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 چهره و چشم با پایتون

تشخیص چهره و چشم با پایتون

فایل های آموزشی رایگان

توضیحات ویدئو:

تشخیص چهره یکی از کاربردهای مهم در حوزه بینایی ماشین است که در بسیاری از صنایع و برنامه‌ها مورد استفاده قرار می‌گیرد. یکی از روش‌های معروف و مؤثر برای تشخیص چهره در پایتون، استفاده از روش Haar Cascade  می‌باشد. در این مقاله، با توضیحات کامل و کد نمونه، به شما نحوه استفاده از این روش را آموزش خواهم داد.
 
برای شروع، باید مطمئن شوید که کتابخانه OpenCV را در پایتون نصب کرده‌اید. OpenCV یک کتابخانه قدرتمند برای پردازش تصویر است و مجموعه‌ای از توابع وابسته به بینایی ماشین را برای ما فراهم می‌کند.
 
ابتدا، باید فایل CascadeClassifier مربوط به تشخیص چهره را بارگیری کنید. شما می‌توانید از یک فایل CascadeClassifier موجود استفاده کنید یا خودتان یک فایل CascadeClassifier  بسازید. برای این منظور، می‌توانید از داده‌های آموزشی موجود در OpenCV  استفاده کنید و یک الگوریتم آموزش دیده CascadeClassifier  را با استفاده از آنها بسازید.
 
سپس، تصویری که می‌خواهید چهره را در آن تشخیص دهید را بارگیری کنید. می‌توانید از دوربین یا از یک تصویر ثابت استفاده کنید. سپس، تصویر را به سیاه و سفید تبدیل کنید چرا که روش Haar Cascade بر روی تصاویر سیاه و سفید عملکرد بهتری دارد.
 
بعد از آن، می‌توانید تشخیص چهره را با استفاده از تابع detectMultiScale انجام دهید. این تابع با استفاده از فایل CascadeClassifier و تصویر ورودی، موقعیت و اندازه چهره‌های موجود در تصویر را تشخیص می‌دهد.
 
سپس، شما می‌توانید با استفاده از تابع  rectangle، مستطیلی را بر روی تصویر نمایش دهید که چهره را در بر می‌گیرد. این کار به شما امکان می‌دهد تا چهره تشخیص داده شده را به صورت بصری به کاربر نشان دهید.
 
در نهایت، تصویر نهایی را نمایش دهید و نتیجه را بررسی کنید. می‌توانید این کد را در یک حلقه تکرار قرار داده و به طور مداوم تصاویر را بارگیری وپردازش کنید تا تشخیص چهره‌ها را در آنها ببینید.
 
در این ویدئو همچنین یاد خواهیم گرفت که چگونه از این الگوریتم برای تشخیص چشم‌های افراد استفاده کنیم.
 
 
 

کدهای پروژه:

import cv2
import numpy
capture = cv2.VideoCapture(0)
while True:
    _,frame = capture.read()
    ##CV_8U is unsigned 8bit/pixel * a pixel can have values 0-255, this is the normal range for most image and video formats.
    laplacian = cv2.Laplacian(frame, cv2.CV_8U)
    cv2.imshow(‘laplacian’, laplacian)
 
    canny = cv2.Canny(frame,100,100)
    cv2.imshow(‘canny’,canny)
 
    sobelx = cv2.Sobel(frame, cv2.CV_8U, 1,0, ksize=15)
    sobely = cv2.Sobel(frame, cv2.CV_8U, 0,1, ksize=15)
    cv2.imshow(‘soblex’, sobelx)
    cv2.imshow(‘sobley’, sobely)
 
    if(cv2.waitKey(1) & 0xFF==ord(‘q’)):
        break
   
cv2.destroyAllWindows()
capture.release
 
امیدواریم این ویدئو برای شما مفید واقع شده باشد. هدف تیم هوش مصنوعی رضوان، به اشتراک گذاری تجربیاتی ارزشمند در زمینه پردازش تصویر و هوش مصنوعی با شما است. لطفا از سایر آموزش‌های رایگان و دوره‌های آموزشی ما دیدن فرمایید.
قبلی سیستم پلاک خوان خودرو با استفاده از پایتون
بعدی یافتن اشیا مشابه یک الگو با 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=9312
    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.