常連

注目の的

社会貢献

質問力

拍手喝采

### cv2.Rodriguesを用いたpitch・yaw・rollの算出方法

現在、dlibを用いて頭部推定を行っております。顔を検知し、solvePnPで回転ベクトル等は算出することはできました。
また、projectPointsで映像に対して、xyz方向を表示するところも実装はできました。

ネットに落ちているdecomposeProjectionMatrixをしようする方法でpitch・yaw・rollを算出したのですが
値が正確ではありません（正面の正規化ができていない感じがします...）

どのようにプログラムを書けば正確なpitch・yaw・rollが算出できるのでしょうか？
よろしくお願いします

参考にしたサイト
・[ここまで参考にしたサイト](https://github.com/mpatacchiola/deepgaze)


### 該当のソースコード

```python
import cv2
import dlib
import numpy as np
import os

K = [977.93097999805309,0.00000000000000,645.97763974817144,0.00000000000000,979.76590271719897,358.70241515058876,0.00000000000000,0.00000000000000,1.00000000000000]
D = [-0.12590017568789,0.78177975429702,-0.00352001270650,0.00261067326856,-1.50761837519630]

cam_matrix = np.array(K).reshape(3, 3).astype(np.float32)
dist_coeffs = np.array(D).reshape(5, 1).astype(np.float32)

P3D_RIGHT_SIDE = np.float32([-100.0, -77.5, -5.0]) #0
P3D_GONION_RIGHT = np.float32([-110.0, -77.5, -85.0]) #4
P3D_MENTON = np.float32([0.0, 0.0, -122.7]) #8
P3D_GONION_LEFT = np.float32([-110.0, 77.5, -85.0]) #12
P3D_LEFT_SIDE = np.float32([-100.0, 77.5, -5.0]) #16
P3D_FRONTAL_BREADTH_RIGHT = np.float32([-20.0, -56.1, 10.0]) #17
P3D_FRONTAL_BREADTH_LEFT = np.float32([-20.0, 56.1, 10.0]) #26
P3D_SELLION = np.float32([0.0, 0.0, 0.0]) #27
P3D_NOSE = np.float32([21.1, 0.0, -48.0]) #30
P3D_SUB_NOSE = np.float32([5.0, 0.0, -52.0]) #33
P3D_RIGHT_EYE = np.float32([-20.0, -65.5,-5.0]) #36
P3D_RIGHT_TEAR = np.float32([-10.0, -40.5,-5.0]) #39
P3D_LEFT_TEAR = np.float32([-10.0, 40.5,-5.0]) #42
P3D_LEFT_EYE = np.float32([-20.0, 65.5,-5.0]) #45
#P3D_LIP_RIGHT = np.float32([-20.0, 65.5,-5.0]) #48
#P3D_LIP_LEFT = np.float32([-20.0, 65.5,-5.0]) #54
P3D_STOMION = np.float32([10.0, 0.0, -75.0]) #62
landmarks_3D = np.float32([P3D_RIGHT_SIDE,
                                  P3D_GONION_RIGHT,
                                  P3D_MENTON,
                                  P3D_GONION_LEFT,
                                  P3D_LEFT_SIDE,
                                  P3D_FRONTAL_BREADTH_RIGHT,
                                  P3D_FRONTAL_BREADTH_LEFT,
                                  P3D_SELLION,
                                  P3D_NOSE,
                                  P3D_SUB_NOSE,
                                  P3D_RIGHT_EYE,
                                  P3D_RIGHT_TEAR,
                                  P3D_LEFT_TEAR,
                                  P3D_LEFT_EYE,
                                  P3D_STOMION])
TRACKED_POINTS = (0, 4, 8, 12, 16, 17, 26, 27, 30, 33, 36, 39, 42, 45, 62)

def main():
    cap = cv2.VideoCapture(0)
    if not cap.isOpened():
        print("Unable to connect to camera.")
        return
    #Declaring the two classifiers
    dlib_landmarks_file = "./shape_predictor_68_face_landmarks.dat"
    if(os.path.isfile(dlib_landmarks_file)==False):
        print("The dlib landmarks file is missing! Use the following commands to download and unzip: ")
        print(">> wget dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2")
        print(">> bzip2 -d shape_predictor_68_face_landmarks.dat.bz2")
        return

    my_detector = face_landmark_detection.faceLandmarkDetection(dlib_landmarks_file)
    my_face_detector = dlib.get_frontal_face_detector()

    while cap.isOpened():
        ret, frame = cap.read()
        if ret:

            faces_array = my_face_detector(frame, 1)
            for i, pos in enumerate(faces_array):


                face_x1 = pos.left()
                face_y1 = pos.top()
                face_x2 = pos.right()
                face_y2 = pos.bottom()
                landmarks_2D = my_detector.returnLandmarks(frame, face_x1, face_y1, face_x2, face_y2,points_to_return=TRACKED_POINTS)
                retval, rvec, tvec = cv2.solvePnP(landmarks_3D,
                                                  landmarks_2D,
                                                  cam_matrix, dist_coeffs, )
               

                axis = np.float32([[150, 0, 0],
                                      [0, 150, 0],
                                      [0, 0, 150]])
                imgpts, jac = cv2.projectPoints(axis, rvec, tvec, cam_matrix, dist_coeffs)


                sellion_xy = (landmarks_2D[7][0], landmarks_2D[7][1])
                cv2.line(frame, sellion_xy, tuple(imgpts[1].ravel()), (0, 255, 0), 3)  # GREEN
                cv2.line(frame, sellion_xy, tuple(imgpts[2].ravel()), (255, 0, 0), 3)  # BLUE
                cv2.line(frame, sellion_xy, tuple(imgpts[0].ravel()), (0, 0, 255), 3)  # RED

#下記の角度が値が正確ではない。
                rMatrix, jacobian = cv2.Rodrigues(rvec)
                pose_mat = cv2.hconcat((rMatrix, tvec))
                euler_angle = cv2.decomposeProjectionMatrix(pose_mat)[6]

