ການສ້າງລະບົບການຮັບຮູ້ໃບຫນ້າໂດຍອີງໃສ່ Golang ແລະ OpenCV

OpenCV ເປັນຫ້ອງສະຫມຸດທີ່ພັດທະນາສໍາລັບໂຄງການວິໄສທັດຄອມພິວເຕີ. ນາງມີອາຍຸປະມານ 20 ປີແລ້ວ. ຂ້ອຍໃຊ້ມັນຢູ່ໃນວິທະຍາໄລແລະຍັງໃຊ້ມັນສໍາລັບໂຄງການ C ++ ແລະ Python ຂອງຂ້ອຍເພາະວ່າມັນມີການສະຫນັບສະຫນູນທີ່ດີສໍາລັບພາສາເຫຼົ່ານັ້ນ.

ແຕ່ເມື່ອຂ້ອຍເລີ່ມຮຽນແລະໃຊ້ Go, ຂ້ອຍສົງໄສວ່າ OpenCV ສາມາດຖືກນໍາໃຊ້ເພື່ອເຮັດວຽກກັບພາສານີ້. ໃນ​ເວ​ລາ​ນັ້ນ​ມີ​ຕົວ​ຢ່າງ​ແລະ tutorials ກ່ຽວ​ກັບ​ການ​ເຊື່ອມ​ໂຍງ​ແລ້ວ, ແຕ່​ເບິ່ງ​ຄື​ວ່າ​ຂ້າ​ພະ​ເຈົ້າ​ມີ​ຄວາມ​ສັບ​ສົນ​ເກີນ​ໄປ. ໜ້ອຍໜຶ່ງ, ຂ້ອຍໄດ້ພົບເຄື່ອງຫໍ່ທີ່ສ້າງຂຶ້ນໂດຍກຸ່ມລູກປະສົມ. ໃນບົດຄວາມນີ້, ຂ້ອຍຈະສະແດງວິທີການເລີ່ມຕົ້ນກັບ GoCV ໂດຍການພັດທະນາລະບົບການຮັບຮູ້ໃບຫນ້າແບບງ່າຍໆກັບ Haar Cascades.

Skillbox ແນະນໍາ: ຫຼັກສູດພາກປະຕິບັດ "ນັກພັດທະນາ Python ຕັ້ງແຕ່ເລີ່ມຕົ້ນ".

ພວກເຮົາເຕືອນ: ສໍາລັບຜູ້ອ່ານທັງຫມົດຂອງ "Habr" - ສ່ວນຫຼຸດ 10 rubles ເມື່ອລົງທະບຽນໃນຫຼັກສູດ Skillbox ໂດຍໃຊ້ລະຫັດສົ່ງເສີມ "Habr".

ສິ່ງທີ່ຕ້ອງການ:

• ໄປ;
• OpenCV (ການເຊື່ອມຕໍ່ໄປຫາຕົວຕິດຕັ້ງຂ້າງລຸ່ມນີ້);
• web ຫຼືກ້ອງຖ່າຍວິດີໂອປົກກະຕິ.

ການຕັ້ງຄ່າ

• linux: gocv.io/getting-started/linux
• macOS: gocv.io/getting-started/macos
• Windows: gocv.io/getting-started/windows

ຕົວຢ່າງ 1

ໃນຕົວຢ່າງທໍາອິດ, ພວກເຮົາຈະພະຍາຍາມສ້າງຄໍາຮ້ອງສະຫມັກທີ່ເປີດປ່ອງຢ້ຽມທີ່ມີນ້ໍາວິດີໂອກ້ອງຖ່າຍຮູບ.

ທໍາອິດທ່ານຈໍາເປັນຕ້ອງນໍາເຂົ້າຫ້ອງສະຫມຸດທີ່ທ່ານຕ້ອງການເຮັດວຽກ.

