Python ve OpenCV ile gerçek zamanlı yüz tanıma sistemi. Sistem üç ana aşamadan oluşur: yüz toplama, model eğitimi ve gerçek zamanlı tanıma
Bu video, bir eğitim içeriği olup, konuşmacı canlı kamera görüntüsü üzerinden nesnelerin uzunluklarını ve boyutlarını ölçme konusunu anlatmaktadır.. Video, önceki bölümde resimler üzerinden yapılan çalışmaların canlı kamera görüntüsü üzerinden nasıl uygulanacağını göstermektedir. Konuşmacı, OpenCV kütüphaneleri ve Python programlama dilini kullanarak, webcamden alınan görüntülerdeki nesnelerin genişlik ve uzunluklarını santimetre cinsinden ölçmeyi açıklamaktadır. Ayrıca perspektif etkisinin bu ölçümlerde nasıl etkilenmediği ve farklı açılardan ve mesafelerden görüntü alındığında bile ölçümlerin doğru kaldığı gösterilmektedir. Video, önceki bölümün devamı niteliğinde olup, izleyicilere önceki videoyu izlemelerini tavsiye etmektedir.
Bu video, Mustafa Selçuk Çağlar tarafından sunulan bir eğitim içeriğidir. Sunucu, OpenCV kütüphanesinin Ubuntu üzerinde Eclipse IDE'de nasıl kurulacağını ve kullanılacağını göstermektedir.. Video, OpenCV'nin Ubuntu'da kurulumundan başlayarak, Eclipse'te proje oluşturma ve OpenCV kütüphanelerinin nasıl ekleneceğini adım adım anlatmaktadır. Sunucu, OpenCV'nin C++ arayüzünün performans avantajlarını vurgulayarak, kütüphanelerin nasıl küçültülüp projeye entegre edileceğini göstermektedir. Ayrıca, OpenCV'nin alternatif kütüphanesi OpenVX hakkında da bilgi verilmektedir. Video, bir görüntü işleme örneği üzerinden OpenCV'nin kullanımını göstererek sonlanmaktadır.
cv.threshold applies fixed threshold value to each pixel. Six different thresholding types available: BINARY, TRUNC, TOZERO, TOZERO_INV. Returns original image and threshold value as outputs
Bu video, bir eğitim serisinin ilk bölümü olup, görüntü işleme konusunda temel bilgiler sunmaktadır. Eğitmen, OpenCV kütüphanesine giriş yaparak izleyicilere temel bilgiler vermektedir.. Video, OpenCV kütüphanesinin tarihçesi, özellikleri ve bileşenleri hakkında bilgiler içermektedir. OpenCV'nin açık kaynak kodlu, platform bağımsız bir görüntü işleme kütüphanesi olduğu, 2500'den fazla algoritma içerdiği ve yüz tanıma, nesne sınıflandırma gibi işlemler için kullanılabildiği anlatılmaktadır. Eğitmen, Python programlama dilinde OpenCV kütüphanesinin nasıl kurulacağını ve temel bir kamera açma programının nasıl çalıştırılacağını adım adım göstermektedir. Video, bir serinin parçası olup, ilerleyen videolarda farklı kütüphanelerin de ele alınacağı belirtilmektedir.
Bu video, bir eğitim içeriği olup, izleyicilere Python programlama dili ve OpenCV kütüphanesi kullanarak telefon kamera görüntüsünü bilgisayara aktarma yöntemini göstermektedir.. Video, kamera olmayan kullanıcılar için taşınabilir bir kamera çözümü sunmaktadır. İçerikte önce Google Play'den "IP Webcam" uygulamasının indirilmesi, telefonun WiFi ağına bağlanması ve kameranın açılması gösterilmektedir. Ardından Python dosyası açılarak OpenCV kütüphanesi kullanılarak kamera görüntüsünün nasıl okunacağı ve gösterileceği adım adım anlatılmaktadır. Video, kodun çalıştırılması ve kamera görüntüsünün bilgisayarda görüntülenmesiyle sonlanmaktadır.
