در این مطلب، ویدئو تشخیص حرکت با استفاده از کانتورهای پایتون و Opencv با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,469 –> 00:00:02,610
خوب بچه ها به ویدیوی دیگری خوش آمدید
2
00:00:02,610 –> 00:00:04,980
در این ویدیو ما در
3
00:00:04,980 –> 00:00:08,099
مورد مفهوم بینایی کامپیوتری که
4
00:00:08,099 –> 00:00:11,000
OpenCV است مشاهده خواهیم کرد که در آن
5
00:00:11,000 –> 00:00:14,490
خطوط خطوط را می بینیم بنابراین برخی از کارهایی که ممکن است برخی از شما
6
00:00:14,490 –> 00:00:17,340
انجام داده باشید ممکن است از
7
00:00:17,340 –> 00:00:20,100
تشخیص شی و چیزهایی استفاده کرده باشید. اما
8
00:00:20,100 –> 00:00:22,199
تعریف اصلی خطوط به این معنی است که
9
00:00:22,199 –> 00:00:24,390
این یک نقطه است که
10
00:00:24,390 –> 00:00:27,199
مرزهای یک شکل متحرک را به هم متصل می کند و به
11
00:00:27,199 –> 00:00:29,910
طور غیرمستقیم شکل
12
00:00:29,910 –> 00:00:31,650
شکل متحرک را ایجاد می کند، بنابراین فقط یک مرز در اطراف شکل حرکت ایجاد می کند
13
00:00:31,650 –> 00:00:35,070
که
14
00:00:35,070 –> 00:00:39,350
هدف آن تشخیص یا
15
00:00:39,350 –> 00:00:42,180
شناسایی است. هدف چیزی که در حال
16
00:00:42,180 –> 00:00:45,930
حرکت است در این ویدیو نیز یکسان است، بنابراین
17
00:00:45,930 –> 00:00:50,039
این کد برای تشخیص چیزی
18
00:00:50,039 –> 00:00:52,010
است که در داخل کادر
19
00:00:52,010 –> 00:00:56,309
20
00:00:56,309 –> 00:01:01,379
21
00:01:01,379 –> 00:01:04,739
حرکت می کند. در آن چارچوب،
22
00:01:04,739 –> 00:01:08,880
بنابراین برای آن باید برخی از اصول CB را بدانید
23
00:01:08,880 –> 00:01:12,510
که CV و numpy را باز می کند، بنابراین
24
00:01:12,510 –> 00:01:16,860
این یک کد می تواند مکث کند و ببینید
25
00:01:16,860 –> 00:01:19,290
هنوز در حال توسعه است، من سعی می
26
00:01:19,290 –> 00:01:22,979
کنم کاری انجام دهم اما بیشتر اما در حال
27
00:01:22,979 –> 00:01:25,590
حاضر میتواند هدف شناسایی
28
00:01:25,590 –> 00:01:34,920
یا حرکت شی را تشخیص دهد، بنابراین این یک کد است و من
29
00:01:34,920 –> 00:01:37,799
خروجی را نشان میدهم که ما
30
00:01:37,799 –> 00:01:41,070
سعی نمیکنیم از فایلهای Cascade برای
31
00:01:41,070 –> 00:01:43,259
تشخیص یک انسان استفاده کنیم، اما از خطوط استفاده میکنیم،
32
00:01:43,259 –> 00:01:47,610
بنابراین دیگر روی کانتورها استفاده نمیشود. شما می
33
00:01:47,610 –> 00:01:49,619
توانید مستندات رزومه باز را ببینید
34
00:01:49,619 –> 00:01:52,649
که به شکل بسیار خوبی ارائه شده است، بنابراین می
35
00:01:52,649 –> 00:01:55,619
توانید بروید و بررسی کنید که من فقط
36
00:01:55,619 –> 00:01:58,860
یک توضیح می دهم و فقط آن را در
37
00:01:58,860 –> 00:02:01,020
توضیحات زیر قرار می دهم تا فقط
38
00:02:01,020 –> 00:02:07,110
خروجی را به شما نشان دهم بنابراین بله، این
39
00:02:07,110 –> 00:02:10,649
هدف دقیق است، بنابراین آنچه که در واقع انجام می دهد این
40
00:02:10,649 –> 00:02:13,240
است که هر چیزی را
41
00:02:13,240 –> 00:02:16,210
که در داخل کادر حرکت می کند، هر چیزی را
42
00:02:16,210 –> 00:02:19,150
که در کادر حرکت می کند، تشخیص می دهد، بنابراین این خط
43
00:02:19,150 –> 00:02:21,310
در اینجا نیز در حال حرکت است، انسان ها
44
00:02:21,310 –> 00:02:23,740
نیز در حال حرکت هستند و سعی می کند ایجاد کند.
45
00:02:23,740 –> 00:02:26,200
وقتی صحبت از تشخیص انسان به میان میآید، یک مرز در اطراف
46
00:02:26,200 –> 00:02:30,100
آن درست است، وقتی
47
00:02:30,100 –> 00:02:33,520
صحبت از تشخیص انسان با استفاده از فایلهای تابوت به میان میآید، به
48
00:02:33,520 –> 00:02:35,920
49
00:02:35,920 –> 00:02:38,980
50
00:02:38,980 –> 00:02:41,650
51
00:02:41,650 –> 00:02:43,660
اندازه کانتوها دقیق نیست. روی
52
00:02:43,660 –> 00:02:47,370
تابوت انسان و همچنین
53
00:02:47,370 –> 00:02:51,520
آنچه را که به عنوان انسان تشخیص می دهد حتی
54
00:02:51,520 –> 00:02:53,200
اگر ایستاده یا چیزی شبیه به آن باشد، آن
55
00:02:53,200 –> 00:02:55,80