नस स्कैनर पर हथेली की उपस्थिति का निर्धारण करने का कार्य

किसी तरह मैं एक परीक्षण कार्य के हाथों में गिर गया। शैक्षणिक रुचि प्रबल हुई और मैंने इस कार्य को करने का निर्णय लिया। मेरा समाधान इष्टतम और सही होने का दावा नहीं करता है। मैं इसे हल करने के लिए उत्सुक था।

स्रोत डेटा

कार्य का सार एक प्रोग्राम लिखना है जो यह निर्धारित करता है कि क्या हथेली की नस स्कैनर से छवियों की छवि द्वारा हथेली स्कैनर से जुड़ी हुई है।

प्रारंभिक डेटा - एक ज्ञात परिणाम के साथ कई छवियां।

परिणाम

सूची से छवियों का चयन करने की क्षमता के साथ एक ग्राफिकल इंटरफ़ेस वाला कार्यक्रम। चयन के बाद, छवि का विश्लेषण किया जाता है और विश्लेषण के बाद, परिणाम शिलालेख गुड या बैड के रूप में प्रदर्शित किया जाता है।

एल्गोरिथ्म

छवि विश्लेषण एल्गोरिथ्म काफी सरल है। शुरू करने के लिए, मैंने निम्नलिखित इंटरफ़ेस के साथ ImageAnalyser वर्ग बनाया

class ImageAnalyser { public: ImageAnalyser(); explicit ImageAnalyser(const QImage&); bool analyze(const QImage&); bool analyze(); std::vector<std::vector<int>> data(); virtual ~ImageAnalyser(); }; 

इस कक्षा के अंदर, मैंने प्रत्येक प्रकाश स्रोत के लिए छवि को सशर्त रूप से 4 भागों में विभाजित करने का निर्णय लिया। और प्रत्येक छवि के लिए, एक्स और वाई कुल्हाड़ियों के सापेक्ष औसत चमक की गणना करें। यह नीचे दी गई छवि में स्पष्ट रूप से प्रदर्शित किया गया है।

नतीजतन, हमें औसत चमक स्तर के साथ आठ ग्राफ़ मिलते हैं।

अगला, आपको इन ग्राफ़ों का विश्लेषण करने की आवश्यकता है। मैंने कुछ "पूर्ण" ग्राफ के साथ परिणामी रेखांकन की तुलना करके सहसंबंध समारोह का उपयोग करने का निर्णय लिया। इस मामले में आदर्श ग्राफ सिर्फ एक आयत है, जो मुझे निम्नलिखित तरीके से मिलता है:

 std::vector<int> ImageAnalyser::prepare_ideal_array(const std::vector<int>& array) { unsigned long min = static_cast<unsigned long>(array.size() * 0); unsigned long max = static_cast<unsigned long>(array.size() * 0.45); int ideal_value = 100; std::vector<int> ideal; ideal.resize(array.size()); for(unsigned long i = min; i < max; ++i) { ideal[i] = ideal_value; } return ideal; } 

ग्राफ की तुलना करने के लिए और, तदनुसार, सहसंबंध मूल्य प्राप्त करें, मैंने gsl_stats_correlation फ़ंक्शन का उपयोग किया था, जिसके कार्यान्वयन को मैं ईमानदारी से जीएनयू वैज्ञानिक पुस्तकालय से चुराता था ।

 double ImageAnalyser::gsl_stats_correlation(const std::vector<int>& data) { std::vector<int> ideal = prepare_ideal_array(data); const int stride1 = 1; const int stride2 = 1; double sum_xsq = 0.0; double sum_ysq = 0.0; double sum_cross = 0.0; double mean_x = data[0]; double mean_y = ideal[0]; for (unsigned int i = 1; i < data.size(); ++i) { double ratio = i / (i + 1.0); double delta_x = data[i * stride1] - mean_x; double delta_y = ideal[i * stride2] - mean_y; sum_xsq += delta_x * delta_x * ratio; sum_ysq += delta_y * delta_y * ratio; sum_cross += delta_x * delta_y * ratio; mean_x += delta_x / (i + 1.0); mean_y += delta_y / (i + 1.0); } double r = sum_cross / (sqrt(sum_xsq) * sqrt(sum_ysq)); return r; } 

अगला, आपको केवल सहसंबंध मूल्यों का विश्लेषण करने की आवश्यकता है। मैंने फैसला किया कि यदि कम से कम एक सहसंबंध मूल्य 0.5 से कम है, तो हथेली सेंसर से जुड़ी नहीं है या खराब तरीके से जुड़ी हुई है।

 bool ImageAnalyser::is_good(const vector<double>& correlation, const vector<int>& maximums) { bool result = true; double min_corr = *std::min_element(correlation.begin(), correlation.end()); if (min_corr < 0.5) { result = false; } double min_val = *std::min_element(maximums.begin(), maximums.end()); if (min_val < 30) { result = false; } return result; } 

कोड से यह भी देखा जाता है कि चमक स्तर का विश्लेषण किया जाता है - यदि मूल्य 30 से कम है, तो हम यह भी मानते हैं कि हथेली संलग्न नहीं है।

प्रयुक्त तकनीकों का ढेर

• सी / सी ++
• क्यूटी निर्माता
• QtCharts
• GNU साइंटिफिक लाइब्रेरी

स्रोत कोड

https://github.com/techlinked/PalmDetector.git