l’allocazione e il rilascio di immagini per immagini byte a un canale o immagini float a tre canali per impostare una regione di interesse o clonare un’immagine. OpenCV consente l’acquisizione di immagini di frame da una sequenza video da un file da più telecamere contemporaneamente prelevando un’immagine da ciascuna e recuperandole da tutte, per creare e modificare nuovi flussi video.
Il tracciamento facciale OpenCV viene eseguito tramite le sue funzioni Camshift. Questa funzione implementa un algoritmo di tracciamento dell’oggetto, trova il centro dell’oggetto, crea un istogramma del colore, calcola la probabilità del viso, quindi sposta la posizione del rettangolo del viso in ogni fotogramma video e apporta regolazioni calcolando le dimensioni e l’angolo. Concentra i pixel più luminosi sulla faccia centrata e utilizza la scala per adattarsi ai volti più piccoli nei fotogrammi successivi se l’immagine si sta ritirando.
Le capacità di tracciamento di OpenCV sono utilizzate in molte applicazioni. Dal riconoscimento facciale al riconoscimento dei gesti, robotica mobile, programmi di interazione uomo-computer e stereopsi, che crea la percezione della profondità della visione stereo mediante l’utilizzo di due telecamere, utilizzando oggetti, colori e rilevamento del movimento. OpenCV dispone anche di librerie statistiche di apprendimento automatico contenenti moduli di apprendimento dell’albero decisionale, algoritmi di monitoraggio della massimizzazione delle aspettative, alberi di potenziamento del gradiente e moduli di funzionamento di reti neurali artificiali.