Pre-built CPU-only OpenCV packages for Python. Available under MIT license. Supports Python 3.7 through 3.12
Videos are processed by looping through frames one at a time. VideoCapture() creates video capture objects for streaming or displaying. VideoWriter() saves output videos to disk. get() method retrieves video metadata like frame height and width
Python offers multiple libraries for image processing and display. Five main libraries: OpenCV, Matplotlib, Pillow, Scikit-Image, Tensorflow
Bu video, Tirendaz Akademi kanalında yayınlanan bir eğitim dersidir. Eğitmen, OpenCV kütüphanesinin ne olduğunu ve nasıl kullanılacağını anlatmaktadır.. Video, OpenCV'nin tanıtımıyla başlayıp, Python'un kurulumu, OpenCV'nin hem normal Python'a hem de Anaconda platformuna nasıl yükleneceği adım adım gösterilmektedir. Daha sonra Visual Studio kullanılarak OpenCV ile basit bir uygulama geliştirilmektedir. Bu uygulama, bir resmi yükleme, gösterme ve gri tonlama işlemlerini içermektedir.. Video sonunda, OpenCV hakkında bilgi edinmek isteyenler için OpenCV'nin resmi sitesi ve Stack Overflow gibi kaynaklar önerilmektedir.
Bu video, İlker Dinç tarafından sunulan bir eğitim içeriğidir. İlker, yakın zamanda yaptığı bir proje kapsamında görüntü işleme tabanı ve yüz tanıma yazılımını anlatmaktadır.. Videoda, Python 3.6, Visual Studio Code ve OpenCV kütüphanesi kullanılarak yüz tanıma sisteminin nasıl oluşturulacağı adım adım gösterilmektedir. İlk olarak gerekli yazılımların kurulumu ve aktifleştirilmesi anlatılmakta, ardından Emma, Jacob ve Mary adlı üç farklı yüz için 50 adet fotoğraf çekme ve yüz tanıma kodlarının yazılması uygulamalı olarak gösterilmektedir.. Eğitim içeriğinde kamera ayarları, yüz tanıma algoritması ve farklı yüzlerin nasıl tanındığı detaylı olarak açıklanmaktadır. Video sonunda sistemin çalıştırılması ve başarılı sonuçlar gösterilmektedir. Konuşmacı, kod satırlarının açıklamalarının İngilizce olduğunu belirtmektedir.
Bu video, bir eğitim dersi formatında olup, bir eğitmen tarafından OpenCV kütüphanesi kullanılarak resim işleme teknikleri anlatılmaktadır.. Ders, OpenCV'de erro, delete ve morfolojik işlemler konusunu ele almaktadır. Eğitmen önce bu işlemlerin ne işe yaradığını açıklar, ardından üç farklı resim üzerinde bu işlemleri uygulamalı olarak gösterir. Erro işlemi beyazlıkları kapatma ve inceltme, delete işlemi ise beyaz bölgeleri artırarak kırık parçaları birleştirme için kullanılır. Ayrıca closing ve opening gibi morfolojik işlemler de örneklerle anlatılır. Her işlem için kod yazımı ve sonuçların ekranda gösterilmesi adım adım gösterilir.
Install opencv-python package for Python 3. Use pip install opencv-contrib-python for full OpenCV functionality. Install opencv-python-headless for GUI-less version. Install opencv-contrib-python-headless for GUI-less version
Bu video, bir eğitmen tarafından sunulan Python programlama dili ile OpenCV kütüphanesi kullanarak görüntü işleme konularını anlatan bir eğitim içeriğidir.. Video, kurulum aşamasıyla başlayıp (Anakonda kurulumu, OpenCV ve Numpy kütüphanelerinin yüklenmesi), temel görüntü işleme işlemlerini adım adım göstermektedir. İçerikte resim okuma, gösterme, pencere kapatma, klavye tuşlarına tepki verme, resim kaydetme, Matplotlib kütüphanesi kullanımı ve resim penceresi oluşturma gibi konular ele alınmaktadır.. Eğitimde ayrıca renkli resimleri gri tonlamalı hale getirme, resimleri kaydetme, Matplotlib ile görsel yakınlaştırma ve piksel renk kodlarını görüntüleme gibi teknikler de gösterilmektedir. RGB/BGR renk uzayları arasındaki farklar ve resimlerin matris yapısı hakkında da bilgiler verilmektedir.
