कैमरे का उपयोग करके टोकन से छवि को पहचानें

जिस संगठन में मैं अपने खाली समय में काम करता हूं, उसकी सुरक्षा की बहुत आवश्यकताएं हैं। उपयोगकर्ताओं को प्रमाणित करने के लिए जहां भी संभव हो, टोकन का उपयोग किया जाता है। उन्होंने मुझे ऐसा दिया:

और उन्होंने कहा: आप बटन दबाएं, संख्या देखें, पासवर्ड दर्ज करें और आनन्दित हों। "सुरक्षा, ज़ाहिर है, सर्वोपरि है, लेकिन आपको आराम के बारे में नहीं भूलना चाहिए," मैंने इसके बारे में सोचा और अपने इलेक्ट्रॉनिक सामान को संशोधित किया।

(ईमानदारी से, मैं लंबे समय से प्रोग्रामिंग से विचलित करना चाहता हूं और हार्डवेयर में गहरी खुदाई करना चाहता हूं, इसलिए मेरा आलस्य इस पूरे उपक्रम में एकमात्र प्रेरक नहीं है)।

तकनीकी विशिष्टताओं और घटकों के चयन का विश्लेषण

मेरी आंख को पकड़ने वाली पहली चीज पुरानी Logitech QuickCam 3000 वेब कैमरा थी, जो एक अंतर्निहित वेबकैम के साथ लैपटॉप की खरीद के संबंध में कचरा में चली गई थी। योजना तुरंत पक गई: हम कैमरे से टोकन से अंक निकालते हैं, उन्हें कंप्यूटर पर पहचानते हैं और ... लाभ! तब एक सर्वो ड्राइव पाई गई (ठीक है, अपने हाथों से हर बार टोकन पर बटन को दबाएं नहीं; सही?), एक पुराना यूएसबी हब (मेरे लैपटॉप में केवल दो यूएसबी पोर्ट हैं, और उनमें से एक यूएसबी-ईथरनेट एडेप्टर द्वारा लगातार कब्जा किया जाता है), और एक Arduino बोर्ड, यह ज्ञात नहीं है कि मैं कैसे समाप्त हुआ। अपने डिवाइस के लिए एक मामले के रूप में, मैंने लेगो कंस्ट्रक्टर का उपयोग करने का फैसला किया, अपने एक वर्षीय बेटे द्वारा भविष्य के लिए खरीदा (ऐसा लगता है, अब मुझे समझ में आया कि मेरी पत्नी खरीद में दुर्भावनापूर्ण रूप से क्यों मुस्कुराई)।

दुर्भाग्य से, मेरे पास दाता उपकरणों की कोई भी फ़ोटो सुरक्षित और सुरक्षित नहीं है, इसलिए मैं केवल पूर्ण डिवाइस के बारे में "डींग" कर सकता हूं:

माइक्रोकंट्रोलर के योजनाबद्ध आरेख और फर्मवेयर

वास्तव में, सब कुछ हास्यास्पद रूप से सरल है (मैंने आरेख भी नहीं बनाया है): एक वेबकेम के साथ एक यूएसबी हब और इससे जुड़ा हुआ आर्डिनिन। एक इमदादी ड्राइव arduino (PWM के माध्यम से) से जुड़ा है। यही है। Arduino में डाला गया कार्यक्रम का स्रोत कोड तुच्छ है: github.com/dreadatour/lazy/blob/master/servo.ino
अरुदिना कॉम पोर्ट पर 'जी' अक्षर का इंतजार कर रही है, और जब वह आती है, तो वह सर्वो को आगे और पीछे खींचती है। देरी (500ms) और सर्वोस के झुकाव के कोण को प्रयोगात्मक रूप से चुना गया था।

"कंप्यूटर दृष्टि" के मौजूदा पुस्तकालयों की प्रोग्रामिंग भाषा और विश्लेषण का विकल्प

एकमात्र प्रोग्रामिंग भाषा जिसे मैं "कंप्यूटर दृष्टि" के रूप में इस तरह के कठिन कार्य के साथ सौंपता हूं, धन्य है पायथन। सौभाग्य से , ओपनसीवी जैसी शानदार लाइब्रेरी के लिए व्यावहारिक रूप से बॉक्स से बाहर हैं। दरअसल, हम इस पर रोक लगा देंगे।

