गोलंग आणि ओपनसीव्हीवर आधारित चेहरा ओळखण्याची प्रणाली तयार करणे

OpenCV ही एक लायब्ररी आहे जी संगणकीय दृष्टी प्रकल्पांसाठी डिझाइन केलेली आहे. ती आधीच सुमारे 20 वर्षांची आहे. मी ते कॉलेजमध्ये वापरले आणि तरीही ते माझ्या C++ आणि Python प्रोजेक्टसाठी वापरते कारण त्या भाषांना चांगला सपोर्ट आहे.

पण जेव्हा मी गो शिकायला आणि वापरायला सुरुवात केली, तेव्हा मला या भाषेसोबत काम करण्यासाठी OpenCV चा वापर करता येईल का याबद्दल रस वाटू लागला. त्या वेळी, एकात्मतेवर आधीपासूनच उदाहरणे आणि ट्यूटोरियल होते, परंतु मला असे वाटले की ते खूप क्लिष्ट आहेत. थोड्या वेळाने, मला हायब्रीड ग्रुप टीमने तयार केलेले रॅपर भेटले. या लेखात, मी तुम्हाला Haar Cascades सह एक साधी चेहरा ओळख प्रणाली विकसित करून GoCV सह प्रारंभ कसा करायचा ते दाखवणार आहे.

स्किलबॉक्स शिफारस करतो: प्रॅक्टिकल कोर्स "पायथन विकसक सुरवातीपासून".

आम्ही आठवण करून देतो: सर्व Habr वाचकांसाठी - Habr प्रोमो कोड वापरून कोणत्याही स्किलबॉक्स कोर्समध्ये नावनोंदणी करताना 10 रूबल सवलत.

काय आवश्यक आहे:

• जा;
• OpenCV (खालील इंस्टॉलर लिंक्स);
• वेब किंवा नियमित व्हिडिओ कॅमेरा.

सेटिंग

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

उदाहरणार्थ 1

पहिल्या उदाहरणात, आम्ही कॅमेरा व्हिडिओ प्रवाह दर्शविणारी विंडो उघडणारा अनुप्रयोग तयार करण्याचा प्रयत्न करू.

प्रथम आपण कामासाठी आवश्यक लायब्ररी आयात करणे आवश्यक आहे.

आयात (
"लॉग"
"gocv.io/x/gocv"
)

यानंतर, तुम्हाला VideoCaptureDevice फंक्शन वापरून VideoCapture ऑब्जेक्ट तयार करणे आवश्यक आहे. नंतरचे कॅमेरा वापरून व्हिडिओ प्रवाह कॅप्चर करणे शक्य करते. फंक्शन पॅरामीटर म्हणून पूर्णांक वापरते (ते डिव्हाइस आयडी दर्शवते).

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

आता आपल्याला एन-डायमेन्शनल मॅट्रिक्स तयार करावे लागेल. ते कॅमेऱ्यातून वाचलेल्या प्रतिमा संग्रहित करेल.

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

व्हिडिओ प्रवाह प्रदर्शित करण्यासाठी, आपल्याला एक विंडो तयार करण्याची आवश्यकता आहे - हे NewWindow फंक्शन वापरून केले जाऊ शकते.

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

आता सर्वात मनोरंजक भागाकडे जाऊया.

व्हिडिओ हा इमेज फ्रेम्सचा एक सतत प्रवाह असल्याने, कॅमेराचा व्हिडिओ प्रवाह अविरतपणे वाचण्यासाठी आम्हाला अनंत लूप तयार करण्याची आवश्यकता असेल. हे करण्यासाठी, तुम्हाला VideoCapture प्रकाराची Read पद्धत आवश्यक आहे. ते मॅट प्रकार (आम्ही वर तयार केलेले मॅट्रिक्स) अपेक्षित आहे, व्हिडिओ कॅप्चरमधील फ्रेम यशस्वीरित्या वाचली गेली आहे की नाही हे दर्शवणारे बुलियन मूल्य परत करेल.

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

आता आपल्याला तयार केलेल्या विंडोमध्ये फ्रेम प्रदर्शित करण्याची आवश्यकता आहे. पुढील फ्रेमवर जाण्यासाठी विराम 50 ms आहे.

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

अॅप्लिकेशन लॉन्च केल्यानंतर, कॅमेरामधून व्हिडिओ प्रवाह असलेली एक विंडो उघडेल.