Bu video, bir eğitmen tarafından sunulan Python programlama dili ile görüntü işleme konulu bir eğitim dersidir. Eğitmen, önceki bölümlerde pay game modülü hakkında bilgi verdiğini ve bu derste görüntü işleme konusunu ele alacağını belirtiyor.. Video, görüntü işleme kavramının tanımıyla başlayıp, OpenCV modülünün kurulumu ve temel kullanımını gösteriyor. Eğitmen, bir görüntüyü nasıl okuyabileceğimizi, matris kavramını, renkli görüntülerin üç kanallı yapısını ve görüntüyü ekranda nasıl gösterebileceğimizi adım adım kod örnekleriyle anlatıyor. Ayrıca, görüntüyü ekranda tutmak için gerekli olan fonksiyonları da gösteriyor. Video, bilgisayarlı görme oyunlarında webcam üzerinden görüntü işleme yapmak isteyenler için temel bilgiler sunuyor.
Bu video, bir eğitim içeriği olup, konuşmacı Raspberry Pi cihazına OpenCV 4.9 kurulumunu adım adım göstermektedir.. Video, Raspberry Pi'ye OpenCV 4.9 kurulumunun tüm aşamalarını kapsamaktadır. İlk bölümde sistem güncellemesi, gerekli paketlerin kurulumu ve OpenCV'nin derleme süreci anlatılırken, ikinci bölümde OpenCV Python kütüphanesinin kurulumu detaylı olarak gösterilmektedir. Kurulum süreci yaklaşık bir buçuk iki saat sürmüştür.. Videoda ayrıca kurulum sırasında karşılaşılabilecek bellek sorunları ve çözüm yolları paylaşılmakta, hafıza kartının en az 16 GB olması gerektiği belirtilmektedir. Konuşmacı, bir sonraki videoda Raspberry Pi üzerindeki GPIO pinlerini Java ve Python ile nasıl kontrol edebileceğimizi anlatacağını da belirtmektedir.
Bu video, bir eğitim ortamında Bilge ve Göknur adlı öğrencilerin bitirme projesi sunumu ve bir öğretmenin (hocam) değerlendirmesi içermektedir. Ayrıca, eğitimci tarafından yapılan bitirme projesi toplantısının son kısmını da göstermektedir.. Videoda öğrenciler, derslerde kağıt yoklama yerine yüz taraması ile otomatik yoklama alma projesi fikrini sunmaktadırlar. Proje için OpenCV, Numpy, Matplotlib ve Pandas gibi kütüphaneler kullanılacağı belirtilmektedir. Eğitimci, öğrencilerin veri seti toplama konusunda çaba göstermelerini ve bir hafta içinde veri seti bulmalarını istemektedir.. Eğitimci ayrıca, öğrencilerin buldukları veri setini nasıl gözlemleyeceklerini anlamaları gerektiğini ve raporlarında veri setinin nereden geldiğini, kaç kolonu olduğunu, ne işe yaradığını ve hangi metotla yüzde kaç başarı elde ettiklerini belirtmeleri gerektiğini vurgulamaktadır. Yüz tanıma teknolojisinin KVKK açısından yasal sorunlara yol açabileceği ve projenin uygulama alanının değiştirilebileceği konusunda da tavsiyelerde bulunmaktadır.
Bu video, bir eğitim içeriği olup, konuşmacı OpenCV kütüphanesi kullanarak BGR renk modeli ve split/merge komutlarını göstermektedir.. Videoda, PyCharm ortamında bir resim okuma, BGR renk modelini bölme (split) ve birleştirme (merge) işlemleri adım adım anlatılmaktadır. Konuşmacı önce bir resmi okuyup, ardından split komutu ile mavi, yeşil ve kırmızı kanallarını ayrı ayrı görüntülemeyi, ardından bu kanalları birleştirerek orijinal resmi elde etmeyi göstermektedir. Ayrıca, BGR formatında verilmediğinde sonuçların nasıl değişebileceğine de değinilmektedir.
Bu video, bir eğitim içeriği olup, konuşmacı OpenCV kütüphanesi kullanarak ateş algılama üzerine basit bir kod çalışması yapmaktadır.. Video, OpenCV kütüphanesinin kurulumundan başlayarak, kamp ateşi videosu üzerinden ateş algılama algoritmasının adım adım nasıl çalıştığını göstermektedir. Algoritma, videoyu okuma, bulanıklaştırma, HSV formatına dönüştürme, alev rengini belirleme, maskeleme ve ateş algılama eşik değerlerini belirleme aşamalarını içermektedir. Konuşmacı, farklı video örnekleri üzerinden (kumda ateş ve yangın videosu) algoritmanın performansını test ederek, farklı çekim açıları ve ortamlardaki sınırlamalarını da göstermektedir.