🌮 🧔🏼 🍥 एक स्कूली बच्चे की आंखों के माध्यम से वर्गीकृत करने का कार्य: एक निगरानी कैमरे से फ्रेम द्वारा पार्किंग में कार की उपस्थिति का निर्धारण करना 🧕🏾 ♻️ 👶

हैलो, मैं 11 वीं कक्षा का छात्र हूं, मुझे प्रोग्रामिंग, आईटी विषयों के बारे में दिलचस्पी है।

मैं अपनी परियोजना को साझा करने के लिए यह पोस्ट लिख रहा हूं, जिसने सप्ताहांत में मेरे जीवन के 10 घंटे ले लिए और डेटा विश्लेषण के आधुनिक तरीकों की संभावनाओं को समझने के लिए पूरा किया गया। प्रकाशन को ज्ञान के इस क्षेत्र में अनभिज्ञ लोगों के लिए सफल कार्यान्वयन का एक उदाहरण माना जा सकता है, साथ ही उन लोगों के लिए मेरी गलतियों को इंगित करने का अनुरोध भी किया जाता है जो तदनुसार जानकार हैं।

दिया गया: एक सीसीटीवी कैमरे से वीडियो स्ट्रीम, जिस पर एक विशेष पार्किंग स्थान की छवि के साथ 100x50 पिक्सेल का एक टुकड़ा है, जिस पर केवल एक विशिष्ट कार मौजूद या अनुपस्थित हो सकती है।

कैमरा छवि

एक पार्किंग की जगह की छवि

उद्देश्य: पार्किंग स्थान में कार की उपस्थिति या अनुपस्थिति का निर्धारण करना।

एक कैमरा छवि प्राप्त करना

मैं छवि प्राप्त करने और प्रीप्रोसेस करने के लिए ओपनसीवी लाइब्रेरी का उपयोग करता हूं।
निम्न कोड मैंने न्यूरल नेटवर्क को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटासेट का निर्माण करने के लिए उपयोग किया: मैं प्रति घंटे पार्किंग स्थान की तस्वीर खींचता हूं, और 60 फोटो प्राप्त करने के बाद, मैं मैन्युअल रूप से उन्हें मशीन के साथ और बिना फोटो में विभाजित करता हूं।

dataminer.py

import cv2 as cv import numpy as np import time cap = cv.VideoCapture() r = 0 while r <=100: cap.open('http://**.**.***.***:***/*****CG?container=mjpeg&stream=main') #URL-  hasFrame, frame = cap.read()#    frame = frame[100:200, 300:750] box = [0,335,100,385] quantframe = frame[box[0]:box[2], box[1]:box[3]]#         r+=1 cv.imwrite(str(r)+'.png',quantframe) #     print('saved') cap.release() time.sleep(3600) key = cv.waitKey(1) if key & 0xFF == ord('q'): cv.destroyAllWindows() break

छवि प्रसंस्करण

मुझे लगा कि तंत्रिका नेटवर्क को स्रोत चित्रों पर नहीं, बल्कि cv2.findcontours (...) फ़ंक्शन का उपयोग करके कार के आकृति के साथ छवियों पर प्रशिक्षित करना सही निर्णय था।

यहाँ वह कोड है जो मूल छवि को एक रूपरेखा छवि में परिवर्तित करता है:

आकृति खोजना

 def contoursfinder(image): img = image.copy() srcimg = img.copy() hsv_min = np.array((0, 0, 0), np.uint8) hsv_max = np.array((255, 255, 60), np.uint8) #         ,   ,      hsv = cv.cvtColor( img, cv.COLOR_BGR2HSV ) thresh = cv.inRange( hsv, hsv_min, hsv_max ) contours, _ = cv.findContours(thresh, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) img = np.zeros((100,50,3), np.uint8) cv.drawContours(img, contours, -1, (255,255,255), 1, cv.LINE_AA) return cv.cvtColor(img, cv.COLOR_BGR2GRAY)

समारोह का परिणाम:

छिपा हुआ पाठ

तंत्रिका नेटवर्क

मैंने टेंसरफ़्लो लाइब्रेरी (केरस) का इस्तेमाल किया।

नेटवर्क आर्किटेक्चर को इंटरनेट से उदाहरण से कॉपी किया गया है: मेरे लिए, एक स्पष्टीकरण स्पष्ट नहीं है कि ऐसा क्यों है। यदि जानकार लोग यह बताते या बताते हैं कि कहां पढ़ना है तो यह वास्तुकला प्रभावी क्यों है या कुछ अन्य क्यों अधिक प्रभावी होंगे, मैं बहुत आभारी रहूंगा।
तंत्रिका नेटवर्क मॉडल: अनुक्रमिक, में 256 और 128 न्यूरॉन्स और इनपुट, आउटपुट परतों के दो घने छिपे हुए परत होते हैं।

कोड

 model = keras.Sequential([ keras.layers.Flatten(input_shape=(100, 50)), keras.layers.Dense(256, activation=tf.nn.relu), keras.layers.Dense(128, activation=tf.nn.relu), keras.layers.Dense(2, activation=tf.nn.softmax) ]) model.compile(optimizer=tf.train.AdamOptimizer(), loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(trainingimagesarr, trainingimagesarrlabel, epochs=1, callbacks=[tbCallBack])

प्रशिक्षण से पहले, तंत्रिका नेटवर्क के इनपुट को 0 से 1 तक की सीमा में संख्या देने के लिए पूरे खसरा मैट्रिक्स को 255 से विभाजित किया गया था।

 trainingimagesarr = trainingimagesarr / 255.0 trainingimagesarrlabel = np.array(trainingimagesarrlabel)-1

अब मैं फ़ंक्शन को कॉल कर सकता हूं:

 def realtest(): cap = cv.VideoCapture() cap.open('http://**.**.***.***:***/*****CG?container=mjpeg&stream=main') hasFrame, frame = cap.read() frame = frame[100:200, 300:750] quantframe = frame[0:100,275:325] quantframe = contoursfinder(quantframe) return model.predict(np.array([quantframe]))[0][1]>0.60

पार्किंग में कार की उपस्थिति पर डेटा प्राप्त करें।

ज्यादा मत मारो, लेकिन थोड़ा सा :-)

धन्यवाद!

एक कैमरा छवि प्राप्त करना

छवि प्रसंस्करण

तंत्रिका नेटवर्क

More articles: