DETECCION Y SEGUIMIENTO DE CARROS Y MOTOS CON VISION ARTIFICIAL | Seguimiento de Objetos con Python
Summary
TLDREn este video tutorial, Diego Sánchez enseña cómo crear un detector y seguidor de objetos, específicamente para carros y motos, que puede adaptarse a otros objetos y situaciones. Se muestra el funcionamiento del programa, la selección de una zona de interés y la aplicación de un algoritmo de detección y seguimiento. El video incluye pasos detallados para implementar el sistema, desde la captura de imágenes estáticas con una cámara, hasta la programación del seguidor y el ajuste de parámetros para un rendimiento óptimo en entornos controlados como parqueaderos o entradas de edificios.
Takeaways
- 😀 El video muestra cómo crear un detector y seguidor de objetos, específicamente para carros y motos, que se puede adaptar a otros objetos como humanos.
- 👀 Se destaca la importancia de tener una cámara estática para el correcto funcionamiento del algoritmo de detección y seguimiento.
- 🛠️ El script proporciona un paso a paso para implementar un detector de carros en lugares como parqueaderos, entradas de centros comerciales y residenciales.
- 📍 Se selecciona una zona de interés en la carretera donde todos los objetos a detectar deben pasar para mejorar la eficacia del seguimiento.
- 🎨 Se utiliza una técnica de máscara para dejar el fondo negro y los objetos en blanco, facilitando su detección.
- 🔢 El seguidor de objetos cuenta y numera los objetos detectados, como motos y carros, para su monitoreo y control.
- 👨💻 Se detalla la programación necesaria para crear el seguidor, incluyendo la inicialización de variables y el uso de librerías como márquez para operaciones matemáticas.
- 🔄 Se implementa un algoritmo de detección que utiliza un 'sustractor de fondo' para diferenciar los objetos en movimiento del fondo estático.
- 📏 Se extraen los contornos de los objetos detectados y se filtran aquellos que no cumplen con un tamaño mínimo para evitar falsos positivos.
- 📹 Se sugiere ajustar los parámetros del algoritmo, como el umbral de detección y el history, según las condiciones específicas del entorno de aplicación.
- 👋 El video concluye con una demostración del seguidor funcionando y una invitación a apoyar el canal para recibir más contenido útil.
Q & A
¿Qué es lo que se enseña en el video sobre la detección y seguimiento de objetos?
-El video enseña cómo hacer un detector y seguidor de objetos, específicamente aplicado a carros y motos, que puede ser utilizado en diferentes escenarios como parqueaderos, entradas de centros comerciales o residenciales.
¿Por qué es importante que la cámara esté estática para el algoritmo de detección y seguimiento?
-La cámara debe estar estática para que el algoritmo de detección por diferencia de fondo funcione correctamente, ya que este algoritmo se basa en la comparación de la imagen actual con el fondo establecido.
¿Qué es una 'mascarilla' en el contexto de detección de objetos?
-Una máscara es una técnica utilizada en la detección de objetos que deja el fondo en negro y deja los objetos en blanco, facilitando su identificación y seguimiento.
¿Cómo se selecciona la zona de interés para la detección y seguimiento de objetos?
-Se selecciona una zona de interés donde deben pasar todos los objetos a ser detectados, como un pasaje obligatorio para carros y motos en una carretera, para optimizar el rendimiento del algoritmo.
¿Qué es el 'sustractor de fondo' y cómo se utiliza en el algoritmo?
-El sustractor de fondo es un método que identifica las diferencias entre el fondo establecido y la imagen actual, dejando el fondo en negro y los objetos en blanco para su detección.
¿Qué es un 'contorno' en el contexto de procesamiento de imágenes y cómo se relaciona con la detección de objetos?
-Un contorno es la forma o borde de un objeto detectado en una imagen. En el procesamiento de imágenes, se extraen estos contornos para identificar y dibujar los límites de los objetos.
¿Cómo se eliminan los ruidos o detecciones falsas en el proceso de detección de objetos?
