Et pour la précision, je ne crois pas trop aux 5‰, mais clair qu’on descend en dessous du pixel, en faisant un barycentre autour du maximum ou des choses du genre.
Une idée d’optimisation en vitesse, mais aussi en robustesse, s’aider des données des images précédentes pour :
— prédire la position approximative du prochain point et ne calculer la corrélation croisée que sur un rectangle limité de l’image ;
— s’aider des précédentes images avec le motif trouvé pour isoler de façon plus précise le motif à reconnaître (eg. diminuer le rectangle qui encadre une balle, car le fond va participer à la corrélation, alors qu’il est strictement différent d’une image à l’autre).
Je ne dis pas que j’y jetterai un œil se week-end, parce que me connaissant ça ne sera pas fait... /o\
[^] # Re: bonjour
Posté par nicoastro . En réponse à la dépêche Pymecavideo sort en version 4 et est compatible baccalauréat. Évalué à 3.
http://fr.wikipedia.org/wiki/Corr%C3%A9lation_(statistiques)
http://fr.wikipedia.org/wiki/Corr%C3%A9lation_crois%C3%A9e
Pour la seconde voir plûtot scipy qui a ça (derrière il y a sûrement une fft qui traîne) :
http://docs.scipy.org/doc/scipy/reference/tutorial/ndimage.h(...)
Et pour la précision, je ne crois pas trop aux 5‰, mais clair qu’on descend en dessous du pixel, en faisant un barycentre autour du maximum ou des choses du genre.
Une idée d’optimisation en vitesse, mais aussi en robustesse, s’aider des données des images précédentes pour :
— prédire la position approximative du prochain point et ne calculer la corrélation croisée que sur un rectangle limité de l’image ;
— s’aider des précédentes images avec le motif trouvé pour isoler de façon plus précise le motif à reconnaître (eg. diminuer le rectangle qui encadre une balle, car le fond va participer à la corrélation, alors qu’il est strictement différent d’une image à l’autre).
Je ne dis pas que j’y jetterai un œil se week-end, parce que me connaissant ça ne sera pas fait... /o\