ນໍາເຂົ້າ (
"ບັນທຶກ"
“gocv.io/x/gocv”
)

ຫຼັງຈາກນັ້ນ, ທ່ານຈໍາເປັນຕ້ອງສ້າງວັດຖຸ VideoCapture ໂດຍໃຊ້ຟັງຊັນ VideoCaptureDevice. ອັນສຸດທ້າຍເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະບັນທຶກການຖ່າຍທອດວິດີໂອໂດຍໃຊ້ກ້ອງຖ່າຍຮູບ. ຟັງຊັນໃຊ້ຈຳນວນເຕັມເປັນພາລາມິເຕີ (ມັນສະແດງເຖິງ ID ອຸປະກອນ).

webcam, err := gocv.VideoCaptureDevice(0)
if err != nil {    log.Fatalf(“error opening web cam: %v”, err)
}
defer webcam.Close()

ໃນປັດຈຸບັນພວກເຮົາຈໍາເປັນຕ້ອງສ້າງ matrix n-dimensional. ມັນຈະເກັບຮັກສາຮູບພາບທີ່ອ່ານຈາກກ້ອງຖ່າຍຮູບ.

img := gocv.NewMat()
defer img.Close()

ເພື່ອສະແດງນ້ໍາວິດີໂອ, ທ່ານຈໍາເປັນຕ້ອງສ້າງປ່ອງຢ້ຽມ - ນີ້ສາມາດເຮັດໄດ້ໂດຍໃຊ້ຟັງຊັນ NewWindow.

window := gocv.NewWindow(“webcamwindow”)
defer window.Close()

ຕອນນີ້ໃຫ້ເຮົາກ້າວໄປສູ່ສ່ວນທີ່ຫນ້າສົນໃຈທີ່ສຸດ.

ເນື່ອງຈາກວິດີໂອເປັນເຟຣມຮູບພາບຢ່າງຕໍ່ເນື່ອງ, ພວກເຮົາຈະຕ້ອງສ້າງວົງແຫວນທີ່ບໍ່ມີຂອບເຂດເພື່ອອ່ານການຖ່າຍທອດວິດີໂອຂອງກ້ອງຖ່າຍຮູບຢ່າງບໍ່ຢຸດຢັ້ງ. ນີ້ຮຽກຮ້ອງໃຫ້ມີວິທີການອ່ານຂອງປະເພດ VideoCapture. ມັນຈະຄາດຫວັງວ່າປະເພດ Mat (ມາຕຣິກເບື້ອງທີ່ພວກເຮົາສ້າງຂ້າງເທິງ), ສົ່ງຄືນ boolean ຊີ້ບອກວ່າກອບຈາກ VideoCapture ຖືກອ່ານຢ່າງສໍາເລັດຜົນຫຼືບໍ່.

for {     
        if ok := webcam.Read(&img); !ok || img.Empty( {
        log.Println(“Unable to read from the webcam”)    continue
     }
.
.
.
}

ໃນປັດຈຸບັນພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ສະແດງກອບຢູ່ໃນປ່ອງຢ້ຽມທີ່ສ້າງ. ຢຸດຊົ່ວຄາວເພື່ອຍ້າຍໄປເຟຣມຕໍ່ໄປ - 50 ms.

window.IMShow(img)
window.WaitKey(50)

ຫຼັງ​ຈາກ​ການ​ເປີດ​ຕົວ​ຄໍາ​ຮ້ອງ​ສະ​ຫມັກ​, ປ່ອງ​ຢ້ຽມ​ທີ່​ມີ​ສະ​ຕ​ຣີມ​ວິ​ດີ​ໂອ​ຈາກ​ກ້ອງ​ຖ່າຍ​ຮູບ​ຈະ​ເປີດ​.

package main
 
import (
"log"
 