-Se eliminan los ruidos mediante la aplicación de umbrales y el uso de filtros que solo dejan objetos de un tamaño mínimo, ignorando los pequeños ruidos que podrían ser sombras o elementos irrelevantes.
¿Qué es el 'seguimiento' en el contexto de este video y cómo se realiza?
-El seguimiento es el proceso de identificar y rastrear los objetos detectados a lo largo del tiempo. Se realiza almacenando las coordenadas centrales de los objetos y asignándoles una identificación única para su conteo y seguimiento.
¿Cómo se ajustan los parámetros del algoritmo según el entorno de aplicación?
-Los parámetros del algoritmo, como el umbral de detección y la historia del sustractor de fondo, se ajustan según el entorno de aplicación para optimizar la detección y minimizar las detecciones falsas.
¿Qué es la 'zona de interés' y por qué es fundamental en el algoritmo de detección y seguimiento?
-La zona de interés es un área específica de la imagen donde se esperan que los objetos a detectar pasen. Es fundamental ya que el algoritmo se centra en esta zona para mejorar la eficiencia y precisión de la detección.
Outlines
😀 Introducción al Detector y Seguidor de Objetos
El video comienza con una introducción al proyecto de un detector y seguidor de objetos, específicamente para carros y motos, por Diego Sánchez. Se menciona que el algoritmo también puede aplicarse a humanos y se da un vistazo al funcionamiento del programa. Se destaca la efectividad del algoritmo en un ambiente descontrolado y se sugiere que su rendimiento será mejor en lugares como parqueaderos o entradas a centros comerciales.
🔍 Preparación y Configuración del Detector de Objetos
Se describe el proceso de configuración del detector de objetos, enfatizando la importancia de tener una cámara estática para un correcto funcionamiento. Se detalla la creación de una clase para el seguidor y se discuten las variables iniciales como el contador de identificación y los puntos centrales de los objetos. Además, se menciona la necesidad de ajustar los parámetros del algoritmo según el entorno en el que se implemente.
📐 Selección y Procesamiento de la Zona de Interés
El script se centra en cómo seleccionar y procesar una zona de interés para la detección de carros y motos. Se sugiere la necesidad de no procesar toda la imagen para evitar un gran desgaste en recursos. Se detalla el uso de un sustractor de fondo para dejar el fondo en negro y los objetos en blanco, y se establece un umbral para eliminar sombras y ruido. Luego, se extraen los contornos de los objetos y se almacenan en una lista para su posterior seguimiento.
🚗 Implementación del Seguimiento y Detección de Objetos
Se explica cómo se implementa el seguimiento de los objetos identificados. Se describe el proceso de recibir las coordenadas de los objetos, extraer el punto central y asignar un número de identificación si el objeto no ha sido detectado anteriormente. También se menciona el uso de un algoritmo para dibujar rectángulos alrededor de los objetos y cómo se muestran en pantalla con su correspondiente número de identificación. Finalmente, se discute la visualización de la zona de interés y la máscara de detección al final de la captura.
Mindmap
Keywords
💡Detector de objetos
💡Seguidor de objetos
💡Zona de interés
💡Máscara
💡Centro de objeto
💡Contador de identificación
💡Sustractor de fondo
💡Umbral
💡Contornos
💡Área de los contornos
💡Ruido
Highlights
Introducción a la creación de un detector y seguidor de objetos, específicamente para carros y motos.
Explicación de cómo el detector y seguidor de objetos puede ser aplicado en diferentes escenarios, como parqueaderos o entradas a centros comerciales.
Importancia de que el entorno sea lo más controlado posible para el correcto funcionamiento del algoritmo.
Demostración del funcionamiento del programa con una carretera de ciudad como escenario.
Proceso de selección de una zona de interés para la detección de objetos en movimiento.
Uso de máscara para destacar objetos en blanco sobre un fondo negro y facilitar su detección.
Creación de un seguidor para contabilizar y rastrear objetos detectados.
