الدرس الثالث

يقوم الدرس على ربط رؤية الحاسب بالروبوتات لتطوير قدرات الطائرة المسيرة لتصبح نظام مراقبة قادرا على اكتشاف الأشخاص في الوقت الفعلي باستخدام مكتبة أوبن سي في. يعتمد الشرح على إضافة مؤقت زمني لتقليل الحمل الحاسوبي، وإنشاء مجلد باسم detected لحفظ الصور الملتقطة، ومعالجة أبعاد الصور وقنوات الألوان من خلال تحويلها إلى تدرج رمادي. بعد ذلك، تستخدم خوارزمية مصنف هار كاسكيد لاكتشاف الحدود البشرية عبر الدالة detectMultiscale. يكتب البرنامج رسالة تقرير على وحدة التحكم تتضمن إحداثيات المستطيل المحيط بالشخص المكتشف، مع حفظ الصورة في المجلد المنشأ مسبقا مع ختم زمني.

الفكرة الأساسية

تدمج رؤية الحاسب بالروبوتات لتطوير قدرات الطائرة المسيرة لتصبح نظام مراقبة قادرا على اكتشاف البشر في الوقت الفعلي من خلال تحليل البيانات المرئية ومعالجة الصور.

الشرح

تعتمد البرمجة على مكتبة أوبن سي في للتعامل مع الصور وقنوات الألوان. لتفادي إثقال النظام، يضاف مؤقت زمني بحيث تنفذ إجراءات الاكتشاف كل خمس ثوان عبر شرط يعتمد على دالة self.getTime(). للبدء في الحفظ، يسترجع البرنامج مسار دليل العمل الحالي باستخدام os.getcwd() ويربطه باسم المجلد detected عبر path.join()، ثم يتحقق من وجود المجلد بـ os.path.exists() وإن لم يوجد ينشئه باستخدام os.makedirs(). تأتي مرحلة معالجة الصورة الملتقطة من الكاميرا ذات الأبعاد الثلاثة. ترتب الأبعاد أولا لتطابق قنوات الألوان والطول والعرض باستخدام transpose() ثم تعدل الأبعاد عبر reshape(cameraImg, (3, 240, 400)). تدمج قنوات الألوان بنسق عكسي باستخدام merge() لتحويل الصورة إلى تدرج رمادي عبر cv2.cvtColor() لتجهيزها لمرحلة الاكتشاف. يستخدم مصنف هار كاسكيد المضمن في ملف haar_cascade_fullbody.xml للبحث عن الأشكال البشرية عبر دالة detectMultiscale(gray). يعبر عن المستطيل المحيط بالشخص بأربعة متغيرات هي x و y للزاوية اليسرى العليا، و w و h للعرض والارتفاع. ترسم الحدود الزرقاء للدالة rectangle() بلون محدد بلغة أرجوانية وخضراء وصفراء، ثم يسجل الوقت الحالي وتطبع الإحداثيات على وحدة التحكم، وتحفظ الصورة في المجلد بأسماء مميزة تحتوي التاريخ والوقت بفضل دالة imwrite().

مثال محلول خطوة بخطوة

1. لضبط توقيت الاكتشاف كل 5 ثوان، استخدم الشرط: if self.getTime() - t2 > 5.0: cameraImg = self.camera.getImageArray()
2. لتحويل مصفوفة الصورة وتعديل أبعادها: cameraImg = np.transpose(cameraImg, (2, 0, 1)) cameraImg = np.reshape(cameraImg, (3, 240, 400))
3. لتطبيق مصنف هار كاسكيد لاكتشاف البشر: human_cascade = cv2.CascadeClassifier('haarcascade_fullbody.xml') humans = human_cascade.detectMultiscale(gray)
4. لرسم مستطيل حول كل شخص مكتشف وطباعة الإحداثيات وحفظ الصورة: for (x, y, w, h) in humans: cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2) print("Found a person") cv2.imwrite(filename, img)

أخطاء شائعة

• نسيان تحويل مصفوفة الألوان من تنسيق الكاميرا إلى تنسيق العرض المناسب لمصنف هار كاسكيد، مما يؤدي إلى عدم اكتشاف الأجسام.
• إغفال التحقق من وجود المجلد أو كتابة المسار بشكل خاطئ مما يمنع حفظ الصور المتقطة.

سؤالان للتدريب مع الإجابة

السؤال الأول: عدل برنامج المتحكم الخاص بك بحيث لا يتحقق من وجود المجلد بالفعل في المسار، هل يتسبب ذلك في أية تعقيدات في تنفيذ المحاكاة؟ الإجابة: عدم التحقق مسبقا من وجود المجلد سيؤدي إلى محاولة إنشائه في كل مرة يتم فيها تنفيذ الكود، وعند تكرار الأمر قد يرمي النظام خطأ إذا حاول إنشاء مجلد موجود بالفعل، لذا فإن التحقق بـ os.path.exists() يعد إجراء آمنا لتجنب توقف البرنامج. السؤال الثاني: عدل برنامج المتحكم بحيث يقوم بالاكتشاف كل 10 ثوان، هل تلاحظ أي فرق في تكرار ما تطبعه وحدة التحكم والصور المحفوظة؟ الإجابة: نعم، سيقل معدل التقاط الصور وتحديث التقارير على وحدة التحكم إلى النصف، مما يقلل عدد الصور المحفوظة في مجلد detected و يخفض الحمل الحاسوبي على الطائرة المسيرة.