Bibliographie & annexes
Présentation
En anglais
RÉSUMÉ
Les smartphones et tablettes sous Android intègrent aujourd’hui plusieurs capteurs photographiques. Créer des applications visuelles les exploitant nécessite de contrôler directement l'appareil photo du smartphone mais également d'avoir une bonne connaissance de l’interface de programmation disponible. Cet article explique comment récupérer les caractéristiques techniques d’un capteur photo et comment l’exploiter. Nous apprendrons comment afficher l’image provenant du capteur, comment la capturer et comment l’analyser grâce à différents modèles pré-entraînés. Pour terminer, nous créerons notre propre modèle d’analyse grâce à l’apprentissage machine.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
Android smartphones and tablets today integrate several photographic sensors. Creating visual applications using them requires direct control of the smartphone camera but also having a good knowledge of the available programming interface. This article explains how to retrieve the technical characteristics of a photo sensor and how to use it. We will learn how to display the image coming from the sensor, how to capture it and how to analyze it using different pre-trained models. Finally, we will create our own analysis model using machine learning.
Auteur(s)
-
Frédéric LEMOINE : Docteur et Ingénieur en informatique - Chef de projet en développement d’applications Conservatoire national des Arts et Métiers (CNAM)
INTRODUCTION
Google Android™ est un système d’exploitation conçu pour les appareils mobiles (téléphones, tablettes, etc). En 2005, la société Google a racheté une petite startup appelée Android Inc. qui développait des applications pour téléphones mobiles. L’objectif de ce rachat était de créer une nouvelle plate-forme mobile concurrençant les principaux acteurs de l’époque : Symbian, Windows mobile, Palm OS, etc.
En 2007, le consortium OHA (Open Handset Alliance), bâti autour de ce système, a été créé. Il regroupait des opérateurs de téléphonie, des fabricants de semi-conducteurs, de téléphones, des éditeurs de logiciels et des distributeurs. Android™ a alors été officiellement annoncée comme nouvelle plate-forme pour dispositifs mobiles.
En 2008, la première version du kit de développement SDK (Software Development Kit), est sortie. Depuis, la part de marché d’Androïd™ a continué de croître et concurrence celle d’Apple (iPhone OS). Ses domaines d’application s’étendent de jour en jour, et ils concernent même maintenant la domotique ou les téléviseurs.
Android™ est fondé sur un noyau Linux. Son code est ouvert et disponible en Open source. Son langage de programmation est le Java.
Le succès d’Android™ tient beaucoup à l’amélioration de l’interactivité de l’utilisateur avec son appareil. Celle-ci s’est beaucoup perfectionnée grâce à l’arrivée de nouveaux types de capteurs.
Le capteur photo est l’un des nombreux capteurs présents sur tout smartphone Android™. C’est un composant électronique chargé de collecter la lumière issue de l’objectif et de la convertir en information électrique. Le processeur de traitement d’image convertit ensuite ce signal analogique en information numérique.
Cet article a pour but d’expliquer comment récupérer les caractéristiques de ce capteur, puis de montrer comment l’exploiter. Nous apprendrons notamment comment afficher l’image provenant du capteur, comment la capturer, et comment l’analyser, grâce à différents modèles pré-entraînés. Puis nous apprendrons à créer le nôtre grâce à l’apprentissage machine.
L'expertise technique et scientifique de référence
MOTS-CLÉS
informatique Programmation intelligence artificielle électronique Apprentissage machine réseau de neurones
KEYWORDS
computer science | programming | artificial intelligence | electronic | machine learning | neural network
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Intelligence artificielle > Capture et analyse d’images sous Android > Analyse d’images
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Création d’un modèle personnalisé
En anglais
4. Analyse d’images
Le cas d’utilisation d’analyse d’image fournit à l’application une image accessible pour effectuer un traitement quelconque. L’application implémente une méthode d’analyse exécutée sur chaque image. Les images sont traitées en passant un exécuteur dans lequel l’analyse d’image est exécutée via un ImageAnalysis.Analyzer(). Un seul analyseur peut être enregistré à la fois : l’enregistrement d’un nouvel analyseur remplace celui existant.
