ਗੋਲੰਗ ਅਤੇ ਓਪਨਸੀਵੀ 'ਤੇ ਅਧਾਰਤ ਚਿਹਰਾ ਪਛਾਣ ਪ੍ਰਣਾਲੀ ਬਣਾਉਣਾ

OpenCV ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ। ਉਹ ਪਹਿਲਾਂ ਹੀ ਲਗਭਗ 20 ਸਾਲਾਂ ਦੀ ਹੈ। ਮੈਂ ਇਸਨੂੰ ਕਾਲਜ ਵਿੱਚ ਵਰਤਿਆ ਅਤੇ ਅਜੇ ਵੀ ਇਸਨੂੰ ਮੇਰੇ C++ ਅਤੇ ਪਾਈਥਨ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਵਰਤਦਾ ਹਾਂ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਉਹਨਾਂ ਭਾਸ਼ਾਵਾਂ ਲਈ ਚੰਗਾ ਸਮਰਥਨ ਹੈ।

ਪਰ ਜਦੋਂ ਮੈਂ ਗੋ ਨੂੰ ਸਿੱਖਣਾ ਅਤੇ ਵਰਤਣਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਤਾਂ ਮੈਨੂੰ ਇਸ ਗੱਲ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੋ ਗਈ ਕਿ ਕੀ OpenCV ਨੂੰ ਇਸ ਭਾਸ਼ਾ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਉਸ ਸਮੇਂ, ਏਕੀਕਰਣ 'ਤੇ ਪਹਿਲਾਂ ਹੀ ਉਦਾਹਰਣਾਂ ਅਤੇ ਟਿਊਟੋਰਿਅਲ ਸਨ, ਪਰ ਇਹ ਮੈਨੂੰ ਜਾਪਦਾ ਸੀ ਕਿ ਉਹ ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਸਨ। ਥੋੜੀ ਦੇਰ ਬਾਅਦ, ਮੈਨੂੰ ਹਾਈਬ੍ਰਿਡ ਗਰੁੱਪ ਟੀਮ ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਇੱਕ ਰੈਪਰ ਮਿਲਿਆ। ਇਸ ਲੇਖ ਵਿੱਚ, ਮੈਂ ਤੁਹਾਨੂੰ ਦਿਖਾਵਾਂਗਾ ਕਿ ਹਾਰ ਕੈਸਕੇਡਜ਼ ਨਾਲ ਇੱਕ ਸਧਾਰਨ ਚਿਹਰਾ ਪਛਾਣ ਪ੍ਰਣਾਲੀ ਵਿਕਸਿਤ ਕਰਕੇ GoCV ਨਾਲ ਕਿਵੇਂ ਸ਼ੁਰੂਆਤ ਕਰਨੀ ਹੈ।

ਸਕਿੱਲਬਾਕਸ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦਾ ਹੈ: ਪ੍ਰੈਕਟੀਕਲ ਕੋਰਸ "ਸਕ੍ਰੈਚ ਤੋਂ ਪਾਈਥਨ ਡਿਵੈਲਪਰ".

ਅਸੀਂ ਯਾਦ ਦਿਵਾਉਂਦੇ ਹਾਂ: "Habr" ਦੇ ਸਾਰੇ ਪਾਠਕਾਂ ਲਈ - "Habr" ਪ੍ਰਚਾਰ ਕੋਡ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਕਿਸੇ ਵੀ ਸਕਿੱਲਬਾਕਸ ਕੋਰਸ ਵਿੱਚ ਦਾਖਲਾ ਲੈਣ ਵੇਲੇ 10 ਰੂਬਲ ਦੀ ਛੋਟ।

ਕੀ ਲੋੜ ਹੈ:

• ਜਾਣਾ;
• OpenCV (ਹੇਠਾਂ ਇੰਸਟਾਲਰ ਲਿੰਕ);
• ਵੈੱਬ ਜਾਂ ਨਿਯਮਤ ਵੀਡੀਓ ਕੈਮਰਾ।

ਸੈਟਿੰਗ

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

ਮਿਸਾਲ 1

ਪਹਿਲੀ ਉਦਾਹਰਣ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਾਂਗੇ ਜੋ ਇੱਕ ਵਿੰਡੋ ਖੋਲ੍ਹਦੀ ਹੈ ਜੋ ਇੱਕ ਕੈਮਰਾ ਵੀਡੀਓ ਸਟ੍ਰੀਮ ਦਿਖਾਉਂਦੀ ਹੈ।

