در این مطلب، ویدئو آموزش OpenCV Python برای مبتدیان 36 – طبقه بندی کننده های آبشاری مبتنی بر ویژگی تشخیص چشم 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.
مدت زمان فیلم: 00:07:13
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,280
سلام بچه ها به ویدیوی بعدی
2
00:00:02,280 –> 00:00:04,470
آموزش CV باز برای مبتدیان با استفاده از
3
00:00:04,470 –> 00:00:06,660
پایتون خوش آمدید در آخرین ویدیو
4
00:00:06,660 –> 00:00:10,110
که اصول تشخیص چهره را با استفاده
5
00:00:10,110 –> 00:00:11,040
از
6
00:00:11,040 –> 00:00:14,580
طبقه بندی کننده های آبشاری مبتنی بر ویژگی سخت دیدیم در این ویدیو می
7
00:00:14,580 –> 00:00:16,980
خواهیم کد خود را برای تشخیص چشم ها
8
00:00:16,980 –> 00:00:20,580
با استفاده از همین ویدیو گسترش دهیم. طبقهبندیکننده آبشار Harr،
9
00:00:20,580 –> 00:00:24,269
بنابراین برای این کار ابتدا باید طبقهبندیکننده
10
00:00:24,269 –> 00:00:27,150
متقاطع از پیش آموزشدیده
11
00:00:27,150 –> 00:00:30,150
شده برای چشمها را از همان
12
00:00:30,150 –> 00:00:32,159
منبعی که بار گذشته به شما نشان دادم دانلود کنید،
13
00:00:32,159 –> 00:00:35,760
همچنین که مخزن github
14
00:00:35,760 –> 00:00:39,960
Open CV است، دوباره این را به شما میدهم.
15
00:00:39,960 –> 00:00:41,579
لینک در توضیحات تا بتوانید
16
00:00:41,579 –> 00:00:44,969
مستقیماً به این صفحه بیایید و این بار
17
00:00:44,969 –> 00:00:48,360
ما قصد داریم این فایل XML را
18
00:00:48,360 –> 00:00:52,110
با نام har cascade i underscore
19
00:00:52,110 –> 00:00:56,460
tree underscore eyeglass dot file xml دانلود کنیم بنابراین
20
00:00:56,460 –> 00:01:00,570
این طبقه بندی کننده از پیش آموزش دیده برای
21
00:01:00,570 –> 00:01:03,870
تشخیص چشم است تا بتوانید فقط روی ترسیم کلیک کنید
22
00:01:03,870 –> 00:01:08,820
و سپس آن را به عنوان همان
23
00:01:08,820 –> 00:01:12,360
نام فایل در پروژه خود ذخیره کنید، بنابراین من
24
00:01:12,360 –> 00:01:16,229
قبلاً این فایل XML را دانلود کرده ام. می
25
00:01:16,229 –> 00:01:19,170
توانید اینجا را ببینید.
26
00:01:19,170 –> 00:01:21,960
و اکنون
27
00:01:21,960 –> 00:01:25,229
ما آماده ایم کد خود را بنویسیم، بنابراین
28
00:01:25,229 –> 00:01:27,479
این کدی است که آخرین بار نوشته ایم،
29
00:01:27,479 –> 00:01:29,640
بنابراین اگر نمی دانید این کد چگونه
30
00:01:29,640 –> 00:01:33,090
کار می کند، می توانید آخرین ویدیو را ببینید،
31
00:01:33,090 –> 00:01:35,250
من فقط این کد را برای تشخیص
32
00:01:35,250 –> 00:01:38,790
چشم ها گسترش می دهم. ابتدا باید
33
00:01:38,790 –> 00:01:43,590
طبقهبندیکننده Cascade را برای چشمها ایجاد کنیم،
34
00:01:43,590 –> 00:01:47,100
بنابراین بهجای آبشار صورت،
35
00:01:47,100 –> 00:01:52,020
آن را به عنوان آبشار چشم نامگذاری میکنیم و این
36
00:01:52,020 –> 00:01:55,200
نام فایل، فایلی خواهد بود که
37
00:01:55,200 –> 00:01:57,990
دانلود کردهایم که فایل xml i underscore tree
38
00:01:57,990 –> 00:02:01,469
underscore eyeglass dot است.
39
00:02:01,469 –> 00:02:05,280
ما طبقه بندی کننده خود را داریم و در آخرین
40
00:02:05,280 –> 00:02:07,140
ویدیو قبلاً نحوه تشخیص
41
00:02:07,140 –> 00:02:10,830
چهره ها را دیده ایم بنابراین منطقه مورد علاقه ما
42
00:02:10,830 –> 00:02:13,950
این بار چهره خواهد بود زیرا
43
00:02:13,950 –> 00:02:16,860
چشم ها خارج از
44
00:02:16,860 –> 00:02:19,530
فاز درست وجود ندارند بنابراین Isis همیشه
45
00:02:19,530 –> 00:02:21,720
در داخل صورت حضور خواهد داشت. منطقه
46
00:02:21,720 –> 00:02:25,800
مورد علاقه، چهره و چهره ای خواهد بود
47
00:02:25,800 –> 00:02:28,260
که قبلاً دفعه قبل شناسایی کرده بودیم، بنابراین این
48
00:02:28,260 –> 00:02:32,040
چهره اکنون منطقه مورد علاقه ما خواهد بود،
49
00:02:32,040 –> 00:02:35,400
بنابراین به داخل حلقه for بروید، جایی که
50
00:02:35,400 –> 00:02:39,600
روی این متغیر چهره تکرار می کنیم و
51
00:02:39,600 –> 00:02:43,200
سپس ROI خود را ایجاد می کنیم. بنابراین
52
00:02:43,200 –> 00:02:44,910
من میخواهم این متغیر را ایجاد کنم که
53
00:02:44,910 –> 00:02:49,830
به آن i underscore خاکستری میگویند و
54
00:02:49,830 –> 00:02:54,299
این تصویر اصلی در مقیاس خاکستری است
55
00:02:54,299 –> 00:02:57,870
که در اینجا ایجاد کردهایم، اما فقط
56
00:02:57,870 –> 00:03:00,690
میخواهیم صورت از این تصویر خارج شود، بنابراین
57
00:03:00,690 –> 00:03:05,489
میتوانیم فقط با استفاده از y: y فاصله را نمایه کنیم.
58
00:03:05,489 –> 00:03:09,900
به اضافه h کاما X:
59
00:03:09,900 –> 00:03:13,560
X به علاوه W که عرض است، بنابراین این خط
60
00:03:13,560 –> 00:03:16,470
منطقه مورد نظر مقیاس خاکستری را به ما می دهد،
61
00:03:16,470 –> 00:03:19,220
اما ما همچنین تصویر رنگی
62
00:03:19,220 –> 00:03:21,870
را نیز می خواهیم، بنابراین ما فقط می خو
63
00:03:21,870 –> 00:03:26,760
هیم رنگ Y خود را بگوییم که Y رنگی ما خواهد بو
64
00:03:26,760 –> 00:03:30,180
. و در اینجا به جای خاکستری
65
00:03:30,180 –> 00:03:33,420
، تصویر مستقیم را
66
00:03:33,420 –> 00:03:37,890
می گیریم که