L’analyse d’image peut fonctionner en deux modes :
-
en mode bloquant, l’exécuteur reçoit des images de la caméra dans un ordre séquentiel. Cela signifie que, si la méthode d’analyse prend trop de temps, les images vont s’accumuler dans un tampon de traitement. Les images traitées peuvent alors ne plus être actuelles ;
-
dans le mode non bloquant (le mode que nous utilisons ici), l’exécuteur reçoit la dernière image disponible de la caméra, au moment où la méthode d’analyse est appelée. Si la méthode d’analyse prend trop de temps, les nouvelles images qui arrivent sont alors ignorées et perdues.
Avant de quitter la fonction d’analyse, il faut fermer la référence d’accès à l’image en appelant image.close() pour éviter de bloquer la production d’images supplémentaires (provoquant le blocage de l’aperçu), et pour éviter de perdre des images. La méthode doit terminer l’analyse. On peut également faire une copie de l’image, et ensuite libérer l’image originelle.
Nous pouvons maintenant ajouter des fonctions d’analyse de l’image :
-
reconnaissance de visages ;
-
reconnaissance de code-barres ;
-
détection d’objets ;
-
reconnaissance de texte.
On peut aussi ajouter son propre modèle de reconnaissance, créé à partir des techniques d’intelligence artificielle (apprentissage profond). Ces analyses se font en temps réel.
Pour chaque système d’analyse nous devons créer un objet de type ImageAnalysis.
Nous indiquons la résolution d’image utilisée pour l’analyse (setTargetResolution). Ici, il s’agit de la même que pour l’aperçu.
Ensuite, nous choisissons STRATEGY_KEEP_ONLY_LATEST comme stratégie de délivrance d’images. Celle-ci garantit qu’une seule image à la fois sera délivrée...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Analyse d’images
BIBLIOGRAPHIE
-
(1) - - https://developer.android.com/reference/ android/hardware/camera2/Camera Characteristics
-
(2) - TURING (A.M.) - Computing Machinery and Intelligence. - Mind, LIX(236), p. 433-460 (1950).
-
(3) - MCCULLOCH (W.), PITTS (W.) - A logical calculus of the ideas immanent in nervous activity. - Bulletin of Mathematical Biology, 5, p. 115-133 (1943).
-
(4) - TURING (A.M.) - On Computable Numbers, with an application to the entscheidungproblem. - Proceedings of the London Mathematical Society, 1, p. 230-265 (1937).
-
(5) - ROSENBLATT (F.) - The perceptron: A probabilistic model for information storage and organization in the brain. - Psychological Review, 65(6), p. 386-408 (1958).
-
(6) - - https://www.cs.toronto.edu/~kriz/cifar.html
- ...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Android developers (page consultée le 14 juillet 2023). Site de référence pour la programmation sur la plateforme Android™. Ce site présente une importante base documentaire de référence ainsi que les outils nécessaires à la programmation https://developer.android.com/
Kit de développement pour la plateforme Android™ (page consultée le 14 juillet 2023). L’ensemble des outils nécessaires à installer pour développer des applications pour la plateforme Android™ https://developer.android.com/studio
Android™ (page consultée le 14 juillet 2023). Ce site officiel fournit des informations pour les utilisateurs, développeurs et partenaires. Il comprend des communiqués de presse, des vidéos, des copies d'écran et de nombreux téléchargements http://www.android.com/
Android™ Compatibility Program (page consultée le 14 juillet 2023). Site recensant les critères que doit respecter un constructeur pour certifier son matériel compatible avec la plate-forme Android™ http://source.android.com/compatibility/overview.html
The MNIST (Mixed National Institute of Standards and Technology) database of handwritten digits (page consultée le 17 juillet 2023). Site présentant la base de données MNIST de...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Le traitement du signal et ses applications
(160 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