"gocv.io/x/gocv"
)
 
func main() {
webcam, err := gocv.VideoCaptureDevice(0)
if err != nil {
    log.Fatalf("error opening device: %v", err)
}
defer webcam.Close()
 
img := gocv.NewMat()
defer img.Close()
 
window := gocv.NewWindow("webcamwindow")
defer window.Close()
 
for {
if ok := webcam.Read(&img); !ok || img.Empty() {
log.Println("Unable to read from the webcam")
continue
}
 
window.IMShow(img)
window.WaitKey(50)
}
}

ຕົວຢ່າງ 2

ໃນຕົວຢ່າງນີ້, ໃຫ້ໃຊ້ຕົວຢ່າງທີ່ຜ່ານມາແລະສ້າງລະບົບການຮັບຮູ້ໃບຫນ້າໂດຍອີງໃສ່ Haar Cascades.

Haar cascades ແມ່ນຕົວຈັດປະເພດ cascaded ທີ່ໄດ້ຮັບການຝຶກອົບຮົມໂດຍອີງໃສ່ເຕັກນິກການຄື້ນ Haar. ພວກເຂົາວິເຄາະ pixels ໃນຮູບພາບເພື່ອຊອກຫາລັກສະນະສະເພາະ. ເພື່ອຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບ Haar Cascades, ກະລຸນາປະຕິບັດຕາມການເຊື່ອມຕໍ່ຂ້າງລຸ່ມນີ້.

ກອບການຊອກຄົ້ນຫາວັດຖຸ Viola-Jones
ການຈັດປະເພດ Cascading
ລັກສະນະຄ້າຍຄື Haar

ດາວໂຫລດ cascades ທີ່ໄດ້ຮັບການຝຶກອົບຮົມແລ້ວ ສາມາດຢູ່ທີ່ນີ້. ໃນຕົວຢ່າງປະຈຸບັນ, cascades ຈະຖືກນໍາໃຊ້ເພື່ອກໍານົດໃບຫນ້າຂອງບຸກຄົນໃດຫນຶ່ງຢູ່ທາງຫນ້າ.

ເພື່ອເຮັດສິ່ງນີ້, ທ່ານຈໍາເປັນຕ້ອງສ້າງຕົວຈັດປະເພດແລະໃຫ້ມັນເປັນໄຟລ໌ທີ່ໄດ້ຮັບການຝຶກອົບຮົມແລ້ວ (ການເຊື່ອມຕໍ່ແມ່ນໃຫ້ຂ້າງເທິງ). ຂ້ອຍໄດ້ອັບໂຫລດໄຟລ໌ pencv_haarcascade_frontalface_default.xml ໄປທີ່ໄດເລກະທໍລີບ່ອນທີ່ໂຄງການຂອງພວກເຮົາຕັ້ງຢູ່.

harrcascade := “opencv_haarcascade_frontalface_default.xml”classifier := gocv.NewCascadeClassifier()classifier.Load(harrcascade)
defer classifier.Close()

ເພື່ອກວດຫາໃບຫນ້າໃນຮູບພາບ, ທ່ານຈໍາເປັນຕ້ອງໃຊ້ວິທີການ DetectMultiScale. ຟັງຊັນນີ້ໃຊ້ເວລາກອບ (ປະເພດ Mat) ທີ່ຫາກໍ່ອ່ານຈາກການຖ່າຍທອດວິດີໂອຂອງກ້ອງຖ່າຍຮູບແລະສົ່ງຄືນ array ຂອງປະເພດ Rectangle. ຂະໜາດຂອງອາເຣສະແດງເຖິງຈຳນວນໜ້າທີ່ຕົວຈັດປະເພດສາມາດກວດພົບໃນກອບ. ຈາກນັ້ນ, ເພື່ອໃຫ້ແນ່ໃຈວ່າພວກເຮົາເຫັນສິ່ງທີ່ມັນພົບ, ໃຫ້ພວກເຮົາເຮັດຊ້ໍາໂດຍຜ່ານບັນຊີລາຍຊື່ຂອງສີ່ຫລ່ຽມແລະພິມວັດຖຸສີ່ຫລ່ຽມໃສ່ຄອນໂຊນ, ສ້າງຂອບຮອບສີ່ຫລ່ຽມທີ່ພົບເຫັນ. ນີ້ສາມາດເຮັດໄດ້ໂດຍໃຊ້ຟັງຊັນສີ່ຫລ່ຽມ. ມັນຈະໃຊ້ເວລາ Mat ອ່ານໂດຍກ້ອງຖ່າຍຮູບ, ວັດຖຸສີ່ຫລ່ຽມທີ່ສົ່ງຄືນໂດຍວິທີການ DetectMultiScale, ແລະສີແລະຄວາມຫນາສໍາລັບຊາຍແດນ.

