در این مطلب، ویدئو مثال تشخیص چهره OpenCV پایتون 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: 00:08:27
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:06,410 –> 00:00:08,940
سلام یوتیوبرها من توت هستم و این
2
00:00:08,940 –> 00:00:12,930
چهاردهمین ویدیوی ما در پایتون باز کامپیوتر
3
00:00:12,930 –> 00:00:16,500
vision است بنابراین یا باز کردن CV در ویدیوی قبلی
4
00:00:16,500 –> 00:00:18,330
ما یاد گرفتیم که در مورد
5
00:00:18,330 –> 00:00:23,040
فضاهای رنگی مختلف و در مورد CV باز است
6
00:00:23,040 –> 00:00:25,610
بنابراین اینها از ویدیوی قبلی هستند و
7
00:00:25,610 –> 00:00:29,130
اگر می خواهید این را ببینید کد منبع شما می
8
00:00:29,130 –> 00:00:31,890
توانید توضیحات ویدیو را برای آن بررسی کنید و
9
00:00:31,890 –> 00:00:34,640
می توانید کد منبع را از وبلاگ من دریافت کنید
10
00:00:34,640 –> 00:00:37,280
در این ویدیو من در مورد
11
00:00:37,280 –> 00:00:41,100
تشخیص چهره در CV باز یا تشخیص
12
00:00:41,100 –> 00:00:44,280
چهره در CV باز صحبت خواهم کرد، به عنوان مثال شما یک
13
00:00:44,280 –> 00:00:47,580
تصویر دارید یا شما آیا یک ویدیوی وب کم
14
00:00:47,580 –> 00:00:50,220
دارید و می خواهید چهره ها را شناسایی کنید، بنابراین
15
00:00:50,220 –> 00:00:53,670
چگونه می توانید این کار را انجام دهید اکنون یک CV باز
16
00:00:53,670 –> 00:00:56,460
ما یک فایل XML داریم که به نام
17
00:00:56,460 –> 00:00:59,280
ما از طبقه بندی کننده جعبه خود استفاده می کنیم.
18
00:00:59,280 –> 00:01:03,210
19
00:01:03,210 –> 00:01:05,250
ما یک فایل XML داریم که
20
00:01:05,250 –> 00:01:07,770
به آن یک نقطه XML پیشفرض چهره آبشار قدرت میگویند،
21
00:01:07,770 –> 00:01:11,729
بنابراین یک داده از قبل آموزشدیده
22
00:01:11,729 –> 00:01:14,400
شده برای تشخیص چهره در CV باز است،
23
00:01:14,400 –> 00:01:16,920
اگر این فایل را میخواهید، میتوانید توضیحات ویدیو را بررسی کنید
24
00:01:16,920 –> 00:01:18,870
و میتوانید این
25
00:01:18,870 –> 00:01:21,479
فایل را از github دریافت کنید. یا می توانید این را دریافت کنید
26
00:01:21,479 –> 00:01:26,880
فایل از وبلاگ من، بنابراین اکنون من قبلاً
27
00:01:26,880 –> 00:01:28,950
این فایل را در فهرست کاری خود کپی کرده ام،
28
00:01:28,950 –> 00:01:33,600
همچنین یک تصویر دارم، بنابراین این
29
00:01:33,600 –> 00:01:35,549
تصویر است و می خواهم تشخیص چهره را در
30
00:01:35,549 –> 00:01:42,350
این تصویر انجام دهم، بنابراین اکنون بیایید شروع کنیم،
31
00:01:42,799 –> 00:01:44,810
بچه ها، اولین کاری که انجام می دهم، انجام می دهم. من
32
00:01:44,810 –> 00:01:48,619
قصد دارم cb2 را وارد کنم و بعد از این می
33
00:01:48,619 –> 00:01:50,750
خواهم تصویر خود را بارگذاری کنم، بنابراین می خواهم
34
00:01:50,750 –> 00:01:53,570
یک متغیر تصویر ایجاد کنم و v2 dot
35
00:01:53,570 –> 00:01:56,390
و murid را ببینم، می خواهم تصویر خود را بخوانم و
36
00:01:56,390 –> 00:02:02,360
نام تصویر من IMG dot jpg است، پس پس از
37
00:02:02,360 –> 00:02:04,610
خواندن تصویری که ما قصد
38
00:02:04,610 –> 00:02:08,568
داریم این carcass skate dot XML خود را بارگذاری کنیم خوب اجازه دهید
39
00:02:08,568 –> 00:02:11,450
من یک چهره ایجاد کنم من آن را face K
40
00:02:11,450 –> 00:02:17,599
skate و cb2 dot K skate classifier
41
00:02:17,599 –> 00:02:25,670
case یک آتش کلاس C کلاس C دریافت کنید و در
42
00:02:25,670 –> 00:02:27,530
اینجا باید این را بدهید
43
00:02:27,530 –> 00:02:33,230
اجازه دهید من فقط این را کپی کنم و
44
00:02:33,230 –> 00:02:40,730
این را در اینجا بچسبانم ctrl a ctrl C خوب حالا من می
45
00:02:40,730 –> 00:02:45,590
خواهم این را در اینجا کپی کنم، بنابراین پس از
46
00:02:45,590 –> 00:02:48,920
بارگیری پاور ما، ساب K اسکیت یک
47
00:02:48,920 –> 00:02:52,010
طبقه بندی کننده اکنون به من اجازه دهید یک چهره در
48
00:02:52,010 –> 00:02:56,000
اینجا و اکنون ایجاد کنم. می خواهید برای تشخیص چند مقیاسی با K اسکیت روبرو شوید،
49
00:02:56,000 –> 00:02:59,750
بنابراین اکنون این
50
00:02:59,750 –> 00:03:03,319
تابع تشخیص چند مقیاسی برای
51
00:03:03,319 –> 00:03:06,530
تشخیص شی است بنابراین اگر این
52
00:03:06,530 –> 00:03:08,780
تابع صورت و تصویر را پیدا می
53
00:03:08,780 –> 00:03:13,459
کند به صورت موقعیت XY و
54
00:03:13,459 –> 00:03:17,209
وزن و ارتفاع به این صورت است و
55
00:03:17,209 –> 00:03:18,799
به پارامترهایی نیاز دارد که
56
00:03:18,799 –> 00:03:21,170
اولی تصویر است تا بخواهیم در
57
00:03:21,170 –> 00:03:23,349
تصویر بدهیم دومی ضریب مقیاس
58
00:03:23,349 –> 00:03:26,359
بنابراین، اما ضریب مقیاس این است که
59
00:03:26,359 –> 00:03:29,359
پارامتری است که مشخص میکند اندازه تصویر
60
00:03:29,359 –> 00:03:32,510
در H در هر مقیاس تصویر چقدر کاهش مییابد،
61
00:03:32,510 –> 00:03:34,609
بنابراین من میخواهم یک امتیاز به آن بدهم،
62
00:03:34,609 –> 00:03:37,910
اما شما میتوانید آن را تغییر دهید، میتوانید این کار را انجام دهید.
63
00:03:37,910 –> 00:03:39,680
به انتخاب برنامه شما
64
00:03:39,680 –> 00:03:42,680
و نتیجه و نتیجه ای
65
00:03:42,680 –> 00:03:43,400
که می خواهید،
66
00:03:43,400 –> 00:03:45,290
بنابراین من می خواهم فعلاً یک امتیاز به آن بدهم
67
00:03:45,290 –> 00:03:48,620
و یکی دیگ