Consideraciones sobre la estática de la cámara para el correcto funcionamiento del detector de objetos.
Detalles sobre la implementación del algoritmo de detección y seguimiento en un ambiente controlado.
Importancia de ajustar los parámetros del algoritmo según el entorno y las necesidades específicas.
Proceso de lectura de vídeo y configuración de la resolución para la detección de objetos.
Uso de un sustractor de fondo para mejorar la detección de objetos en movimiento.
Selección de una zona de interés y aplicación de detección en esa área específica.
Aplicación de umbrales para eliminar sombras y ruido en la detección de objetos.
Extracción de contornos y su uso para identificar objetos de interés en la zona de interés.
Filtrado de contornos por área para eliminar ruidos y detecciones falsas.
Uso de la biblioteca de CO2 y el rastreador creado para la implementación del detector y seguidor.
Proceso de seguimiento y asignación de identificación a nuevos objetos detectados.
Mostrar el resultado final del seguimiento y detección de objetos en la zona de interés.
Conclusión del tutorial y esperanza de que la información sea útil para proyectos futuros.
Transcripts
bueno gente bienvenidos ahora de más de
este canal aprende ingenian desde
ablación diego sánchez y el día de hoy
les voy a enseñar cómo podemos hacer un
detector y un seguidor de objetos en
este caso aplicado a carros y motos les
voy a dar el paso a paso de lo que deben
de hacer para que usted lo pueden
aplicar en sus proyectos para un
detector de carros en un parqueadero en
la entrada del centro comercial la
entrada junto residencial o un detector
de personas en un almacén comercial así
que no me enrollo más y comencemos con
el vídeo
bueno gente como hago normalmente
primero les voy a mostrar el
funcionamiento del programa y esto es
pasamos a toda la parte de la
programación y de cómo hacer este
algoritmo así que vamos a empezar bueno
gente aquí ya en pantalla tenemos el
algoritmo funcionando del sitio de
interés que nosotros elegimos para
detectar los carros y las motos este en
realidad es un detector y seguidor de
objetos que aplicamos a carros y motos
pero usted lo puede aplicar a humanos a
lo que ustedes necesiten si este es un
ambiente bastante descontrolado por
decirlo alguna manera porque es una
carretera de una ciudad pero si ustedes
tienen por ejemplo un parqueadero la
entrada a un centro comercial o la
entrada a un conjunto residencial pues
les va a funcionar mucho mejor porque es
ganar cuenta de que el algoritmo
funciona bastante bien que es lo primero
que debemos de tener en cuenta como
vemos en pantalla tenemos una zona
interés nosotros tenemos todo un vídeo
pero vamos a seleccionar una zona de
interés que es por donde deben de pasar
todos los carros y las motos en este
caso
ay nos da una interés lo que vamos a
hacer es extraer una máscara que lo que
hace es dejarnos el fondo negro y
nuestros objetos quedan en blanco así es
la forma en la que los detectamos una
vez los detectamos debemos de crear un
seguidor para irlos contabilizando así
que veamos el funcionamiento ahí viene
la primera moto en el primer objeto
segunda moto 23
ahí tenemos una cuarta moto tenemos el
quinto el carro que pasó sexto séptimo
el quinto es el carro que salió de la
derecha séptimo aquí tenemos un octavo
noveno décimo once como pueden ver él lo
sigue bastante bien lleva bastante bien
el conteo de nuestros carros y también
debe tener deben de tener en cuenta que
bueno es un ambiente que no está para
nada controlado si se juntan mucho los
los objetos pues pueden fallar un poco
el algoritmo así que ahorita sí vamos a
ver cómo se hace este algoritmo
bueno gente lo primero que debemos de
hacer es dirigirnos hacia el sitio dónde
queremos realizar la detección y el
seguimiento de los objetos en este caso
como queremos detectar y seguir carros
bueno vamos a dirigir a una avenida
bastante concurrida de la ciudad esto