for _, r := range rects {
fmt.Println(“detected”, r)
gocv.Rectangle(&img, r, color, 2)
}

package main
 
import (
"fmt"
"image/color"
"log"
 
"gocv.io/x/gocv"
)
 
func main() {
webcam, err := gocv.VideoCaptureDevice(0)
if err != nil {
log.Fatalf("error opening web cam: %v", err)
}
defer webcam.Close()
 
img := gocv.NewMat()
defer img.Close()
 
window := gocv.NewWindow("webcamwindow")
defer window.Close()
 
harrcascade := "opencv_haarcascade_frontalface_default.xml"
classifier := gocv.NewCascadeClassifier()
classifier.Load(harrcascade)
defer classifier.Close()
 
color := color.RGBA{0, 255, 0, 0}
for {
if ok := webcam.Read(&img); !ok || img.Empty() {
log.Println("Unable to read from the device")
continue
}
 
rects := classifier.DetectMultiScale(img)
for _, r := range rects {
fmt.Println("detected", r)
gocv.Rectangle(&img, r, color, 3)
}
 
window.IMShow(img)
window.WaitKey(50)
}
}

ແລະ ... ແມ່ນແລ້ວ, ທຸກສິ່ງທຸກຢ່າງເຮັດວຽກອອກ! ຕອນນີ້ພວກເຮົາມີລະບົບການຮັບຮູ້ໃບໜ້າແບບງ່າຍໆທີ່ຂຽນໃນ Go. ໃນອະນາຄົດອັນໃກ້ນີ້, ຂ້າພະເຈົ້າວາງແຜນທີ່ຈະສືບຕໍ່ການທົດລອງເຫຼົ່ານີ້ແລະສ້າງສິ່ງທີ່ເຢັນໃຫມ່ໂດຍການສົມທົບ Go ແລະ OpenCV.

ຖ້າທ່ານສົນໃຈ, ກະລຸນາໃຫ້ຄະແນນ ເຊີບເວີເວັບ gRPC, ທີ່ຂ້ອຍຂຽນໃນ Python ແລະ OpenCV. ມັນຖ່າຍທອດຂໍ້ມູນທັນທີທີ່ໃບໜ້າຖືກກວດພົບ. ນີ້ແມ່ນພື້ນຖານສໍາລັບການສ້າງລູກຄ້າທີ່ແຕກຕ່າງກັນໃນພາສາການຂຽນໂປຼແກຼມທີ່ແຕກຕ່າງກັນ. ພວກເຂົາເຈົ້າຈະສາມາດເຊື່ອມຕໍ່ກັບເຄື່ອງແມ່ຂ່າຍແລະອ່ານຂໍ້ມູນຈາກມັນ.

ຂອບໃຈສໍາລັບການອ່ານບົດຄວາມ!

Skillbox ແນະນໍາ:

• ຫຼັກສູດພາກປະຕິບັດສອງປີ "ຂ້ອຍເປັນນັກພັດທະນາເວັບ PRO".
• ຫຼັກສູດການສຶກສາອອນໄລນ໌ "ນັກພັດທະນາ Java ມືອາຊີບ".
• ຫຼັກສູດພາກປະຕິບັດ "ນັກພັດທະນາ PHP ຈາກ 0 ເຖິງ PRO".

ແຫຼ່ງຂໍ້ມູນ: www.habr.com