ਪਹਿਲਾਂ ਤੁਹਾਨੂੰ ਕੰਮ ਲਈ ਲੋੜੀਂਦੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਆਯਾਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਆਯਾਤ (
"ਲੌਗ"
"gocv.io/x/gocv"
)

ਇਸ ਤੋਂ ਬਾਅਦ, ਤੁਹਾਨੂੰ VideoCaptureDevice ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ VideoCapture ਆਬਜੈਕਟ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਬਾਅਦ ਵਾਲੇ ਕੈਮਰੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵੀਡੀਓ ਸਟ੍ਰੀਮ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਫੰਕਸ਼ਨ ਪੈਰਾਮੀਟਰ ਵਜੋਂ ਇੱਕ ਪੂਰਨ ਅੰਕ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ (ਇਹ ਡਿਵਾਈਸ ID ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ)।

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

ਹੁਣ ਸਾਨੂੰ ਇੱਕ n-ਅਯਾਮੀ ਮੈਟ੍ਰਿਕਸ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਕੈਮਰੇ ਤੋਂ ਪੜ੍ਹੀਆਂ ਗਈਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਸਟੋਰ ਕਰੇਗਾ।

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

ਇੱਕ ਵੀਡੀਓ ਸਟ੍ਰੀਮ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇੱਕ ਵਿੰਡੋ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ - ਇਹ NewWindow ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

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

ਹੁਣ ਆਓ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਹਿੱਸੇ ਵੱਲ ਵਧੀਏ.

ਕਿਉਂਕਿ ਵੀਡੀਓ ਚਿੱਤਰ ਫਰੇਮਾਂ ਦੀ ਇੱਕ ਨਿਰੰਤਰ ਸਟ੍ਰੀਮ ਹੈ, ਸਾਨੂੰ ਕੈਮਰੇ ਦੀ ਵੀਡੀਓ ਸਟ੍ਰੀਮ ਨੂੰ ਬੇਅੰਤ ਪੜ੍ਹਨ ਲਈ ਇੱਕ ਅਨੰਤ ਲੂਪ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਅਜਿਹਾ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਵੀਡੀਓ ਕੈਪਚਰ ਕਿਸਮ ਦੀ ਰੀਡ ਵਿਧੀ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਇੱਕ ਮੈਟ ਕਿਸਮ (ਜੋ ਅਸੀਂ ਉੱਪਰ ਬਣਾਇਆ ਮੈਟ੍ਰਿਕਸ) ਦੀ ਉਮੀਦ ਕਰੇਗਾ, ਇੱਕ ਬੂਲੀਅਨ ਮੁੱਲ ਵਾਪਸ ਕਰਦਾ ਹੈ ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਵੀਡੀਓ ਕੈਪਚਰ ਤੋਂ ਫਰੇਮ ਸਫਲਤਾਪੂਰਵਕ ਪੜ੍ਹਿਆ ਗਿਆ ਸੀ ਜਾਂ ਨਹੀਂ।

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

ਹੁਣ ਤੁਹਾਨੂੰ ਬਣਾਈ ਵਿੰਡੋ ਵਿੱਚ ਫਰੇਮ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਅਗਲੇ ਫਰੇਮ 'ਤੇ ਜਾਣ ਲਈ ਵਿਰਾਮ 50 ms ਹੈ।

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

ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਲਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਕੈਮਰੇ ਤੋਂ ਵੀਡੀਓ ਸਟ੍ਰੀਮ ਵਾਲੀ ਇੱਕ ਵਿੰਡੋ ਖੁੱਲ੍ਹ ਜਾਵੇਗੀ।