टोकन कोड मान्यता एल्गोरिथम

मैं कोड के टुकड़ों को लिंक दूंगा जो कि वर्णित कार्यक्षमता के लिए जिम्मेदार हैं - मेरी राय में यह जानकारी प्रस्तुत करने के लिए इष्टतम प्रारूप है। सभी कोड github पर देखे जा सकते हैं।

आरंभ करने के लिए, कैमरे से चित्र लें :


हम इसे अपने लिए आसान बनाते हैं: कैमरा बेस के सापेक्ष स्थिर होता है, टोकन अपनी ट्रे में बहुत कम गति से आगे बढ़ सकता है, इसलिए हम संभव टोकन पोजिशन की सीमाओं को पाते हैं, कैमरे से फ्रेम को काटते हैं और (केवल हमारी सुविधा के लिए) छवि को 90˚ घुमाते हैं :


फिर हम कुछ परिवर्तन करते हैं : हम परिणामी छवि को ग्रेस्केल में परिवर्तित करते हैं और कैनी बॉर्डर डिटेक्टर का उपयोग करके सीमाएं ढूंढते हैं - ये टोकन एलसीडी स्क्रीन की सीमाएं होंगी:


परिणामी छवि में आकृति खोजें । समोच्च लाइनों की एक सरणी है - हम एक निश्चित लंबाई से कम लाइनों को छोड़ देते हैं:


एक बेवकूफ एल्गोरिथ्म का उपयोग करते हुए, हम चार पंक्तियों को निर्धारित करते हैं जो हमारे एलसीडी डिस्प्ले को सीमित करते हैं:


हम इन रेखाओं के प्रतिच्छेदन बिंदु पाते हैं और कई जाँच करते हैं:

• हम जांचते हैं कि ऊर्ध्वाधर और क्षैतिज रेखाओं की लंबाई लगभग एक दूसरे के साथ मेल खाती है और लाइनों की लंबाई लगभग एलसीडी के आकार के साथ मेल खाती है (जिसे हमने प्रयोगात्मक रूप से गणना की थी)
• जाँच करें कि विकर्ण लगभग बराबर हैं (हमें एक आयत - एलसीडी की आवश्यकता है)

अगला, हम उस कोण को ढूंढते हैं जिसके द्वारा हमारे टोकन को घुमाया जाता है, हम इस कोण द्वारा छवि को घुमाते हैं और एलसीडी छवि को काटते हैं:


सबसे कठिन हिस्सा पीछे है। अब हमें परिणामी छवि के विपरीत को बढ़ाने की आवश्यकता है। ऐसा करने के लिए, हम एक रिक्त एलसीडी स्क्रीन (टोकन बटन को दबाने से पहले) की छवि को याद करते हैं , और बस संख्या के साथ छवि से इस छवि को " घटाएं " (बटन दबाने के बाद):


हमें एक श्वेत और श्याम छवि मिलती है। ऐसा करने के लिए, एक और बेवकूफ एल्गोरिथ्म का उपयोग करते हुए , हम इष्टतम सीमा पाते हैं जो छवि के सभी पिक्सेल को "ब्लैक" और "व्हाइट" में विभाजित करेगा, छवि को बी / डब्ल्यू में बदल देगा और पात्रों को काट देगा :


ठीक है, तो हम सिर्फ संख्याओं को पहचानते हैं। यह हमारे लिए तंत्रिका नेटवर्क और अन्य चीजों से पीड़ित होने का कोई मतलब नहीं है, क्योंकि हमारे पास एक सात-खंड संकेतक है: सात "अंक" हैं जिनके द्वारा प्रत्येक अंक विशिष्ट रूप से निर्धारित किया जाता है :


बस मामले में, हम कई फ़्रेमों से संख्याओं को पहचानते हैं: यदि एक पंक्ति में तीन फ़्रेम हमें एक ही परिणाम मिलते हैं - हमारा मानना ​​है कि मान्यता सफल थी, तो उपयोगकर्ता को "ग्रोल्नोटिफ़ाइ" प्रोग्राम का उपयोग करके परिणाम प्रदर्शित करें और परिणामी कोड को क्लिपबोर्ड पर कॉपी करें।

डिवाइस काम वीडियो

सावधानी, ध्वनि!


संपूर्ण स्रोत कोड