ओपेरा ब्राउज़र में कैमरा सपोर्ट और डिजिट रिकग्निशन

कल मैं उत्कृष्ट पर भ्रमित हो गया। ब्राउजर से कैमरे के साथ काम का अध्ययन करते हुए, "स्टेट सर्विसेज" विंडो में अपार्टमेंट बिल की संख्या दर्ज करना मुझे उबाऊ और दुखद लग रहा था।



कैमरे तक पहुंच एक प्रयोगात्मक मानक है , इसलिए कुछ ब्राउज़र इसके बारे में डींग मार सकते हैं, मैंने विशेष ओपेरा-लैब्स-कैमरा बिल्ड का उपयोग किया, जिसे ओपेरा के स्नैपशॉट साइट से लिया जा सकता है। मेरा उदाहरण क्रमशः काम करेगा, केवल वहां, यदि आप प्रयास करना चाहते हैं, तो आपको इसे डाउनलोड करने की आवश्यकता है।

सामान्य तौर पर, क्रोम में एक समान एपीआई है, आपको इसे कॉन्फ़िगर करने में सक्षम करने की आवश्यकता है, मैंने इसके लिए समर्थन किया, लेकिन इसका परीक्षण नहीं किया।

आईपीए मुश्किल नहीं था। आपको बस इतना करना है कि स्ट्रीम वीडियो के स्रोत के साथ एक विशेष तरीके से VIDEO टैग को कनेक्ट करना है; फिर मैं वीडियो से प्रति सेकंड 10 बार एक फ्रेम लेता हूं और इसे CANVAS में डाल देता हूं (यह स्क्रीनशॉट में रंगीन है), वहां से मैंने एक छोटे से क्षेत्र को काट दिया, इसे ग्रे के क्रम में अनुवाद किया, थ्रेशोल्ड के लिए औसत रंग का 75% हिस्सा लिया और b / w में सब कुछ अनुवाद किया।

var vid = document.getElementById('video-stream'); //   —   navigator.getUserMedia = navigator.getUserMedia || navigator.webkitGetUserMedia; if (navigator.getUserMedia) { //  getUserMedia     — callback,  ,  //  ,      navigator.getUserMedia('video', function (stream) { //   ,      VIDEO  vid.src = window.webkitURL ? window.webkitURL.createObjectURL(stream) : stream; }); } 

इस पर मैंने जो तीन घंटे बिताए, उनमें से मैंने डिजिट रिकग्निशन किया। इंटरनेट पर मुझे मिलने वाले एल्गोरिदम बहुत राक्षसी थे, और तैयार लोगों को फिर से लिखना उबाऊ था, इसलिए मैंने कई विकल्प आज़माए जो मेरे दिमाग में आए।

नतीजतन, निम्नलिखित एल्गोरिथ्म सबसे अच्छा पहचानता है।



सबसे पहले, मैं स्पष्ट रूप से संख्याओं में छवि को तोड़ता हूं, यह पूरी तरह से निर्बाध है, लेकिन मैं संक्षेप में वर्णन करूंगा। नीचे से आगे बढ़ते हुए, मैं ब्लैक पिक्सल्स की उपस्थिति द्वारा निचली सीमा की खोज करता हूं, फिर मैं तब तक चलता रहता हूं जब तक वे गायब नहीं हो जाते। वही बाएं और दाएं है। फिर, लगभग उसी तरह, मैं संख्याओं की सीमाओं की तलाश करता हूं, बहुत छोटे अनुक्रमों को छोड़ देता हूं और बहुत लंबे समय तक बाधित होता है (यदि कागज पर स्पॉट होते हैं या नंबर एक साथ अटक जाते हैं)।

तो संख्याओं के आयत प्राप्त होते हैं।

आगे चित्र में खींचा गया है - प्रत्येक आकृति को सशर्त रूप से बीच में एक ऊर्ध्वाधर रेखा से विभाजित किया गया है। पंक्ति के बाईं और दाईं ओर मैं काले रंग में संक्रमण की संख्या को गिनता हूं, केंद्र से आगे बढ़ता हूं, लाइन से लाइन करता हूं। संख्याओं के जोड़ों के संयोजन प्राप्त किए जाते हैं।

उदाहरण के लिए, लाइनों के बाईं और दाईं ओर के चित्र में लाइन नंबर 4 को छोड़कर एक संक्रमण होगा, जहां दाईं ओर कोई संक्रमण नहीं होगा।

मैंने उन्हें पतला किया - एक समान मूल्य वाले समान लगातार वाले को बदलें। नतीजतन, सिक्स का रिकॉर्ड इस तरह दिखाई देगा: 1 | 1, 1 | 0, 1 | 1 | यहाँ की खड़ी पट्टी मेरी विभाजन रेखा का प्रतीक है।

यह उन जंजीरों को बाहर कर देता है जो पहले से ही एक आकृति को काफी अच्छी तरह से चित्रित करते हैं, हालांकि कुछ संख्या इस पैटर्न को पहचानने में सक्षम नहीं हैं। इसलिए, मैं अपने सट्टा ऊर्ध्वाधर रेखा के साथ बी / डब्ल्यू संक्रमण की संख्या पर भी विचार करता हूं।

उदाहरण के लिए, "0" और "8" "1 | 1" का एक संयोजन देते हैं, लेकिन क्रमशः मिडलाइन पर संक्रमण की संख्या में भिन्नता है: दो और तीन, क्रमशः।

दरअसल, बड़े टेक्स्ट फ़ील्ड में ऊपरी स्क्रीनशॉट में, जैसा कि आप देख सकते हैं, ये संयोजन। संख्या पहले क्रम में लिखी जाती है, फिर मध्य रेखा के लिए संकेतक और, बृहदान्त्र के माध्यम से, बाईं और दाईं ओर दो अंक।

कागज के साथ हाथ मिलाने के कारण प्रकाश व्यवस्था के कारण एल्गोरिथ्म "शोर" है। इसलिए, मैं आंकड़े जमा करता हूं और उस संख्या को इंगित करता हूं जिसे इस स्थिति में दूसरों की तुलना में अधिक बार मान्यता प्राप्त थी। यदि स्क्रीन पर ऑब्जेक्ट्स की संख्या बदल गई है, तो मैं आंकड़े रीसेट करता हूं।

एक आदर्श एल्गोरिथ्म से दूर, लेकिन मेरे पास उत्पादन समाधान बनाने का लक्ष्य नहीं है।

मैं कोड प्रदान नहीं करता, यह संदर्भ के हिसाब से उपलब्ध है ।