پروژه کنترل سروو موتور با پردازش تصویر OpenCV در بردهای آردوینو

پردازش تصویر opencv همواره در ابزار های کارآمد و جالبی بوده که از این ابزار در پروژه های مخلف استفاده میشد، اما همواره از این مزیت ها برای ثبت اطلاعات و ایجاد تغییرات در سیستم اجرایی بوده اما اگر بتوانیم در صورت پردازش ایجاد شده تغییرات در محیط خارج از سیستم اجرا شده ایجاد کنیم مطمئنا بسیار کارآمد خواهد بود، هدف این پروژ] کنترل سرور موتور در صورت تشخیص چهره انسان است. با مرجع تخصصی آردوینو به زبان فارسی، دیجی اسپارک همراه باشید.

اوپن سی وی OpenCV

OpenCV یک کتابخانه نرم افزار بینایی رایانه ای و یادگیری ماشین منبع باز است. OpenCV به منظور ایجاد زیرساخت مشترک برای برنامه های دید رایانه ای و تسریع در استفاده از ادراک ماشین در محصولات تجاری ساخته شده است. OpenCV به عنوان یک محصول دارای مجوز BSD ، استفاده و اصلاح کد را برای مشاغل آسان می کند. OpenCV یا Open Computer Vision Library مجموعه ای از کتابخانه‌های برنامه‌نویسی پردازش تصویر و یادگیری ماشین است. این مجموعه بیشتر بر پردازش تصویر بی درنگ یا Real Time تمرکز دارد. در ابتدا توسط اینتل ساخته و پشتیبانی می‌شد و هم‌اکنون توسط Willow Garage و Itseez پشتیبانی می‌گردد. توسط سیستم عامل‌های ویندوز، لینوکس، مک اواس، آی او اِس و اندروید پشتیبانی می‌شود. همچنین دارای رابط برنامه‌نویسی به زبان‌های c/c++، پایتون، جاوا و متلب می‌باشد.

یادگیری ماشینی pre-trained models

در یادگیری ماشین مبحثی به نام model وجود دارد که در واقع اشیا و مواردی هست که ما قصد تشخیص دادن آن هارا داریم، برای مثال تشخیص صورت انسان، خب برای این مورد باید به ماشین خود آموزش دهیم که ظاهر یک انسان، زن یا مرد، کوچک یا بزرگ، پیر یا جوان به چه شکل است. برای این مورد باید تصاویر مختلفی را به ماشین خود معرفی کنیم که توانایی تشخیص ماشین ما بالا تر برود. به این نتیجه این فرآیند مدل می‌گویند که مشخصه تشخیص ماشین ما است و در ادامه همه این مدل ها باید لیبل بندی شده تا نتیجه برای کاربر از نظر نمایشی قابل فهم باشد.

برد آردوینو Arduino

مجموعه بردهای آردوینو از جمله بردهای توسعه پرطرفدار بین مهندسین امبدد هستند که در مدل های مختلفی از جمله Micro ,  proMini , Nano , Uno و همچنین Mega قابل تهیه هستند، هسته مرکزی این برد های محبوب از سری AtMega328 می باشد. آردوینو پلتفرم سخت‌افزاری و نرم‌افزاری متن‌باز است. همان طور که قبل تر اشاره کردیم، پلتفرم آردوینو شامل یک میکروکنترلر تک‌بردی متن‌باز است که قسمت سخت‌افزار آردوینو را تشکیل می‌دهد. علاوه بر این، پلتفرم آردوینو یک نرم‌افزار آردوینو IDE که به منظور برنامه‌نویسی برای بردهای آردوینو طراحی شده‌است و یک بوت لودر نرم‌افزاری که بر روی میکروکنترلر بارگذاری می‌شود را در بر می‌گیرد.

روش کار پروژه OpenCV با آردوینو

در پروژه سروو موتور با پردازش تصویر OpenCV از دو کد مختلف استفاده می‌کنیم، یک کد برای آردوینو که وظیفه فرمان دهی به سروو sg90 را دارد و کد دوم یک کد پایتون است که در سیستم شما اجرا می‌شود و متغییر های مربوط به سروو را تغییر می‌دهد با توجه به موقعیت چهره شما در تصویر و همچنین به کمک pyserial آردوینو و کد پایتون با یکدیگر ارتباط برقرار می‌کنند.

وسایل مورد نیاز

برد آردوینو Arduino

سروو موتور sg90

کتابخانه های مورد نیاز

برای اجرای پروژه ابتدا در نرم افزار Arduino IDE اقدام به نصب کتابخانه مرجع Servo می پردازیم. مراحل زیر را دنبال کنید.

1. این مسیر را دنبال کنید Sketch > Include Library > Manage Libraries
2. کلمه Servo را جستجو کنید.
3. کتابخانه را نصب کنید.

• این کتابخانه معمولا بصورت پیشفرض نصب می‌باشد.

در کد پایتون نیاز دارید چند کتابخانه را در محیط ادیتور خود نصب کنید، من از ادیتور pycharm استفاده می‌کنم. پکیج هایی که در تصویر مشخص شده را جستجو و نصب کنید. و این مورد را در نظر داشته باشید برای پردازش تصویر نیاز به پایتون ورژن ۳٫۷ داریم تا همزمان با pyserial قابل استفاده باشد.

اتصالات پروژه OpenCV با آردوینو

در پروژه openCV با آردوینو برای طول و عرض مرکز تصویر با چهره تشخیص داده شده از دو عدد سروو موتور استفاده می‌کنیم، یکی از آنها به پین ۹ دیگری به پین ۱۰ در آردوینو متصل شوند، تا در نتیجه با حرکت در حالت افقی و عمودی اقدام به تنظیم چهره شما در مرکز تصویر و دنبال کردن آن باشند.

کد های پروژه

• کد آردوینو

• در این بخش از کد با استفاده از پروتکل سریال مختصات تشخیص داده از چهره در تصویر یا x و y در آردوینو خوانده می‌شود.

  if (Serial.available() > 0)
  {
    int x_mid, y_mid;
    if (Serial.read() == 'X')
    {
      x_mid = Serial.parseInt();  
      if (Serial.read() == 'Y')
        y_mid = Serial.parseInt(); 
    }

• این بخش از کد وظیفه تنظیم سروو در ناحیه مربع را دارد اگر مختصات خارج از محدوده مقادیر آن باشد.

    if (x_mid > width / 2 + 30)
      xpos += angle;
    if (x_mid < width / 2 - 30)
      xpos -= angle;
    if (y_mid < height / 2 + 30)
      ypos -= angle;
    if (y_mid > height / 2 - 30)
      ypos += angle;

• این بخش از کد مانند کد بالا وظیه تنظیم سروو با مربع موجود در تصویر را دارد با این تفاوت که اگر درجه سروو ها خارج از محدوده مقادیر باشد.

    if (xpos >= 180)
      xpos = 180;
    else if (xpos <= 0)
      xpos = 0;
    if (ypos >= 180)
      ypos = 180;
    else if (ypos <= 0)
      ypos = 0;

• کد آماده آپلود در آردوینو.

#include<Servo.h>

Servo x, y;
int width = 640, height = 480;  
int xpos = 180, ypos = 180; 
void setup() {

  Serial.begin(9600);
  x.attach(9);
  y.attach(10);

  x.write(xpos);
  y.write(ypos);
}
const int angle = 2;  

void loop() {
  if (Serial.available() > 0)
  {
    int x_mid, y_mid;
    if (Serial.read() == 'X')
    {
      x_mid = Serial.parseInt();
      if (Serial.read() == 'Y')
        y_mid = Serial.parseInt();
    }

    if (x_mid > width / 2 + 30)
      xpos += angle;
    if (x_mid < width / 2 - 30)
      xpos -= angle;
    if (y_mid < height / 2 + 30)
      ypos -= angle;
    if (y_mid > height / 2 - 30)
      ypos += angle;


    if (xpos >= 180)
      xpos = 180;
    else if (xpos <= 0)
      xpos = 0;
    if (ypos >= 180)
      ypos = 180;
    else if (ypos <= 0)
      ypos = 0;

    x.write(xpos);
    y.write(ypos);

