جستجو برای:
سبد خرید 0
  • خانه
  • محصولات
  • ویدئوهای آموزشی رایگان
  • مقالات
  • تماس با ما

ورود

گذرواژه خود را فراموش کرده اید؟

ثبت نام

داده های شخصی شما برای پشتیبانی از تجربه شما در این وب سایت، برای مدیریت دسترسی به حساب کاربری شما و برای اهداف دیگری که در سیاست حفظ حریم خصوصی ما شرح داده می شود مورد استفاده قرار می گیرد.

هوش مصنوعی رضوان
  • خانه
  • محصولات
  • ویدئوهای آموزشی رایگان
  • مقالات
  • تماس با ما
ورود / ثبت نام
0

وبلاگ

هوش مصنوعی رضوان > فایل های آموزشی رایگان > تشخیص عنبیه چشم در پایتون

تشخیص عنبیه چشم در پایتون

فایل های آموزشی رایگان

کدهای پروژه

import cv2 as cv
import numpy as np
from cvzone.FaceDetectionModule import FaceDetector
from cvzone.FaceMeshModule import FaceMeshDetector

LEFT_EYE =[362, 382, 381, 380, 374, 373, 390, 249, 263, 466, 388, 387, 386, 385,384, 398]


detector = FaceDetector()
meshdetector = FaceMeshDetector(maxFaces=1)


cap = cv.VideoCapture(0)
if (cap.isOpened()== False):
print(“Error opening video stream or file”)


while(cap.isOpened()):
ret, frame = cap.read()
ret, frame2 = cap.read()
if ret == True:
face_img, bbox = detector.findFaces(frame)
face_img, faces = meshdetector.findFaceMesh(frame)
print(bbox)
if bbox:
center = bbox[0][“center”]
if faces:
left_eye_points = np.array([[faces[0][p][0],faces[0][p][1]] for p in LEFT_EYE])
#cv.fillPoly(face_img2, pts=[left_eye_points], color = 255)
(ex,ey,ew,eh) = cv.boundingRect(left_eye_points)
#cv.rectangle(face_img2, (ex,ey), (ex+ew,ey+eh), (255,255,255))
eye_roi = frame2[ey:ey+eh, ex:ex+ew]
eye_roi_gr = cv.cvtColor(eye_roi, cv.COLOR_BGR2GRAY)
_, iris = cv.threshold(eye_roi_gr, 40, 255, cv.THRESH_BINARY_INV)
contours, _ = cv.findContours(iris, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=lambda x: cv.contourArea(x), reverse=True)

if contours:
(ix,iy,iw,ih) = cv.boundingRect(contours[0])
ix_cntr, iy_centr = ix+int(iw/2) + ex, iy+int(ih/2)+ey
cv.circle(frame2, (ix_cntr, iy_centr), 5, (0,0,255), -1)

ix_cntr_e, iy_centr_e = ix+int(iw/2), iy+int(ih/2)

offset = 10
if ix_cntr_e > int(ew/2)+offset:
text = “left”
elif ix_cntr_e < int(ew/2)-offset:
text = “right”
else:
text = “center”

cv.putText(frame2, text, (100,100), cv.FONT_HERSHEY_PLAIN, 3, (0,60,0), 2)


cv.imshow(‘frame2’, frame2)
if cv.waitKey(25) & 0xFF == ord(‘q’):
break
else:
break

cap.release()
cv.destroyAllWindows()

قبلی کاهش نویز تصویر با فیلتر وینر در متلب
بعدی کاهش انواع نویز در تصاویر در پایتون

دیدگاهتان را بنویسید لغو پاسخ

جستجو برای:
دسته‌ها
  • فایل های آموزشی رایگان
  • مقالات
دسته‌های محصولات
  • دوره ها
  • عمومی
نوشته‌های تازه
  • تحولی نوین در صنعت بیمه با هوش مصنوعی
  • سیستم‌های توصیه‌گر: راهنمای جامع
  • ربات هوش مصنوعی چیست؟ اشتراکات و کاربردهای رباتیک و هوش مصنوعی
  • تعریف هوش مصنوعی در زنجیره تأمین
  • هوش مصنوعی احساسی: درک و تحلیل احساسات انسانی
درباره ما

هدف ما آموزش هوش مصنوعی با استفاده از پایتون و متلب می باشد تا بتوانیم موارد کاربردی آن را به شما عزیزان آموزش دهیم.

دسترسی سریع
  • دوره ها
  • تماس با ما
    نماد ها
    کلیه حقوق مادی و معنوی این سایت متعلق به هوش مصنوعی رضوان می‌باشد.
    اشتراک گذاری در شبکه های اجتماعی
    ارسال به ایمیل
    https://airezvan.com/?p=10361
    دسته بندی دوره ها
    دسته بندی بلاگ
    دوره های من
    دسته بندی دوره ها

    دوره ها

    • 3 دوره
    دسته بندی بلاگ

    فایل های آموزشی رایگان

    • 32 نوشته

    مقالات

    • 56 نوشته
    دوره های من
    برای مشاهده خریدهای خود باید وارد حساب کاربری خود شوید
    Facebook Twitter Youtube Instagram Whatsapp
    مرورگر شما از HTML5 پشتیبانی نمی کند.