CASE2画像処理

画像処理

最新の技術を応用し、精度・処理速度を追及

シルク・ラボラトリは、画像処理技術を応用したソフトウェア開発を長年行っております。
画像処理技術は、ここ数年で広い範囲で進展しています。特にマルチコアでの並列化、GPU などのハードウェアの進化により、数年前には不可能だったリアルタイムに映像データを処理することも可能になりました。
私たちは、常に新しい情報の収集、技術の習得に努め、最適な画像処理結果の提供に努めております。

画像処理分野の主な開発実績

  • トラッキング

    画像にある特定物を検出して、移動体を追いかけます。
    特徴としては、以下の技術を利用しています。
    ・背景差分
    ・特徴点抽出
    ・パターンマッチング
    ・オプティカルフロー
    ・TensorFlow SSD(Single Shot Multibox Detector)

  • 骨格抽出

    人物の骨格を抽出し、行動解析を行います。
    ・OpenPose
    ・CPN(Cascaded Pyramid Network)

  • フィルタリング

    ニーズに合わせてフィルタのカスタマイズを行います。
    ・ガウシアンフィルタやメディアンフィルタを応用した特殊なフィルタの作成

  • 物体の距離測定

    手法は主にステレオカメラの視差計算によるものですが、単眼での手法も導入しています。
    ・ステレオカメラの視差計算による距離測定
    ・応用で視差計算から被写体を抽出することも可能

  • 被写体の高精度抽出

    画像から被写体を抽出するのに、境界線を細部に渡り計算することで抽出精度を高めます。
    ・アルファマッティングによる高精度な被写体抽出

  • 画像処理の高速化

    処理プログラムをより高速に動作させるため最適化を行います。
    ・高速に動作させるために、ロジックのシンプル化を行う。
    ・ロジックをSIMD命令やGPUなどで並列化を行い、処理を高速化する。

  • 使用ライブラリ

    ・OpenCV
    ・OpenPose
    ・TensorFlow SSD
    ・TensorFlow Mask R-CNN
    ・CPN

  • 使用言語

    開発スピードを要求されることが多く、最近は、Pythonでの開発が増えてきています。
    しかし、高速に動作させることも要求の一つになると、ロジックの最適化やC言語などでの開発が必要になります。

    また、GPUを利用した特殊なプログラミング(CUDAなど)を行うこともあります。
    ・C、C++
    ・Python
    ・Objective-C
    ・Java