```

cv2.Rodriguesを用いたpitch・yaw・rollの算出方法

機械学習で6577 rows × 3507 columnsのデータセットを扱っており、特徴量が3506（残り一つは目的変数です）と多いので、相関の高い二つの特徴量のうち目的変数との相関の低いほうを除きたいのですが、以下のエラーが解消できません。ちなみに以下のコードのdataが6577 rows × 3507 columnsのデータセットで、データフレームの一番左のコラムが目的変数（０か１の二値）です。どうぞよろしくお願いいたします。

```python

def correlation(dataset, threshold):
    col_corr = set() # Set of all the names of deleted columns
    corr_matrix = dataset.corr()
    for i in range(len(corr_matrix.columns)):
        for j in range(i):
            if corr_matrix.iloc[i, j] >= threshold:
                x=np.array(dataset.iloc[:, i], data['Target'])
                y=np.array(dataset.iloc[:, j], data['Target'])
                if np.corrcoef(x, rowvar=False) > np.corrcoef(y, rowvar=False):
                    
                    colname = corr_matrix.columns[j] # getting the name of column
                    col_corr.add(colname)
                    if colname in dataset.columns:
                        del dataset[colname]
                else:
                    colname = corr_matrix.columns[i]
                    col_corr.add(colname)
                    if colname in dataset.columns:
                        del dataset[colname] # deleting the column from the dataset


data_corr=correlation(data.iloc[:, 1:], 0.7)



IndexError                                Traceback (most recent call last)
<ipython-input-31-a7760ef4bd26> in <module>()
----> 1 data_corr=correlation(data.iloc[:, 1:], 0.7)

<ipython-input-30-66af95ffe0ab> in correlation(dataset, threshold)
      5         for j in range(i):
      6             if corr_matrix.iloc[i, j] >= threshold:
----> 7                 x=np.array(dataset.iloc[:, i], data['Target'])
      8                 y=np.array(dataset.iloc[:, j], data['Target'])
      9                 if np.corrcoef(x, rowvar=False) > np.corrcoef(y, rowvar=False):

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in __getitem__(self, key)
   1365             except (KeyError, IndexError):
   1366                 pass
-> 1367             return self._getitem_tuple(key)
   1368         else:
   1369             # we by definition only have the 0th axis

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _getitem_tuple(self, tup)
   1735     def _getitem_tuple(self, tup):
   1736 
-> 1737         self._has_valid_tuple(tup)
   1738         try:
   1739             return self._getitem_lowerdim(tup)

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _has_valid_tuple(self, key)
    202             if i >= self.obj.ndim:
    203                 raise IndexingError('Too many indexers')
--> 204             if not self._has_valid_type(k, i):
    205                 raise ValueError("Location based indexing can only have "
    206                                  "[{types}] types"

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _has_valid_type(self, key, axis)
   1670             return True
   1671         elif is_integer(key):
-> 1672             return self._is_valid_integer(key, axis)
   1673         elif is_list_like_indexer(key):
   1674             return self._is_valid_list_like(key, axis)

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _is_valid_integer(self, key, axis)
   1711         l = len(ax)
   1712         if key >= l or key < -l:
-> 1713             raise IndexError("single positional indexer is out-of-bounds")
   1714         return True
   1715 

IndexError: single positional indexer is out-of-bounds

