آموزش تشخیص اشیا با دوربین لپتاپ و پایتون (OpenCV و YOLO)
پروژههای هوش مصنوعی و بینایی ماشین با پایتون
معرفی
تشخیص اشیا (Object Detection) یکی از کاربردهای جذاب هوش مصنوعی و بینایی ماشین است که به کامپیوتر امکان میدهد اشیای مختلف را در تصاویر و ویدئوها شناسایی کند.
در این پروژه قصد داریم با استفاده از زبان برنامهنویسی پایتون، کتابخانه OpenCV و مدل آماده YOLO یک سیستم تشخیص اشیا بسازیم که تصاویر را بهصورت زنده از دوربین لپتاپ دریافت کرده و اشیای موجود در تصویر را شناسایی کند.
این برنامه میتواند اشیای شناختهشده مانند انسان، ماشین، صندلی، گوشی و بسیاری از وسایل دیگر را تشخیص دهد و با رسم کادر و نمایش برچسب، نتیجه را روی تصویر دوربین نشان دهد.
نصب و پیشنیازها
برای اجرای این پروژه به پیشنیازهای زیر نیاز دارید:
پایتون نسخه ۳.۱۰ یا بالاتر
دوربین وبکم لپتاپ یا دوربین متصل به کامپیوتر
اتصال اینترنت برای دریافت مدل در اولین اجرا
ابتدا کتابخانههای موردنیاز را با دستور زیر نصب کنید:
کد
pip install opencv-python ultralytics
در این پروژه از مدل yolo11n.pt استفاده میکنیم. این مدل در اولین اجرا بهصورت خودکار دریافت میشود و برای تشخیص سریع اشیا مناسب است.
ساختار پوشه پروژه به شکل زیر خواهد بود:
ObjectDetection/
│
└── detect.py
نکته: در صورتی که مدل قبلاً دانلود نشده باشد، برای دریافت آن به اینترنت نیاز دارید. همچنین باید دسترسی برنامه پایتون به دوربین سیستم فعال باشد.
کتابخانههای مورد استفاده
در این پروژه از دو کتابخانه اصلی استفاده میکنیم:
۱. کتابخانه OpenCV
کتابخانه OpenCV یکی از ابزارهای محبوب پردازش تصویر و بینایی ماشین است. در این پروژه از آن برای دریافت تصویر زنده از دوربین، نمایش خروجی و مدیریت پنجره برنامه استفاده میکنیم.
برخی از دستورات مهم OpenCV در این پروژه عبارتاند از:
cv2.VideoCapture(0) برای دسترسی به دوربین پیشفرض سیستم.
camera.read() برای دریافت تصویر از دوربین.
cv2.imshow() برای نمایش تصویر.
cv2.waitKey() برای دریافت ورودی صفحهکلید.
cv2.destroyAllWindows() برای بستن پنجرههای برنامه.
۲. کتابخانه Ultralytics
کتابخانه Ultralytics امکان استفاده از مدلهای YOLO را برای تشخیص اشیا فراهم میکند.
در این پروژه از این کتابخانه برای بارگذاری مدل آماده و شناسایی اشیای موجود در تصاویر استفاده میکنیم.
ساختار کلی کد
کد پروژه از بخشهای اصلی زیر تشکیل شده است:
وارد کردن کتابخانهها: بارگذاری OpenCV و YOLO.
بارگذاری مدل: دریافت مدل آماده YOLO11.
راهاندازی دوربین: اتصال برنامه به وبکم لپتاپ.
دریافت تصویر: خواندن تصاویر بهصورت زنده از دوربین.
تشخیص اشیا: ارسال تصویر به مدل YOLO برای شناسایی اشیای موجود.
نمایش نتیجه: رسم کادر و برچسب اشیا روی تصویر.
خروج از برنامه: آزادسازی دوربین و بستن پنجرهها.
نحوه عملکرد پروژه
۱. بارگذاری مدل YOLO
ابتدا مدل آماده YOLO را با دستور زیر بارگذاری میکنیم:
from ultralytics import YOLO
model = YOLO( "yolo11n.pt" )
در این قسمت، مدل YOLO11 Nano بارگذاری میشود. این مدل نسخه سبک خانواده YOLO11 است و برای اجرای سریعتر روی سیستمهای معمولی طراحی شده است.
۲. اتصال به دوربین لپتاپ
برای دریافت تصویر زنده از وبکم، از دستور زیر استفاده میکنیم:
camera = cv2.VideoCapture( 0 )
if not camera.isOpened():
raise SystemExit ( "Could not open webcam" )
عدد صفر نشاندهنده دوربین پیشفرض سیستم است. اگر دوربین در دسترس نباشد یا اتصال آن با مشکل مواجه شود، برنامه با نمایش پیام خطا متوقف خواهد شد.
۳. دریافت تصاویر از دوربین
برای دریافت تصاویر بهصورت مداوم از یک حلقه while استفاده میکنیم:
ok, frame = camera.read()
if not ok:
break
در این قسمت، تصویر دریافتی در متغیر frame ذخیره میشود. اگر دریافت تصویر با موفقیت انجام نشود، حلقه متوقف خواهد شد.
