تشخیص اشیا در تصاویر با استفاده از ویژگی های هندسی
تشخیص اشیا در تصاویر با استفاده از ویژگی های هندسی: پروژه متلب
در این پروژه با کمک ویژگی های تصویر که همان ویژگی های هندسی اشکال می باشد تعداد و نوع اشکال که همان واشر و پیچ ها مب اشد شناسایی می گردد.
پروژه متلب : یکی از مراحل پیش پردازش تقطیع تصویر می باشد.که تصویر به نواحی جداگانه تقسیم می شود. تقطیع مبتنی بر اسکلت شی، لبه های تصویر، رنگ پیکسل ها، بافت نواحی ، الگوی نواحی و ارتباط پیکسل های همسایگی می باشد. برای شناسایی ،تشخیص و تفسیر هر یک از نواحی متقطع باید ویژگی های از آن استخراج شود. ویژگی که تحت تبدیلات معینی همواره بین گروه داخلی اشیا ثابت و با گروه های خارجی متفاوت باشد. در این مقاله با استفاده از ویژگی ها هندسی اشیا و تبدیلات حاکم بین اشکال به مسئله تشخیص شی پرداخته شده است.
پروژه متلب انسان ها به راحتی می توانند به اطراف خود نگاه کنند و هر چه را می بینند را به سرعت و با دقت تشخیص دهند. امروزه با توجه به داده های بی شماری که وجود دارد و هم چنین افزایش توان پردازشی رایانه ها، تشخیص اشیا امکان پذیر شده و می توان سیستم هایی را ایجاد کرد که قابلیت تشخیص اشیا با دقت خوبی را دارا می باشند.
بینایی ماشین به سیستم ها این امکان را می دهد که همانند انسان دنیای پیرامون خود را ببینند و درک کنند که این کار شامل استخراج، تحلیل و درک خودکار اطلاعات مفید از یک یا چند تصویر است. تشخیص اشیا یکی از اشکال بینایی ماشین است که کاربرد آن هم برای سازمان ها و هم افراد در حال افزایش است. فن آوری تشخیص اشیا، دارای کاربردهایی در صنایع مختلف از پزشکی گرفته تا امنیت و آموزش است.
انسان ها به راحتی می توانند به اطراف خود نگاه کنند و هر چه را می بینند را به سرعت و با دقت تشخیص دهند. امروزه با توجه به داده های بی شماری که وجود دارد و هم چنین افزایش توان پردازشی رایانه ها، تشخیص اشیا امکان پذیر شده و می توان سیستم هایی را ایجاد کرد که قابلیت تشخیص اشیا با دقت خوبی را دارا می باشند.
پروژه متلب بینایی ماشین به سیستم ها این امکان را می دهد که همانند انسان دنیای پیرامون خود را ببینند و درک کنند که این کار شامل استخراج، تحلیل و درک خودکار اطلاعات مفید از یک یا چند تصویر است. تشخیص اشیا یکی از اشکال بینایی ماشین است که کاربرد آن هم برای سازمان ها و هم افراد در حال افزایش است. فن آوری تشخیص اشیا، دارای کاربردهایی در صنایع مختلف از پزشکی گرفته تا امنیت و آموزش است.
شناسایی شی چیست؟
تشخیص اشیا یک تکنولوژی مربوط به بینایی ماشین و پردازش تصویر است که اشیایی مانند خودرو، انسان و ساختمان را از تصاویر و ویدئوهای دیجیتالی استخراج می کند. این تکنولوژی توانایی تشخیص یک یا چند شی را در یک تصویر به طور هم زمان دارد. تشخیص اشیا مدت هاست که وجود دارد ولی در حال حاضر بیشتر مورد توجه قرار گرفته و کابردش در صنایع مختلف در حال افزایش است.
کاربردهای تشخیص اشیا
پروژه متلب تشخیص چهره: یک روش شناسایی چهره به نام DeepFace که از توسط گروهی از محققان فیسبوک ایجاد شده می تواند چهره ی افراد را در تصاویر دیجیتالی به خوبی شناسایی کند. گوگل از سیستم شناسایی چهره ی مخصوص خود استفاده می کند. اجزای مختلفی در تشخیص صورت وجود دارند مانند چشم ها، بینی، دهان و ابروها.
