Golang र OpenCV मा आधारित अनुहार पहिचान प्रणाली निर्माण गर्दै

OpenCV कम्प्युटर दृष्टि परियोजनाहरूको लागि डिजाइन गरिएको पुस्तकालय हो। उनी पहिले नै करिब २० वर्षकी भइन्। मैले यसलाई कलेजमा प्रयोग गरें र अझै पनि यसलाई मेरो C++ र पाइथन परियोजनाहरूको लागि प्रयोग गर्दछु किनभने यसमा ती भाषाहरूको लागि राम्रो समर्थन छ।

तर जब मैले सिक्न र Go प्रयोग गर्न थालें, मलाई यो भाषासँग काम गर्न OpenCV प्रयोग गर्न सकिन्छ कि भनेर चासो भयो। त्यस समयमा, त्यहाँ पहिले नै उदाहरणहरू र एकीकरणमा ट्यूटोरियलहरू थिए, तर यो मलाई लाग्थ्यो कि तिनीहरू धेरै जटिल थिए। केहि समय पछि, मैले हाइब्रिड समूह टोली द्वारा बनाईएको र्यापर भेटें। यस लेखमा, म तपाइँलाई हार क्यास्केडको साथ सरल अनुहार पहिचान प्रणाली विकास गरेर GoCV सँग कसरी सुरु गर्ने भनेर देखाउनेछु।

Skillbox सिफारिस गर्दछ: व्यावहारिक पाठ्यक्रम "स्क्र्याचबाट पाइथन विकासकर्ता".

हामी सम्झाउँछौं: सबै Habr पाठकहरूका लागि - Habr प्रोमो कोड प्रयोग गरी कुनै पनि Skillbox पाठ्यक्रममा भर्ना गर्दा १०,००० रूबल छुट।

के आवश्यक छ:

• जानुहोस्;
• OpenCV (तल स्थापनाकर्ता लिङ्कहरू);
• वेब वा नियमित भिडियो क्यामेरा।

सेटिङ

• लिनक्स: gocv.io/getting-started/linux
• म्याकोस: gocv.io/getting-started/macos
• विन्डोज: gocv.io/getting-started/windows

उदाहरणका 1

पहिलो उदाहरणमा, हामी एउटा अनुप्रयोग सिर्जना गर्ने प्रयास गर्नेछौं जसले क्यामेरा भिडियो स्ट्रिम देखाउने विन्डो खोल्छ।

पहिले तपाईंले कामको लागि आवश्यक पुस्तकालयहरू आयात गर्न आवश्यक छ।

आयात (
"लग"
"gocv.io/x/gocv"
)

यस पछि, तपाईंले VideoCaptureDevice प्रकार्य प्रयोग गरेर भिडियो क्याप्चर वस्तु सिर्जना गर्न आवश्यक छ। पछिल्लोले क्यामेरा प्रयोग गरेर भिडियो स्ट्रिम खिच्न सम्भव बनाउँछ। प्रकार्यले प्यारामिटरको रूपमा पूर्णांक प्रयोग गर्दछ (यसले यन्त्र ID प्रतिनिधित्व गर्दछ)।

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

अब हामीले n-आयामी म्याट्रिक्स बनाउनु पर्छ। यसले क्यामेराबाट पढेका तस्बिरहरू भण्डार गर्नेछ।

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

भिडियो स्ट्रिम प्रदर्शन गर्न, तपाईंले एउटा सञ्झ्याल सिर्जना गर्न आवश्यक छ - यो NewWindow प्रकार्य प्रयोग गरेर गर्न सकिन्छ।

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

अब सबैभन्दा रोचक भागमा जाऔं।

भिडियो छवि फ्रेमहरूको निरन्तर स्ट्रिम भएकोले, हामीले क्यामेराको भिडियो स्ट्रिमलाई अनन्त रूपमा पढ्नको लागि अनन्त लूप सिर्जना गर्न आवश्यक हुनेछ। यो गर्नको लागि, तपाइँलाई भिडियो क्याप्चर प्रकारको पढ्ने विधि चाहिन्छ। यसले म्याट प्रकार (हामीले माथि सिर्जना गरेको म्याट्रिक्स) को अपेक्षा गर्नेछ, भिडियो क्याप्चरबाट फ्रेम सफलतापूर्वक पढिएको छ वा छैन भनेर संकेत गर्ने बुलियन मान फर्काउँछ।

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

अब तपाईंले सिर्जना गरिएको सञ्झ्यालमा फ्रेम प्रदर्शन गर्न आवश्यक छ। अर्को फ्रेममा सार्नको लागि पज 50 ms हो।

