رتبه موضوع:
  • 0 رای - 0 میانگین
  • 1
  • 2
  • 3
  • 4
  • 5
الگوریتم تشخیص چهره و چشم
#1
نیاز فوری به کد تشخیص چهره و چشم دارم خواهشمندم کمک کنید.
بغل کردن
پاسخ
سپاس شده توسط
#2
بهتره شما شروع کنید تا دوستان راهنمایی کنند!!
[عکس: matlabOpencv.gif]

« کلاس های آموزش پردازش تصویر با نرم افزار متلب »

جهت کسب اطلاعات بیشتر با شماره تلفن 09130130252 تماس حاصل فرمائید.


«جهت مشاهده سرفصل این دوره کلیک نمایید»
پاسخ
سپاس شده توسط
#3
سلام آقای ابراهیمی
راستش را بخواین استادمون یه پروژه تعریف کرده از قرار زیر :
یه وبکم تصویر یه شخص را بگیره بعدش چهره اش را شناسایی کنه بعد سراغ چشمهاش بره اونو شناسایی کنه بعدش با حرکت شخص(از روی حرکت چشم هاش) دوربین هم حرکت کنه
من نمیدونم چیکار کنم تا اینجای کار وبکم را فعال کرده ام که در هر ثانیه یه فریم میگیره بقیه اش را نمیدونم چیکار کنم لطفا منو راهنمایی کنید.
پاسخ
سپاس شده توسط
#4
سلام
در ابتدای کار باید چهره رو شناسایی کنید(face detection). میتونید از روش ویولا جونز استفاده کنید که پیاده سازی این روش در opencv انجام شده.
در opencv روش هایی پیاده سازی شدند که میتونید با استفاده از هار کسکید(haar cascade) هایی که باز هم opencv پیاده سازی کرده است، برای یافتن چشم ها اقدام کنید.
حالا من منظور شما رو از حرکت دوربین نمیدونم! روی دوربین های با پایه گردان کار می کنید؟
[عکس: matlabOpencv.gif]

« کلاس های آموزش پردازش تصویر با نرم افزار متلب »

جهت کسب اطلاعات بیشتر با شماره تلفن 09130130252 تماس حاصل فرمائید.


«جهت مشاهده سرفصل این دوره کلیک نمایید»
پاسخ
سپاس شده توسط marka
#5
سلام آقای ابراهیمی
خیلی خیلی ممنون از راهنماییتون
استادمون در درس مکاترونیک2 یه پروژه تلفیقی از مکانیک الکترونیک کامپیوتر تعریف کرده که یه دوربین میتونه حرکت افقی و عمودی داشته باشه که بخش نرم افزارش برعهده ما کامپیوترها است من بوسیله کدی که در بخش پردازش انلاین دوربین شما گذاشته بودین با اندک تغییرات جزیی تونستم وبکم را فعال کرده و در هرثانیه یه فریم بگیره حالا بقیه اش شناسایی چهره و چشم است که تا اون هفته باید تحویلش بدم اگه میشه در زمینه متلب راهنمایی بفرمایید/با تشکر
پاسخ
سپاس شده توسط
#6
ببخشید آقای مهندس
میگن متلبهای ورژن جدید(2012) دستور برای شناسایی تصویر و چشم داره میشه در این رابطه و نحوه کار کردن روی فریمهای فیلم اینجانب را راهنمایی کنید
باتشکر و سپاس فراوان
پاسخ
سپاس شده توسط
#7
سلام
تیکه کد زیر برای شناسایی تصویر در متلب 2012(خود متلب این کد را دارد) که ازفایل فیلم استفاده میکنه حالا من هر کار میکنم که بتونم از وبکم که در هر ثانیه یه فریم میگیره استفاده کنم(بصورت آنلاین) نمی تونم خواهش میکنم کمکم کنید.سوال کردن
هر کار کردم کدها رانتونستم بهتر از این وارد کنم معذرت میخواهم.

کد:
%% Face Detection and Tracking
% This example shows how to automatically detect and track a face.

