سلام به همه شما دوستان عزیز
در ادامه با ویژگی‌های پروژه جدیدی آشنا خواهید شد که نمونه‌ای دیگر از جذابیت‌های حوزه پردازش تصویر و هوش مصنوعی را به تصویر می‌کشد. این پروژه قادر است که حالت و ژست بدن انسان را تشخیص داده و موقعیت قرارگیری ۸ قسمت از اعضای بدن را شناسایی کند. این اعضا شامل سر، گردن، کتف، مچ، قفسه سینه، ران و قوزک پا می‌باشد.
سپس بعد از تشخیص موقعیت اعضای بدن، آن‌ها را با یک خط به یکدیگر متصل می‌کند و نام هر عضو را به زبان فارسی بالای آن نمایش می‌دهد. در این پروژه از “ماژول فارسی نویسی (putTextFarsiBasic) روی تصاویر” استفاده شده است.
ویدیوی پیش نمایش از خروجی این پروژه:
در این پروژه یک مدل آموزش دیده در اختیار شما قرار داده می‌شود که بر اساس هزاران تصویر از بدن انسان آموزش داده شده است. این پروژه در ۳ نوع مختلف ۱- اجرا روی تصاویر(Image)، ۲- اجرا روی ویدیو یا وبکم (WebcamVideo) و ۳- اجرا روی تصویر و روی ویدیو (یا وبکم) آماده شده است که شما می‌توانید بسته به نیاز خود یک نوع را انتخاب کنید.
در نوع اول شما فقط قادر خواهید بود که این پروژه را روی تصاویر پیاده سازی کنید. تصویری از یک شخص را به برنامه می‌دهید و برنامه برای شما موقعیت اعضای بدن را تشخیص می‌دهد و با زبان فارسی روی تصویر نمایش می‌دهد.
در نوع دوم شما فقط می‌توانید از این پروژه برای تست روی ویدیو (یا وبکم) استفاده کنید. یک ویدیو از یک شخص را به برنامه می‌دهید و بعد از اجرا موقعیت اعضای بدن را به زبان فارسی برای شما نشان می‌دهد.
در نوع سوم نیز شما می‌توانید هم روی تصاویر و هم روی ویدیو (یا وبکم) این پروژه را اجرا کنید. در واقع نوع سوم، به صورت ویژه شامل ۲ نوع قبلی نیز می‌باشد.
ویژگی‌ها:
- – تشخیص موقعیت ۸ عضو بدن به زبان فارسی
- – به همراه ماژول فارسی نویسی روی تصاویر (putTextFarsiBasic) به صورت رایگان
- – قابلیت اجرا روی تصاویر، ویدیو و تصاویر زنده از وبکم
- – تنها استفاده از کتابخانه قدرتمند OpenCV به دلیل سرعت و راحتی بیشتر
- – قابلیت تعمیم و پیاده‌سازی روی رزبری پای و قابلیت صنعتی سازی
- – قابل تعمیم و استفاده در حوزه‌های پزشکی، ورزشی، امنیتی و …
- – مناسب برای پروژه‌های درسی، آزمایشگاهی، علمی-پژوهشی
نکته‌ها:
- – مراحل نصب ماژول‌های مورد نیاز در فایل pdf توضیح داده شده است.
- – همچنین ماژول‌های مورد نیاز برای نصب آفلاین، به صورت جداگانه هم در فایل دریافتی وجود دارد و نحوه نصب آفلاین ماژول‌ها نیز گفته شده است.
- – سرعت پردازش ویدیو به قدرت پردازش سیستم شما بستگی دارد، اما در مجموع می‌توان گفت سرعت تشخیص سریع می‌باشد.
- – بدیهی است که ویدیوی خروجی، به صورت بدون صدا می‌باشد و در صورت نیاز باید صدا را جداگانه به ویدیو متصل کنید. جهت اطلاع دوستان عزیزی که تازه‌کار هستند.
در این پروژه از زبان پایتون و کتابخانه OpenCV استفاده شده است، که به دلیل سادگی زبان پایتون به تمام علاقه‌مندان توصیه می‌شود.
امیدواریم از دریافت این پروژه لذت ببرید.
لطفا یک مورد را انتخاب کنید.
مدیر وبسایت هستم و علاقه مند به یادگیری!
پایگاه تخصصی پیشرفت محل انتشار مطالب، آموزش ها و محصولات در زمینه های برنامه نویسی، گرافیک، هوش مصنوعی، پردازش تصویر و... است.
امیدواریم لحظات خوبی رو در پایگاه تخصصی پیشرفت بگذرونید.
یاعلی
دیدگاه ها