  }
}

• کد پایتون

• در اولین قسمت از کد پایتون دوربین مورد استفاده را مشخص می‌کنیم، در صورت عدم وجود تصویر عدد موجود را تغییر دهید.

cap=cv2.VideoCapture(2)

• در این بخش پورت آردوینو مه از استفاده می‌کنیم را مشخص می‌کنیم، با تغییر مقدار موجود در کد زیر.

ArduinoSerial=serial.Serial('com6',9600,timeout=0.1)

• این خط کد وظیفه ارسال مقادیر x و y بدست آمده از تصویر به آردوینو به منظور به حرکت درآوردن سروو ها را دارد.

string='X{0:d}Y{1:d}'.format((x+w//2),(y+h//2))

• کد پایتون آماده اجرا در ادیتور مدنظر.

import cv2
import serial,time
face_cascade= cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap=cv2.VideoCapture(2)

ArduinoSerial=serial.Serial('com6',9600,timeout=0.1)

time.sleep(1)

while cap.isOpened():
    ret, frame= cap.read()
    frame=cv2.flip(frame,1)
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    faces= face_cascade.detectMultiScale(gray,1.1,6)
    for x,y,w,h in faces:
        
        string='X{0:d}Y{1:d}'.format((x+w//2),(y+h//2))
        print(string)
        ArduinoSerial.write(string.encode('utf-8'))
        
        cv2.circle(frame,(x+w//2,y+h//2),2,(0,255,0),2)
        
        cv2.rectangle(frame,(x,y),(x+w,y+h),(0,0,255),3)
    
    cv2.rectangle(frame,(640//2-30,480//2-30),
                 (۶۴۰//۲+۳۰,۴۸۰//۲+۳۰),
                  (۲۵۵,۲۵۵,۲۵۵),۳)
    
    cv2.imshow('img',frame)

    if cv2.waitKey(10)&0xFF== ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

نکته: دقت داشته باشید پردازش تصویر در این پروژه نیاز به مدل هایی از پیش تعریف شده دارد و در پروژه ما مدلی برای تشخیص تصویر صورت انسان، برای این منظور از فایل زیر در کنار کد پایتون استفاده کنید. frontface model

نتیجه نهایی

پس آپلود کد در آردوینو و اجرای کد پایتون در صورتی که تمام موارد ذکر شده به درستی انجام شده باشد، در ادیتور صفحه وبکم برای شما باز خواهد شد که قادر به تشخیص چهره شما خواهد بود و در همین بین مقادیر برای آردوینو به کمک ارتباط سریال ارسال خواهد شد، و با توجه به شرط های موجود آردوینو با فرمان دهی به سروو ها سعی خواهد کرد تا موقعیت سروو ها با توجه به حرکت چهره شما در تصویر تغییر کند.

کلام آخر با سایفر

چنانچه در مراحل راه اندازی و انجام این پروژه با مشکل مواجه شدید، بدون هیچ نگرانی در انتهای همین پست، به صورت ثبت نظر سوالتان را مطرح کنید. من در سریع‌ترین زمان ممکن پاسخ رفع مشکل شما را خواهم داد. همچنین اگر ایرادی در کدها و یا مراحل اجرایی وجود دارند می‌توانید از همین طریق اطلاع رسانی کنید.

در پایان نظرات و پیشنهادات خود را با ما درمیان بگذارید و با اشتراک گذاری این آموزش در شبکه های اجتماعی , از وبسایت دیجی اسپارک حمایت کنید.