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

एप्लिकेसन सुरु गरेपछि, क्यामेराबाट भिडियो स्ट्रिम भएको विन्डो खुल्नेछ।

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)
}
}

उदाहरणका 2

यस उदाहरणमा, अघिल्लो उदाहरण प्रयोग गरौं र Haar Cascades मा आधारित अनुहार पहिचान प्रणाली निर्माण गरौं।

हार क्यास्केडहरू क्यास्केड वर्गीकरणकर्ताहरू हुन् जुन हार वेभलेट प्रविधि प्रयोग गरेर प्रशिक्षित हुन्छन्। तिनीहरूले निश्चित सुविधाहरू पत्ता लगाउन छविमा पिक्सेलहरू विश्लेषण गर्छन्। हार क्यास्केडको बारेमा थप जान्नको लागि, कृपया तलको लिङ्कहरू पछ्याउनुहोस्।

Viola-Jones वस्तु पत्ता लगाउने फ्रेमवर्क
क्यास्केडिङ क्लासिफायरहरू
हार जस्तो सुविधा

पहिले नै प्रशिक्षित क्यास्केडहरू डाउनलोड गर्नुहोस् यहाँ हुन सक्छ। हालको उदाहरणमा, क्यास्केडहरू अगाडिबाट व्यक्तिको अनुहार पहिचान गर्न प्रयोग गरिनेछ।

यो गर्नको लागि, तपाईंले एक वर्गीकरणकर्ता सिर्जना गर्न आवश्यक छ र यसलाई पहिले नै प्रशिक्षित फाइल फिड गर्न आवश्यक छ (लिङ्क माथि दिइएको छ)। मैले पहिले नै हाम्रो कार्यक्रम रहेको डाइरेक्टरीमा pencv_haarcascade_frontalface_default.xml फाइल अपलोड गरिसकेको छु।

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

छविमा अनुहारहरू पत्ता लगाउन, तपाईंले विधि प्रयोग गर्न आवश्यक छ बहु स्केल पत्ता लगाउनुहोस्। यो प्रकार्यले क्यामेराको भिडियो स्ट्रिमबाट भर्खरै पढिएको फ्रेम (टाइप म्याट) लिन्छ र आयत प्रकारको एरे फर्काउँछ। एरे साइजले अनुहारहरूको संख्यालाई प्रतिनिधित्व गर्दछ जुन वर्गीकरणकर्ताले फ्रेममा पत्ता लगाउन सक्षम थियो। त्यसोभए, हामीले के फेला पार्छौं भनेर सुनिश्चित गर्न, आयतहरूको सूची मार्फत पुनरावृत्ति गरौं र कन्सोलमा आयत वस्तु प्रिन्ट गरौं, पत्ता लगाइएको आयतको वरिपरि सीमाना सिर्जना गर्नुहोस्। यो आयत प्रकार्य प्रयोग गरेर गर्न सकिन्छ। यसले क्यामेराद्वारा पढेको म्याट, डिटेक्ट मल्टिस्केल विधिद्वारा फिर्ता गरिएको आयत वस्तु, सीमाको लागि रंग र मोटाई स्वीकार गर्नेछ।

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)
}
}

र... हो, सबै काम भयो! हामीसँग अब Go मा लेखिएको साधारण अनुहार पहिचान प्रणाली छ। चाँडै म यी प्रयोगहरूलाई जारी राख्ने र Go र OpenCV लाई संयोजन गरेर नयाँ उत्कृष्ट चीजहरू सिर्जना गर्ने योजना गर्छु।

यदि तपाइँ इच्छुक हुनुहुन्छ भने, कृपया मूल्याङ्कन गर्नुहोस् gRPC वेब सर्भर, जुन मैले पाइथन र OpenCV मा लेखेको छु। अनुहार पत्ता लाग्ने बित्तिकै यसले डेटा स्ट्रिम गर्दछ। यो विभिन्न प्रोग्रामिङ भाषाहरूमा विभिन्न ग्राहकहरू सिर्जना गर्ने आधार हो। तिनीहरू सर्भरमा जडान गर्न र त्यसबाट डाटा पढ्न सक्षम हुनेछन्।

लेख पढ्नु भएकोमा धन्यवाद!

Skillbox सिफारिस गर्दछ:

• दुई वर्षे व्यावहारिक पाठ्यक्रम "म एक प्रो वेब विकासकर्ता हुँ".
• शैक्षिक अनलाइन पाठ्यक्रम "पेशे जाभा विकासकर्ता".
• एक वर्षको व्यावहारिक पाठ्यक्रम "0 देखि PRO मा PHP विकासकर्ता".

स्रोत: www.habr.com