۴. تشخیص اشیا با YOLO
پس از دریافت تصویر، آن را برای شناسایی اشیا به مدل YOLO ارسال میکنیم:
results = model(frame, verbose = False )
مدل تصویر را پردازش کرده و اشیای قابلشناسایی را مشخص میکند.
پارامتر verbose=False نیز باعث میشود پیامهای اضافی مربوط به پردازش مدل در ترمینال نمایش داده نشوند.
۵. رسم کادر و نمایش برچسبها
برای نمایش نتیجه تشخیص، از دستور زیر استفاده میکنیم:
annotated = results[ 0 ].plot()
cv2.imshow( "Object Detection - press q to quit" , annotated)
متد plot() روی تصویر، کادرهای مربوط به اشیای شناساییشده، نام آنها و اطلاعات اطمینان مدل را رسم میکند.
سپس تصویر پردازششده در یک پنجره نمایش داده میشود.
۶. خروج از برنامه
برای خروج از برنامه کافی است کلید q را فشار دهید:
if cv2.waitKey( 1 ) & 0x FF == ord ( "q" ):
break
در پایان نیز منابع دوربین آزاد شده و پنجرههای OpenCV بسته میشوند:
camera.release()
cv2.destroyAllWindows()
کد کامل پروژه
در ادامه کد کامل و یکپارچه پروژه تشخیص اشیا با دوربین لپتاپ و پایتون قرار داده شده است:
کد
import cv2
from ultralytics import YOLO
# Load YOLO model
model = YOLO( "yolo11n.pt" )
# Open webcam
camera = cv2.VideoCapture( 0 )
if not camera.isOpened():
raise SystemExit ( "Could not open webcam" )
# Main loop
while True :
# Read frame from webcam
ok, frame = camera.read()
if not ok:
break
# Detect objects
results = model(frame, verbose = False )
# Draw detection results
annotated = results[ 0 ].plot()
# Show output
cv2.imshow(
"Object Detection - press q to quit" ,
annotated
)
# Press q to exit
if cv2.waitKey( 1 ) & 0x FF == ord ( "q" ):
break
# Release resources
camera.release()
cv2.destroyAllWindows()
نتیجه اجرای کد
پس از اجرای برنامه، دوربین لپتاپ فعال میشود و تصویر زنده در یک پنجره نمایش داده خواهد شد.
مدل YOLO تصاویر دریافتی را بهصورت مداوم بررسی میکند و در صورت شناسایی اشیای موردنظر، دور آنها کادر رسم کرده و نام هر شیء را نمایش میدهد.
برای مثال، اگر یک انسان یا چند وسیله مختلف مقابل دوربین قرار بگیرند، مدل میتواند آنها را شناسایی کرده و با کادرهای جداگانه نمایش دهد.
نحوه اجرا
برای اجرای پروژه مراحل زیر را دنبال کنید:
کد بالا را در فایلی با نام detect.py ذخیره کنید.
کتابخانههای موردنیاز را نصب کنید:
pip install opencv-python ultralytics
مطمئن شوید دوربین لپتاپ فعال و در دسترس است.
ترمینال را در پوشه پروژه باز کنید.
پس از اجرای برنامه، مدل YOLO بارگذاری شده و تصویر زنده دوربین نمایش داده میشود. برای خروج از برنامه نیز کلید q را فشار دهید.
نکات مهم
مدل YOLO فقط اشیایی را تشخیص میدهد که در کلاسهای آموزشی آن وجود دارند.
دقت تشخیص به کیفیت دوربین، نور محیط، زاویه تصویر و شرایط اشیا بستگی دارد.
مدل yolo11n.pt نسخه سبک YOLO11 است و برای اجرای سریعتر انتخاب شده است.
در اولین اجرا، دانلود مدل ممکن است کمی زمان ببرد.
اگر دوربین پیشفرض شناسایی نشد، اتصال دوربین و مجوز دسترسی برنامه را بررسی کنید.
برای افزایش سرعت پردازش میتوانید از مدلهای سبکتر یا تنظیمات مناسب سیستم خود استفاده کنید.
نتیجهگیری
در این پروژه با استفاده از پایتون، OpenCV و مدل YOLO یک سیستم ساده تشخیص اشیا ساختیم که میتواند تصاویر را بهصورت زنده از دوربین لپتاپ دریافت کرده و اشیای موجود در آنها را شناسایی کند.
با انجام این پروژه با مفاهیم مهمی مانند پردازش تصویر، دریافت ورودی از وبکم، استفاده از مدلهای آماده هوش مصنوعی و نمایش نتایج تشخیص آشنا شدیم.
این پروژه میتواند نقطه شروع خوبی برای یادگیری بینایی ماشین و هوش مصنوعی با پایتون باشد.
در مراحل بعدی میتوانید امکانات بیشتری مانند شمارش اشیا، ذخیره تصاویر، تشخیص چهره، شناسایی خودروها و نمایش تعداد اشیای شناساییشده را به برنامه اضافه کنید.
منابع و مستندات