Automatisierte Computer Vision

Geschichte nur für Mitglieder

Herr Zubair

Folgen

DataDrivenInvestor

--

Hören

Aktie

Computer Vision verleiht modernen Technologien eine neue Dimension. Bewusst oder unbewusst nutzen wir Computer Vision. Ich bin Universitätsdozent und leite einen Computer-Vision-Kurs. Normalerweise erfasse ich die Anwesenheit manuell; es kostet Zeit und Energie. Vor zwei Tagen kam mir die Idee, ein System zu automatisieren, um Energie und Zeit zu sparen. Und ich habe das Projekt erfolgreich abgeschlossen.

Wenn Sie den Artikel bis zum Ende lesen, können Sie Ihren eigenen Artikel erstellen. Es sind keine komplexen oder höheren Programmier- oder Mathematikkenntnisse erforderlich. Lass uns weitermachen.

Ich habe versucht, das Projekt einfach und unkompliziert zu halten, damit sich Anfänger bei der Erstellung ihres ersten Projekts wohl fühlen. Lassen Sie uns die erforderlichen Bibliotheken importieren.

Wir haben die Trainingsbildverzeichnisse mit dem obigen Code extrahiert und sie in der Variablen myList gespeichert.

Mit dem obigen Code haben wir die Trainingsbildverzeichnisse extrahiert und in der Variablen myList gespeichert.

Betrachten Sie nun die folgende Codezelle.

Der obige Code hilft uns, zwei verschiedene Listen mit Namen zu erstellen – Bilder und Klassennamen. Wir haben die Intensitätswerte der Bilder in der Bilderliste und den Namen jeder Person in der Klassennamenliste gespeichert.

Zu Demonstrationszwecken habe ich die Namen der Bilder unten angezeigt.

Die Bilder wurden mit Anik.jpg, Ferdous.jpg usw. gespeichert.

[Hinweis: Gemäß dem Code dieses Projekts müssen wir das Bild mit dem Identifikationsnamen oder der ID kennzeichnen]

Bei der Gesichtskodierung handelt es sich um eine Möglichkeit, die Gesichter eines Bildes mit einigen computergemessenen Zahlen darzustellen. Eine ähnliche Gesichtskodierung erzeugt ähnliche Arten kodierter Werte. So ist es einfacher, die Gesichter zu erkennen.

Wir haben die folgende Codezelle verwendet, um die Bilder mit der Gesichtserkennungsbibliothek zu kodieren.

Die Funktion findEncodings gibt alle codierten Werte für die Trainingsbilder zurück.

Im Allgemeinen speichert OpenCV das Bild im BGR-Format und nicht im RGB-Format. Wir müssen es also in RGB konvertieren, um mit den Bildern arbeiten zu können. Und die Funktion face_recognition.face_encodings() extrahiert das Gesicht aus einem Bild und kodiert es.

Wir wollen unser Projekt realistisch gestalten. Deshalb erstellen wir zusätzlich für jeden Tag eine Excel-Tabelle mit den Informationen und Anwesenheitszeiten in tabellarischer Form. Ich habe die folgende Funktion erstellt, um diese Aufgabe zu erledigen.

Wir haben die openpyxl-Bibliothek verwendet, um Daten in den Excel-Tabellen zu erstellen und einzufügen. Zunächst haben wir eine Excel-Datei erstellt, in der wir die Informationen speichern. Für jeden Tag haben wir in der Excel-Datei ein neues Blatt mit dem Datum dieses Tages erstellt. Abschließend haben wir den Namen, das Datum und die Uhrzeit der erkannten Personen in die Excel-Tabelle eingefügt.

Beispielausgabe –

Wir haben die Gesichter über den Live-Kameraeingang erkannt, sodass wir die Echtzeit-Videoüberwachung nutzen können Kameraaufnahmen zur Anwesenheitskontrolle. Wir haben das Bild zur weiteren Überprüfung auch in einem anderen Ordner des erkannten Gesichts gespeichert.

Alle diese Aufgaben befinden sich in einer einzigen Codezelle –

Wir haben für jeden Tag individuelle Ordner erstellt, um die erkannten Bilder mit os.mkdir() zu speichern. Als nächstes haben wir das Video mit der Funktion cv2.VideoCapture(0) aufgenommen. Hier steht 0 für die Standardkamera, und Sie können auch 1, 2 usw. für andere Kameraeingänge verwenden. Wir haben fortlaufende Videobilder mit einer While-Schleife aufgenommen. Danach haben wir die Bildgröße auf 1/4 reduziert, um den Rechenaufwand zu minimieren und das Bild mit dem reduzierten Bild zu kodieren. Wir haben auch den Abstand vom Eingabebild zum trainierten Bild berechnet und schließlich das Eingabebild mit der Beschriftung des trainierten Bildes mit dem kürzesten Abstand versehen.

Wir zeichnen außerdem ein rotes Rechteck des erkannten Gesichts mit dem Namen der erkannten Person. Gleichzeitig haben wir den Namen des erkannten Gesichts als Liste gesammelt und mit der Funktion takeAttendance() in die Excel-Tabelle eingefügt.

Ausgabe des erkannten Gesichts —

Gespeichertes Bild im spezifischen Datumsordner –

Generierte Excel-Tabelle –

Für jedes Datum haben wir eine Excel-Tabelle einer bestimmten Excel-Datei erstellt.

Hauptsächlich habe ich das Projekt für Anfänger erstellt. Also habe ich es einfach gehalten. Das Projekt weist einige Einschränkungen auf.

Das vollständige Projekt finden Sie hier.

Treten Sie dem Medium über den folgenden Link bei, um meine Schriften zu unterstützen.

https://mzh706.medium.com/membership

Weitere Artikel aus meiner Computer VisionSerie -

intodatascience.com

intodatascience.com

intodatascience.com

intodatascience.com

intodatascience.com

Abonnieren Sie DDIntel hier.

Besuchen Sie unsere Website hier: https://www.datadriveninvestor.com

Treten Sie unserem Netzwerk hier bei: https://datadriveninvestor.com/collaborate