```

相関の高い特徴量のうち、目的変数との相関が小さいほうを除く

「詳解 ディープラーニング TensorFlow・Kerasによる時系列データ処理」に沿って機械学習・AIを学んでいる者です。お聞きしたいことがあり、投稿させて頂きます。

### 前提・実現したいこと
[https://github.com/yusugomori/deeplearning-tensorflow-keras/blob/r1.4/6/tensorflow/02_adding_task_attention_tensorflow.py](https://github.com/yusugomori/deeplearning-tensorflow-keras/blob/r1.4/6/tensorflow/02_adding_task_attention_tensorflow.py)

本書に上記ソースがあります。上記は、4桁同士の足し算を入力時系列データ、その足し算の結果を出力時系列データとして学習するプログラムです。

L24～L27について質問があります。
``` python
    encoder = rnn.BasicLSTMCell(n_hidden, forget_bias=1.0)
    encoder = rnn.AttentionCellWrapper(encoder,
                                       input_digits,
                                       state_is_tuple=True)
```

の部分において、input_digitsという引数がありますが、これを与えるということは、桁数を固定して学習させる事になります。
その桁数を可変にしたい場合、どうすればよいか、という質問になります。

本書例においてはinput_digits=9桁となっています。
「1234+5678」とか「123+456  」が入力データとなります。
つまり、9桁に満たない入力データの場合はブランクで埋めて（パディング処理して）9桁にしています。

このパディング処理をしないで学習を実行するにはどのようなAPIを使用すればよいのでしょうか。

LSTMの入力用データの時系列データ数を可変対応にする方法

###前提・実現したいこと
wordpressにおいて固定ページでのコメント送りでのページネーションをやりたいです。
次のコメントへを押すと<link rel="next">を、戻るを押すと<link rel="prev">がheadタグに記載されるようにしたいです。


###発生している問題・エラーメッセージ
ページネーションを出力するコードをfunction.phpおよびheader.php入れても出力しない。
そもそも、方法として可能なのかがわからなくなってきている。

###試したこと
[https://nelog.jp/rel-next-prev#functionsphp](https://nelog.jp/rel-next-prev#functionsphp)
ここに書いてあったコードを書き込んでみたり、
heade.phpに
[http://oredayo.net/2014-03-04-creating-a-pagination-in-wordpress/](http://oredayo.net/2014-03-04-creating-a-pagination-in-wordpress/)
のコードを入れてみたり
プラグイン使ってみたりしましたが、だめでした。

###補足情報(言語/FW/ツール等のバージョンなど)
WordPress ver.4.2.15
独自のテーマを使ってます。

WordPressの固定ページにて、コメントのページネーションをやりたい

MAMPをインストールして設定をしていました。
htdocsのファイルを見ても、phpmyadminのデータベースに追加してあるものが見れません。
ブラウザで検索して見ても、Index of/しか表示されないです。
どうしたらhtdocsファイルに表示されるのでしょうか。

ずいぶん的外れな質問しているのは承知していますが、
どうかご理解の上、回答をお願いします。

htdocsに追加したい

Webカメラなどで撮影している映像をリアルタイムでフレーム単位で読み込み、その画像に対してディープラーニングのモデルを使用して識別をかけることは可能でしょうか？
この場合、スクリプト言語のpythonでは難しいので、C原語などと組み合わせるのでしょうか？

