توضیحات

صفر تا صد ردیابی اجسام و اشیا با OpenCV و پایتون

نام دوره : Object Tracking using Python and OpenCV

پیش نیاز:

• منطق برنامه نویسی
• برنامه نویسی پایه پایتون

توضیحات:

ردیابی شی یک زیر بخش از دید کامپیوتری است که هدف آن مکان ردیابی یک شی در فریم های متوالی یک ویدیو است.

برای مثال سیستم نظارت تصویری و امنیتی را تصور کنید که در آن می توان اقدامات مشکوک را شناسایی کرد.

نمونه های دیگر نظارت بر ترافیک در بزرگراه ها و همچنین تحلیل حرکت بازیکنان در یک مسابقه فوتبال است! در این مثال آخر، می توان مسیر کاملی را که بازیکن در طول مسابقه طی کرد، ردیابی کرد.

برای اینکه شما را به این منطقه ببریم، در این دوره با استفاده از زبان پایتون و کتابخانه OpenCV الگوریتم های اصلی ردیابی اشیا را یاد می گیرید !

شما شهود اولیه 12 (دوازده) الگوریتم را یاد خواهید گرفت و آنها را گام به گام پیاده سازی خواهید کرد.!

در پایان دوره صفر تا صد ردیابی اجسام و اشیا با OpenCV و پایتون، می‌دانید که چگونه الگوریتم‌های ردیابی اعمال شده روی ویدیوها را اعمال کنید، بنابراین می‌توانید پروژه‌های خود را توسعه دهید.

الگوریتم‌های زیر پوشش داده می‌شوند:

• تقویت، MIL (آموزش چند نمونه)
• KCF (فیلترهای همبستگی هسته)
• CSRT (فیلتر همبستگی متمایز با کانال و قابلیت اطمینان فضایی)
• MedianFlow، TLD (تشخیص یادگیری ردیابی)
• MOSSE (حداقل مجموع خروجی مربع) خطا)
• Goturn (ردیابی شی عمومی با استفاده از شبکه های رگرسیون)
• Meanshift، CAMSshift (میانگین به طور مداوم تطبیقی)
• جریان نوری پراکنده، و جریان نوری متراکم.

شما شهود اولیه در مورد همه الگوریتم ها را یاد خواهید گرفت و سپس، آنها را با استفاده از PyCharm IDE پیاده سازی و آزمایش خواهیم کرد.

تاکید بر این نکته مهم است که هدف دوره این است که تا حد امکان عملی باشد، بنابراین، از نظر تئوری انتظار زیادی نداشته باشید زیرا فقط جنبه های اساسی هر الگوریتم را یاد خواهید گرفت.

هدف از نمایش همه این الگوریتم ها این است که شما دیدی داشته باشید که با توجه به انواع اپلیکیشن ها می توان از الگوریتم های مختلفی استفاده کرد تا با توجه به مشکلی که سعی در حل آن دارید، بهترین ها را انتخاب کنید.

دوره صفر تا صد ردیابی اجسام و اشیا با OpenCV و پایتون برای چه کسانی است:

• مبتدیانی که شروع به یادگیری کامپیوتر بینایی و ردیابی اشیا می کنند
• دانشجویان مقطع کارشناسی که در حال تحصیل در رشته های مرتبط با هوش مصنوعی هستند
• هر کسی که به هوش مصنوعی یا بینایی کامپیوتری علاقه دارد
• دانشمندان داده ای که می خواهند مجموعه خود را افزایش دهند

بخشی از دوره :