Tải bản đầy đủ - 0 (trang)
Phát hiện vật thể qua Camera máy tính:

Phát hiện vật thể qua Camera máy tính:

Tải bản đầy đủ - 0trang

II.



Phương pháp thiết kế, cài đặt:



1 Phương pháp thiết kế:

Trong quy trình xử lý và đưa ra kết quả của việc nhận diện vật thể cần có nhiều bước,

nhưng các bước cơ bản có thể giới thiệu như sau:

1. Đầu tiên, ta đưa 1 hình ảnh vào máy tính như là 1 input.

2. Tiếp theo, là bước tiền xử lý ảnh (preprocessing) bao gồm các bước căn chỉnh ảnh

(image alignment) và chuẩn hóa ánh sáng (illumination normalization).



3. Sau đó, ảnh sẽ được chia cắt thành nhiều vùng khác nhau để tiện cho việc xử lí.



4. Chúng ta xem như mỗi vùng là một tấm ảnh mới và bắt đầu nhận diện.

5. Chuyển tất cả các vùng ảnh này tới DNN và phân loại chúng thành các lớp khác nhau.

Ở bước này, ta sẽ sử dụng các phương pháp trích chọn đặc điểm (feature extraction) để

đưa ra các thông tin đặc trưng cho từng đối tượng.

6. Kết quả là mỗi vùng ảnh sẽ được biểu diễn dưới dạng một vector đặc điểm (feature

vector), bước tiếp theo là bước nhận dạng (recognition) và phân lớp (classification), tức

6



là xác định đó là đối tượng nào.

7. Khi chúng ta đã chia từng khu vực thành lớp tương ứng của nó, chúng ta có thể kết hợp

tất cả các vùng này để có được hình ảnh gốc với các đối tượng khoanh vùng được phát

hiện.



4. Cài đặt:

a. Các bước tiền xử lý ảnh:

+ Image Gradients: Chuyển đổi hình ảnh sang các mảng màu sáng tối. Chúng ta sẽ

sử dụng các hàm: hàm sau: cv2.Laplacian(),…

+ Changing Colorspaces: Chuyển đổi hình ảnh từ một khơng gian màu hiện tại

sang một không gian màu khác, như BGR, HSV,.… Chúng ta sẽ sử dụng các hàm

sau: cv2.dnn.blobFromImage(),.…

+ Geometric Transformations of Images: Chuyển đổi hình học khác nhau cho các

hình ảnh như dịch, xoay, điều chỉnh kích thước. Chúng ta sẽ sử dụng các hàm:

cv.resize()…

b. Các bước trích chọn đặc điểm:



+ Feature Extraction: Trích chọn các đặc điểm của vật thể. Chúng ta sẽ sử dụng

các hàm: cv2.HaarFeature

+ Feature Detection: Phát hiện các đặc trưng của vật thể qua xác định các góc.

Chúng ta sẽ sử dụng các hàm: cv2. cornerSubPix()

+ Feature Classification: Phân nhóm các đối tượng theo những đặc trưng đã xác

định. Chúng ta sẽ sử dụng hàm: cv2.HaarClassification()

c. Các bước tổng hợp và đưa ra kết quả:



cv2.rectangle(): Vẽ hình chữ nhật bao quanh các đối tượng đã xác định.

7



cv2.putText(): Đặt tên cho đối tượng

cv2.imshow(): Gom lại và thể hiện khung kết quả cuối cùng



8



III.



Tài liệu tham khảo:



[1] Kỹ năng phát hiện vật thể (người) bằng phương pháp trích đặc trưng ảnh HOG và phân



lớp sử dụng SVM (Support Vector Machine) (2018). Retrieved from:

https://www.scribd.com/document/110904375/K%E1%BB%B9-n%C4%83ng-phat-hi

%E1%BB%87n-v%E1%BA%ADt-th%E1%BB%83-ng%C6%B0%E1%BB%9Di-b

%E1%BA%B1ng-ph%C6%B0%C6%A1ng-phap-trich-%C4%91%E1%BA%B7c-tr

%C6%B0ng-%E1%BA%A3nh-HOG-va-phan-l%E1%BB%9Bp-s%E1%BB%AD-d

%E1%BB%A5ng-SVM-Support-Vector-Machine

[2] OpenCV library (2018). Retrieved from:

https://opencv.org/

9



[3] Ứng dụng Convolutional Neural Network trong bài toán phân loại ảnh – Viblo (2018).



Retrieved from:

https://viblo.asia/p/ung-dung-convolutional-neural-network-trong-bai-toan-phan-loaianh-4dbZNg8ylYM?

fbclid=IwAR0FwSR0E5txUmraYr9PEhXElNkJfhW3DWkqAGUM3lWcCwNWZ7JkO

PN2yio

[4] Tìm hiểu regression trong object detection (2018). Retrieved from:

https://thorpham.github.io/blog/2018/04/18/regression/



[5] Lý thuyết Cơ Bản về Machine Learning – Máy học (2018). Retrieved from:

http://www.jackyle.xyz/2018/03/ly-thuyet-co-ban-ve-machine-learning.html

[6] Joseph Redmon: Máy tính nhận diện vật thể ngay lập tức như thế nào? (2018). Retrieved

from:

https://vi.tiny.ted.com/talks/joseph_redmon_how_a_computer_learns_to_recognize

_objects_instantly

[7] Object detection (2018). Retrieved from:

https://en.wikipedia.org/wiki/Object_detection#Concept

[8] Deep learning: Nhận diện vật thể qua ảnh chụp (2018). Retrieved from:

http://rstudio-pubsstatic.s3.amazonaws.com/401351_2934f5d42b89445aa5843112041f560d.html

[9] Xử lý ảnh bằng Python và OpenCV: Mở đầu - Blog kỹ thuật máy tính (2018). Retrieved

from:

http://ktmt.github.io/blog/2014/09/23/xu-ly-anh-bang-python-va-opencv-mo-dau/

[10]

Introduction to OpenCV-Python Tutorials — OpenCV-Python Tutorials 1

documentation (2018). Retrieved from:

https://opencv-pythontutroals.readthedocs.io/en/latest/py_tutorials/py_setup/py_intro/py_intro.html

[11]

Sự khác nhau giữa AI, Machine learning và deep learning | Tech Talk (2018).

Retrieved from:

https://techtalk.vn/su-khac-nhau-giua-tri-tue-nhan-tao-may-hoc-va-deeplearning.html

[12]

Deep learning based Object Detection and Instance Segmentation using Mask RCNN in OpenCV (Python / C++) | Learn OpenCV (2018). Retrieved from:

https://www.learnopencv.com/deep-learning-based-object-detection-and-instancesegmentation-using-mask-r-cnn-in-opencv-python-c/

[13]

Deep Learning with OpenCV – PyImageSearch (2018). Retrieved from:

https://www.pyimagesearch.com/2017/08/21/deep-learning-with-opencv/

10



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Phát hiện vật thể qua Camera máy tính:

Tải bản đầy đủ ngay(0 tr)

×