%% Introduction
% Object detection and tracking are important in many computer vision
% applications including activity recognition, automotive safety, and
% surveillance. In this example, you will develop a simple face tracking
% system by dividing the tracking problem into three separate problems:
%
% # Detect a face to track
% # Identify facial features to track
% # Track the face

%% Step 1: Detect a Face To Track
% Before you begin tracking a face, you need to first detect it. Use the
% |vision.CascadeObjectDetector| to detect the location of a face in a
% video frame. The cascade object detector uses the Viola-Jones detection
% algorithm and a trained classification model for detection. By default,
% the detector is configured to detect faces, but it can be configured for
% other object types.

% Create a cascade detector object.
faceDetector = vision.CascadeObjectDetector();

% Read a video frame and run the detector.
videoFileReader = vision.VideoFileReader('visionface.avi');
videoFrame      = step(videoFileReader);
bbox            = step(faceDetector, videoFrame);

% Draw the returned bounding box around the detected face.
videoOut = insertObjectAnnotation(videoFrame,'rectangle',bbox,'Face');
figure, imshow(videoOut), title('Detected face');

%%
% You can use the cascade object detector to track a face across successive
% video frames. However, when the face tilts or the person turns their
% head, you may lose tracking. This limitation is due to the type of
% trained classification model used for detection. To avoid this issue, and
% because performing face detection for every video frame is
% computationally intensive, this example uses a simple facial feature for
% tracking.

%% Step 2: Identify Facial Features To Track
% Once the face is located in the video, the next step is to identify a
% feature that will help you track the face. For example, you can use the
% shape, texture, or color. Choose a feature that is unique to the object
% and remains invariant even when the object moves.
%
% In this example, you use skin tone as the feature to track. The skin tone
% provides a good deal of contrast between the face and the background and
% does not change as the face rotates or moves.

% Get the skin tone information by extracting the Hue from the video frame
% converted to the HSV color space.
[hueChannel,~,~] = rgb2hsv(videoFrame);

% Display the Hue Channel data and draw the bounding box around the face.
figure, imshow(hueChannel), title('Hue channel data');
rectangle('Position',bbox(1,:),'LineWidth',2,'EdgeColor',[1 1 0])

%% Step 3: Track the Face
% With the skin tone selected as the feature to track, you can now use the
% |vision.HistogramBasedTracker| for tracking. The histogram based tracker
% uses the CAMShift algorithm, which provides the capability to track an
% object using a histogram of pixel values. In this example, the Hue
% channel pixels are extracted from the nose region of the detected face.
% These pixels are used to initialize the histogram for the tracker. The
% example tracks the object over successive video frames using this
% histogram.

% Detect the nose within the face region. The nose provides a more accurate
% measure of the skin tone because it does not contain any background
% pixels.
noseDetector = vision.CascadeObjectDetector('Nose');
faceImage    = imcrop(videoFrame,bbox(1,:));
noseBBox     = step(noseDetector,faceImage);

% The nose bounding box is defined relative to the cropped face image.
% Adjust the nose bounding box so that it is relative to the original video
% frame.
noseBBox(1,1:2) = noseBBox(1,1:2) + bbox(1,1:2);

% Create a tracker object.
tracker = vision.HistogramBasedTracker;

% Initialize the tracker histogram using the Hue channel pixels from the
% nose.
initializeObject(tracker, hueChannel, noseBBox(1,:));

% Create a video player object for displaying video frames.
videoInfo    = info(videoFileReader);
videoPlayer  = vision.VideoPlayer('Position',[300 300 videoInfo.VideoSize+30]);

% Track the face over successive video frames until the video is finished.
while ~isDone(videoFileReader)
    
    % Extract the next video frame
    videoFrame = step(videoFileReader);
    
    % RGB -> HSV
    [hueChannel,~,~] = rgb2hsv(videoFrame);
    
    % Track using the Hue channel data
    bbox = step(tracker, hueChannel);
    
    % Insert a bounding box around the object being tracked
    videoOut = insertObjectAnnotation(videoFrame,'rectangle',bbox,'Face');    
    
    % Display the annotated video frame using the video player object
    step(videoPlayer, videoOut);
    
end

% Release resources
release(videoFileReader);
release(videoPlayer);

%% Summary
% In this example, you created a simple face tracking system that
% automatically detects and tracks a single face. Try changing the input
% video and see if you are able to track a face. If you notice poor
% tracking results, check the Hue channel data to see if there is enough
% contrast between the face region and the background.