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)
}
}

उदाहरणार्थ 2

या उदाहरणात, मागील उदाहरण वापरू आणि हार कॅस्केडवर आधारित चेहरा ओळखण्याची प्रणाली तयार करू.

हार कॅस्केड हे कॅस्केड वर्गीकरण करणारे आहेत जे हार वेव्हलेट तंत्राचा वापर करून प्रशिक्षित केले जातात. विशिष्ट वैशिष्ट्ये शोधण्यासाठी ते प्रतिमेतील पिक्सेलचे विश्लेषण करतात. हार कॅस्केड्सबद्दल अधिक जाणून घेण्यासाठी, कृपया खालील लिंक्सचे अनुसरण करा.

व्हायोला-जोन्स ऑब्जेक्ट डिटेक्शन फ्रेमवर्क
कॅस्केडिंग क्लासिफायर्स
हार सारखे वैशिष्ट्य

आधीच प्रशिक्षित कॅस्केड डाउनलोड करा येथे असू शकते. सध्याच्या उदाहरणामध्ये, समोरून एखाद्या व्यक्तीचा चेहरा ओळखण्यासाठी कॅस्केडचा वापर केला जाईल.

हे करण्यासाठी, तुम्हाला क्लासिफायर तयार करणे आवश्यक आहे आणि त्यास आधीच प्रशिक्षित फाइल फीड करणे आवश्यक आहे (वरील लिंक वर दिली आहे). pencv_haarcascade_frontalface_default.xml फाईल आमचा प्रोग्राम जिथे आहे तिथे मी आधीच अपलोड केली आहे.

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

प्रतिमेतील चेहरे शोधण्यासाठी, तुम्हाला पद्धत वापरण्याची आवश्यकता आहे डिटेक्ट मल्टीस्केल. हे फंक्शन कॅमेर्‍याच्या व्हिडिओ स्ट्रीममधून नुकतेच वाचलेली फ्रेम (टाईप मॅट) घेते आणि आयत प्रकाराची अॅरे देते. अ‍ॅरे आकार हे चेहऱ्यांची संख्या दर्शविते जे वर्गीकरणकर्ता फ्रेममध्ये शोधण्यात सक्षम होते. मग, त्यात काय सापडले आहे याची खात्री करण्यासाठी, आयताच्या सूचीमधून पुनरावृत्ती करू आणि कन्सोलवर आयत ऑब्जेक्ट प्रिंट करू, शोधलेल्या आयताभोवती एक सीमा तयार करू. हे आयत फंक्शन वापरून केले जाऊ शकते. ते कॅमेर्‍याने वाचलेली मॅट, डिटेक्टमल्टीस्केल पद्धतीने परत केलेला आयत ऑब्जेक्ट, बॉर्डरसाठी रंग आणि जाडी स्वीकारेल.

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)
}
}

आणि ... होय, सर्वकाही कार्य केले! आमच्याकडे आता Go मध्ये लिहिलेली एक साधी फेशियल रेकग्निशन सिस्टम आहे. लवकरच मी हे प्रयोग सुरू ठेवण्याची आणि Go आणि OpenCV एकत्र करून नवीन छान गोष्टी तयार करण्याची योजना आखत आहे.

तुम्हाला स्वारस्य असल्यास, कृपया रेट करा gRPC वेब सर्व्हर, जे मी Python आणि OpenCV मध्ये लिहिले आहे. चेहरा शोधल्याच्या क्षणी ते डेटा प्रवाहित करते. वेगवेगळ्या प्रोग्रामिंग भाषांमध्ये वेगवेगळे क्लायंट तयार करण्याचा हा आधार आहे. ते सर्व्हरशी कनेक्ट करण्यात आणि त्यातून डेटा वाचण्यास सक्षम असतील.

लेख वाचल्याबद्दल धन्यवाद!

स्किलबॉक्स शिफारस करतो:

• दोन वर्षांचा प्रॅक्टिकल कोर्स "मी प्रो वेब डेव्हलपर आहे".
• शैक्षणिक ऑनलाइन अभ्यासक्रम "प्रोफेशन जावा डेव्हलपर".
• एक वर्षाचा प्रॅक्टिकल कोर्स "PHP विकसक 0 ते PRO".

स्त्रोत: www.habr.com