例えば、撮影中に猫が現れたときに画面に猫と表示させたいです。
具体的な質問ではないですがよろしくお願いします。

ディープラーニングのリアルタイム処理について

UIBezierPathを使ったアニメーションで、線を徐々に描いていくようなアニメーションを実現させたいです。

なんとなくUIBezierPathとCAKeyFrameAnimationを組み合わせれば出来そうな気がするのですが、具体的なプログラムが想像できず、困っております。

あらかじめ決められたポイントに沿って、UIBezierPathで引いたパスの上を実線で描いていく、イメージとしてはペンで紙の上に線を描いていくような感じです。

何卒、よろしくお願いします。

パスの線を徐々に描いていくアニメーション

お世話になっております。

アプリケーションの開始時に呼び出されるフォームを、同一ソリューション内から複数呼び出す方法を考えております。

自分で思い浮かんだ案は、フォームもライブラリもメインフォーム数分用意し、さらに上位のフォームを作成する方法なのですが、もう少し機知に富んだ方法はないものかと模索しております。

他になにか良い打開策はないでしょうか。
よろしくお願いします。

フォームの複数作成

# シーンの切り替えについての質問です。

フィールドを歩いていて、敵とエンカウントしたら戦闘シーンに突入するといったことしようとしています。
ただ、シーンの切り替えの処理で質問があります。

## シーン2からシーン1に戻った時に、シーン1の状態を保持する方法を教えてください。
フィールドのシーン(シーン1)から戦闘のシーン(シーン2)に遷移の仕方はわかるのですが、
シーン2からシーン1に戻った際にキャラクターの座標がまた初期の位置になってしまいます。
また、DontDestroyOnLoad(キャラクターのオブジェクト)を使って解決しようとすると、シーン1に戻った際にキャラクターが2つに増えてしまいます。

こういう処理をする場合、どういう実装をするのがベストなんですか？

あと、
画面遷移やゲームの進行の管理をするスクリプトはキャラクターに貼り付けるのが通常なんですか？

シーン2からシーン1に戻った時に、シーン1の状態を保持する方法を教えてください。

こんにちは。

microsoftやGoogleからSHA1を使用した証明書の廃止スケジュールが出ています。

マイクロソフト ルート証明書プログラムでの SHA-1 ハッシュ アルゴリズムの廃止
https://technet.microsoft.com/ja-jp/library/security/2880823.aspx

Google、「SHA-1」サポート中止のスケジュールを発表
http://www.itmedia.co.jp/enterprise/articles/1409/08/news043.html

コンピュータの処理能力向上によってSHA1を利用していると、
ある証明書と同じメッセージダイジェストになる公開鍵を生成するコストが下がってきているため、
偽の公開鍵と本物のCA署名をくっつければ偽の証明書ができあがってしまうことになる
という脆弱性に対応するためと理解しています。
・参考
http://2u-moomin.blog.so-net.ne.jp/2014-09-28

偽の証明書が出来上がるというのは理解したのですが、
偽の証明書が出来上がったときにどんな問題が発生するのかが良く理解できていません。

例えばhttps://test.comといったサイトがあったとして、
このサイトで利用している証明書が偽造されたとします。

しかし、偽造されたからと言ってhttps://test.comというドメインは、すでに取得されているので
第三者がhttps://test.comというサイトを立ち上げて、何か悪いことをすることはできないはずです。
また、https://test.comと中身が酷似したhttps://test-b.comといったサイトを立ち上げて何か悪いことをする場合、
https://test-b.comに対して新規に証明書を申請して利用すれば良いと思っています。

そもそも偽物が作られてしまうこと自体は問題なのかもしれませんが、
証明書を偽造された場合、どのような被害が発生することが考えられるのでしょうか?


すいませんが、お分かりになるかたお教えください。

SHA1を利用した証明書を偽造された場合想定される被害について

railsを使用して音声合成を行いたいと考えております。
例えば入力フォームを文字を入れ、「音声合成！」というボタンを押すと音声ファイルがダウンロードされる...いった具合のものを作りたいと思います。

無料で使えるapiで、なおかつrailsで書いた場合のサンプルコードを教えていただきたく存じます。