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)
}
}

ਮਿਸਾਲ 2

ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਆਓ ਪਿਛਲੀ ਉਦਾਹਰਨ ਦੀ ਵਰਤੋਂ ਕਰੀਏ ਅਤੇ ਹਾਰ ਕੈਸਕੇਡਜ਼ 'ਤੇ ਆਧਾਰਿਤ ਇੱਕ ਚਿਹਰਾ ਪਛਾਣ ਪ੍ਰਣਾਲੀ ਬਣਾਈਏ।

ਹਾਰ ਕੈਸਕੇਡ ਕੈਸਕੇਡ ਵਰਗੀਕਰਣ ਹਨ ਜੋ ਹਾਰ ਵੇਵਲੇਟ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਹੁੰਦੇ ਹਨ। ਉਹ ਕੁਝ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਪਿਕਸਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ। ਹਾਰ ਕੈਸਕੇਡਜ਼ ਬਾਰੇ ਹੋਰ ਜਾਣਨ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ ਹੇਠਾਂ ਦਿੱਤੇ ਲਿੰਕਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਵਿਓਲਾ-ਜੋਨਸ ਆਬਜੈਕਟ ਖੋਜ ਫਰੇਮਵਰਕ
ਕੈਸਕੇਡਿੰਗ ਵਰਗੀਕਰਣ
ਹਾੜ ਵਰਗੀ ਵਿਸ਼ੇਸ਼ਤਾ

ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕੈਸਕੇਡਾਂ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰੋ ਇੱਥੇ ਹੋ ਸਕਦਾ ਹੈ. ਮੌਜੂਦਾ ਉਦਾਹਰਨ ਵਿੱਚ, ਸਾਹਮਣੇ ਤੋਂ ਕਿਸੇ ਵਿਅਕਤੀ ਦੇ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕੈਸਕੇਡਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਵੇਗੀ।

ਅਜਿਹਾ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇੱਕ ਕਲਾਸੀਫਾਇਰ ਬਣਾਉਣ ਅਤੇ ਇਸ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਫਾਈਲ ਫੀਡ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ (ਲਿੰਕ ਉੱਪਰ ਦਿੱਤਾ ਗਿਆ ਹੈ)। ਮੈਂ ਪਹਿਲਾਂ ਹੀ pencv_haarcascade_frontalface_default.xml ਫਾਈਲ ਨੂੰ ਉਸ ਡਾਇਰੈਕਟਰੀ ਵਿੱਚ ਅੱਪਲੋਡ ਕਰ ਦਿੱਤਾ ਹੈ ਜਿੱਥੇ ਸਾਡਾ ਪ੍ਰੋਗਰਾਮ ਸਥਿਤ ਹੈ।

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

ਇੱਕ ਚਿੱਤਰ ਵਿੱਚ ਚਿਹਰਿਆਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ, ਤੁਹਾਨੂੰ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਮਲਟੀ-ਸਕੇਲ ਦਾ ਪਤਾ ਲਗਾਓ. ਇਹ ਫੰਕਸ਼ਨ ਇੱਕ ਫਰੇਮ (ਟਾਈਪ ਮੈਟ) ਲੈਂਦਾ ਹੈ ਜੋ ਹੁਣੇ ਕੈਮਰੇ ਦੀ ਵੀਡੀਓ ਸਟ੍ਰੀਮ ਤੋਂ ਪੜ੍ਹਿਆ ਗਿਆ ਸੀ ਅਤੇ ਆਇਤ ਕਿਸਮ ਦੀ ਇੱਕ ਐਰੇ ਵਾਪਸ ਕਰਦਾ ਹੈ। ਐਰੇ ਦਾ ਆਕਾਰ ਉਹਨਾਂ ਚਿਹਰਿਆਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਰਗੀਕਰਣ ਫ੍ਰੇਮ ਵਿੱਚ ਖੋਜਣ ਦੇ ਯੋਗ ਸੀ। ਫਿਰ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਅਸੀਂ ਇਹ ਦੇਖਦੇ ਹਾਂ ਕਿ ਇਹ ਕੀ ਮਿਲਿਆ ਹੈ, ਆਓ ਆਇਤਕਾਰ ਦੀ ਸੂਚੀ ਨੂੰ ਦੁਹਰਾਉਂਦੇ ਹਾਂ ਅਤੇ ਆਇਤਕਾਰ ਆਬਜੈਕਟ ਨੂੰ ਕੰਸੋਲ ਤੇ ਪ੍ਰਿੰਟ ਕਰਦੇ ਹਾਂ, ਖੋਜੇ ਗਏ ਆਇਤ ਦੇ ਦੁਆਲੇ ਇੱਕ ਬਾਰਡਰ ਬਣਾਉਂਦੇ ਹਾਂ। ਇਹ ਆਇਤਕਾਰ ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਕੈਮਰੇ ਦੁਆਰਾ ਪੜ੍ਹੀ ਗਈ ਮੈਟ ਨੂੰ ਸਵੀਕਾਰ ਕਰੇਗਾ, ਆਇਤਕਾਰ ਆਬਜੈਕਟ ਜੋ DetectMultiScale ਵਿਧੀ ਦੁਆਰਾ ਵਾਪਸ ਕੀਤਾ ਗਿਆ ਸੀ, ਬਾਰਡਰ ਲਈ ਰੰਗ ਅਤੇ ਮੋਟਾਈ।