%% Reference
% [1] G.R. Bradski "Real Time Face and Object Tracking as a Component of a
% Perceptual User Interface", Proceedings of the 4th IEEE Workshop on
% Applications of Computer Vision, 1998.
%
% [2] Viola, Paul A. and Jones, Michael J. "Rapid Object Detection using a
% Boosted Cascade of Simple Features", IEEE CVPR, 2001.

displayEndOfDemoMessage(mfilename)
پاسخ
سپاس شده توسط
#8
سلام
اگرچه که هیچکس جواب نمیدهد ولی به هرحال من موفق به شناسایی صورت و ردیابی آن شدم و در ادامه چشم را شناسایی کردم اما نمیتونم ردیابی اش کنم لطفا یکی منو راهنمایی بکنه
ممنون
پاسخ
سپاس شده توسط
#9
ُسلام
در اینترنت به دنبال مباحث ترکینگ(tracking) بگردید.
سورسها و نمونه های خوبی پیدا میکنید
[عکس: matlabOpencv.gif]

« کلاس های آموزش پردازش تصویر با نرم افزار متلب »

جهت کسب اطلاعات بیشتر با شماره تلفن 09130130252 تماس حاصل فرمائید.


«جهت مشاهده سرفصل این دوره کلیک نمایید»
پاسخ
سپاس شده توسط marka
#10
سلام
بالاخره موفق شدم مرحله ردیابی چشم را هم انجام بدهم.
کدهای موجود در اینترنت قسمت اصلی را نذاشته بودند به هر حال آقای مهندس اگه امکانش وجود داره در مورد قسمت دوم که دوربین(قابلیت حرکت افقی عمودی دارد) حرکت چشم شخص را دنبال کند اینجانب را راهنمایی کنید.
پاسخ
سپاس شده توسط


موضوعات مشابه ...
موضوع نویسنده پاسخ بازدید آخرین ارسال
  تشخیص امضای دستی با استفاده از پردازش تصویر sa akbari 0 1,013 01-06-2018, 08:42 PM
آخرین ارسال: sa akbari
  پردازش تصویر با استفاده از الگوریتم k-means deniz 2 7,387 07-16-2014, 05:32 AM
آخرین ارسال: m_parsa11
  طراحی الگوریتم های جدید برای شناسایی تصاویر دو بار فشرده شده ؟ (double jpeg compreess ehsan_nowrooz 1 3,819 04-13-2014, 09:28 PM
آخرین ارسال: ehsan_nowrooz
  الگوریتم flood fill مهدی ابراهیمی 1 3,873 11-26-2013, 06:48 PM
آخرین ارسال: مهدی ابراهیمی
  الگوریتم asift در زمینه تشخیص اشیا در تصویر yusefnejad 7 12,794 04-26-2012, 06:18 PM
آخرین ارسال: مهدی ابراهیمی
  تشخیص مرد و یا زن بودن افراد از روی تصویر آنها vangelis 5 9,017 04-10-2012, 07:59 PM
آخرین ارسال: مهدی ابراهیمی
  منابع و مقالاتی پیرامون تشخیص الگو (Pattern Recognition) مهدی ابراهیمی 1 6,005 11-16-2011, 03:37 PM
آخرین ارسال: مهدی ابراهیمی
  الگوریتم ژنتیک در پردازش تصویر vahid2626 1 6,752 01-01-2011, 04:54 PM
آخرین ارسال: مهدی ابراهیمی

پرش به انجمن:


کاربران در حال بازدید این موضوع: 1 مهمان