شمارش افراد: تشخیص اشیا می تواند برای شمارش افراد مورد استفاده قرار بگیرد و کاربردش در تحلیل عملکرد فروشگاه ها و یا بررسی آمار جمعیت در جشنواره ها یا مکان های شلوغ ست. این کار وقتی افراد به سرعت حرکت می کنند دشوارتر می شود. شمارش افراد یکی از کاربردهای مهم تشخیص اشیا است و می تواند در هنگام وجود جمعیت برای مراسم های مختلف مفید واقع شود.
بررسی کیفیت در صنایع: در صنایع برای شناسایی محصولات از تشخیص اشیا استفاده می شود. یافتن یک شی خاص یکی از مواردی است که در صنایع انجام می شود. مثلا برای دسته بندی، مدیریت موجودی، مدیریت کیفیت صنایع می توانند از تشخیص اشیا استفاده کنند.
ماشین های خودران: ماشین های خودران از ترکیب چندین تکنیک مانند رادار، نور لیزری، بینایی ماشین و اودومتری برای درک اطراف خود استفاده می کنند. سیستم پروژه متلب های کنترلی پیشرفته اطلاعات سنسور را برای شناسایی مکان ها و مسیرها استفاده می کنند و به محض اینکه سنسور یک جاندار را در مسیر شناسایی کرد، به صورت خودکار، اتومبیل را متوقف می کنند. این کار با سرعت زیادی انجام می شود و گام بزرگی در تولید ماشین های خودران است.
امنیت: تشخیص اشیا نقش مهمی در امنیت دارد. دولت ها می توانند برای امنیت خود از تشخیص اشیا استفاده کنند به این صورت که تصویر افراد را با تصاویر موجود در پایگاه داده ی خود مقایسه کرده و مجرمان را شناسایی کنند.
ردیابی اشیا: یکی از کاربردهای تشخیص اشیا، ردیابی اشیا است و در واقع فرایند یافتن اشیا متحرک در یک ویدئو است. ردیابی توپ در مسابقه ی فوتبال یا ردیابی یک فرد در ویدئو مثال هایی از ردیابی اشیا هستند.
ردیابی اشیا کاربردهای زیادی در بینایی ماشین دارد، نظارت، تعامل انسان و رایانه، تصویربرداری پزشکی، نظارت جریان ترافیک، شناسایی رفتار انسان از جمله کاربردهای ردیابی اشیا هستند.
تشخیص هویت از روی عنبیه چشم: شناسایی عنبیه یکی از دقیق ترین سیستم های شناسایی هویت افراد است. با پیشرفت در حوزه ی سیستم های تشخیص پروژه متلب هویت، ویژگی های بیومتریک انسان مانند عنبیه و شبکیه نیز مورد استفاده قرار گرفته است. در میان گزینه های مختلفی که برای این کار وجود دارد، عنبیه دقیق ترین روش است.
استخراج شی از تصویر یا ویدئو: استخراج شی مشابه روش بخش بندی تصویر است. در بخش بندی تصویر، تصویر بر اساس ویژگی هایی مانند رنگ بخش بندی می شود. در این روش نیز باید تصویر پس زمینه و پیش زمینه از هم جدا شوند.
تشخیص خنده: آنالیز حالت چهره، نقش مهمی در تحلیل احساسات و رفتارهای انسانی دارد. تحلیل حالت چهره کاربرد زیادی از جمله در انتخاب عکس، تحلیل تجربه کاربری و نظارت بیمار دارد.
تشخیص فعالیت: هدف تشخیص فعالیت شناسایی عمل و هدف یک یا چند عامل از طریق مشاهده ی رفتار های عامل و محیط پیرامونش است. این زمینه ی پروژه متلب تحقیقاتی توجه بسیاری را به خود جلب کرده و دارای کاربردهای مختلفی از جمله در تعامل کاربر و رایانه و جامعه شناسی است.
رباتیک: ربات ها باید تصاویر را به صورت بلادرنگ پردازش کنند و به سرعت با تغییرات محیط اطراف منطبق شوند. یک سیستم تشخیص شی قابل اطمینان، برای حصول چنین اهدافی در ربات ها نیاز است.
خروجی متلب :
دیدگاه ها