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)
}
}

ਅਤੇ... ਹਾਂ, ਸਭ ਕੁਝ ਠੀਕ ਹੋ ਗਿਆ! ਸਾਡੇ ਕੋਲ ਹੁਣ ਗੋ ਵਿੱਚ ਲਿਖਿਆ ਇੱਕ ਸਧਾਰਨ ਚਿਹਰਾ ਪਛਾਣ ਪ੍ਰਣਾਲੀ ਹੈ। ਜਲਦੀ ਹੀ ਮੈਂ ਇਹਨਾਂ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਜਾਰੀ ਰੱਖਣ ਅਤੇ Go ਅਤੇ OpenCV ਨੂੰ ਜੋੜ ਕੇ ਨਵੀਆਂ ਸ਼ਾਨਦਾਰ ਚੀਜ਼ਾਂ ਬਣਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਿਹਾ ਹਾਂ।

ਜੇ ਤੁਸੀਂ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹੋ, ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਰੇਟ ਕਰੋ gRPC ਵੈੱਬ ਸਰਵਰ, ਜੋ ਮੈਂ ਪਾਈਥਨ ਅਤੇ ਓਪਨਸੀਵੀ ਵਿੱਚ ਲਿਖਿਆ ਹੈ। ਚਿਹਰੇ ਦਾ ਪਤਾ ਲੱਗਣ 'ਤੇ ਇਹ ਡੇਟਾ ਨੂੰ ਸਟ੍ਰੀਮ ਕਰਦਾ ਹੈ। ਇਹ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਕਲਾਇੰਟਸ ਬਣਾਉਣ ਦਾ ਆਧਾਰ ਹੈ। ਉਹ ਸਰਵਰ ਨਾਲ ਜੁੜ ਸਕਣਗੇ ਅਤੇ ਇਸ ਤੋਂ ਡਾਟਾ ਪੜ੍ਹ ਸਕਣਗੇ।

ਲੇਖ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਤੁਹਾਡਾ ਧੰਨਵਾਦ!

ਸਕਿੱਲਬਾਕਸ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦਾ ਹੈ:

• ਦੋ ਸਾਲਾ ਪ੍ਰੈਕਟੀਕਲ ਕੋਰਸ "ਮੈਂ ਇੱਕ ਪ੍ਰੋ ਵੈੱਬ ਡਿਵੈਲਪਰ ਹਾਂ".
• ਵਿਦਿਅਕ ਔਨਲਾਈਨ ਕੋਰਸ "ਪ੍ਰੋਫੈਸ਼ਨ ਜਾਵਾ ਡਿਵੈਲਪਰ".
• ਪ੍ਰੈਕਟੀਕਲ ਸਾਲ ਦਾ ਕੋਰਸ "0 ਤੋਂ PRO ਤੱਕ PHP ਡਿਵੈਲਪਰ".

ਸਰੋਤ: www.habr.com