con el fin de mostrarles que puede
funcionar este algoritmo puede funcionar
en ambientes bastantes controlados ya
que si usted lo piensa en implementar en
ambientes más controlados como pueden
ser parqueaderos entradas centros
comerciales entradas a conjuntos
residenciales pues puede funcionar mucho
mejor así que vamos a ver qué tal nos va
bueno gente ya estamos aquí en el sitio
donde vamos a captar todos los carros y
las motos y nos vamos a subir a ese
puente que está por acá con el fin de
tener una mejor vista tienen que
recordar algo muy importante y es que la
cámara tiene que estar totalmente
estática por el algoritmo no va a
funcionar así que vamos a ver qué tal
nos bajó
[Música]
a
bueno gente teniendo en cuenta todas las
recomendaciones anteriores de cómo vemos
de captar las imágenes para hacer esta
detección recuerden que la cámara de
estar totalmente quieta si no no va a
funcionar así que lo primero que vamos a
hacer es mirar estos dos archivos punto
país en uno tenemos nuestro seguidor o
rastreador y en el otro pues tenemos ya
todo implementado el detector con el
seguidor entonces importamos la librería
márquez para hacer algunas operaciones
matemáticas y creamos una clase cierto
este va a ser nuestro rastreador
seguidor como se le quieran llamar donde
pues inicialmente lo que hemos de hacer
es inicializar las variables en centro
puntos es donde vamos a almacenar las
posiciones centrales de los objetos para
que para qué vamos a almacenar las
posiciones para saber de qué ese objeto
ya lo detectamos sí eso lo vamos a ver
más adelante y lo otro es el contador de
ideas de identificación como tal
entonces el contador simplemente es el
numerito que aparece arriba del del
objeto en este caso carros y motos pues
contándole básicamente que inicializa
mos en uno porque pues no vamos a tener
un objeto número cero por decirlo alguna
manera el mayor objeto
0
así que bueno aquí empezamos con el
rastreo lo primero que hacemos es crear
una lista donde almacenamos los objetos
identificados entonces nosotros por
medio del detector le entregamos los las
coordenadas de ese objeto a este a esta
función como tal donde lo que hacemos es
obtener el punto central de ese nuevo
objeto una vez obtenemos el punto
central de ese nuevo objeto pues debemos
de mirar si este objeto ya fue detectado
que es lo que les decía concentro puntos
ahí debemos de mirar si ya fue detectado
entonces esto es muy sencillo como
pueden observar simplemente por medio de
un force pasamos por toda la lista si
pasamos por toda la lista y simplemente
miramos si el objeto fue detectado o no
detectado
entonces en caso de que ya fue detectado
pues simplemente no le vamos a asignar
un nivel nuevo una identificación una
identificación nueva es decir que no
vamos a aumentar el contador de ideas
que es este que está aquí y simplemente
vamos a dejar todo tal cual está
pero en caso de que el nuevo objeto sea
un nuevo objeto valga la redundancia sí
entonces ahí sí lo que tenemos que hacer
es aumentar nuestro contador almacenar
nuestras coordenadas en el kissinger
y asignamos uribe es básicamente lo que
tenemos aquí como eres muy básico es
cierto pero como pudieron observar
funciona bastante bien después lo que
hacemos es limpiar la lista de puntos
centrales de lucidez que ya no se están
usando porque pues esto nos consume de
recursos y eso es lo que no queremos
gente simplemente asignamos nada como
para decidir si es lo que estamos
haciendo hace asignar nada a esa lista
de objetos y de que la que tenemos aquí
a revista esta lista
digamos que la vaciamos por por decirlo
de alguna manera lo mismo con centro
puntos y lo mismo con con los new center
point ahora lo que debemos de hacer es
entregar estos objetos y de es decir
entregamos pues estas coordenadas que ya
fueron almacenadas pero que después
fueron base hadas quiere decir que
entregamos las coordenadas y las
limpiamos de una vez para que no se nos
pegue el algoritmo así que teniendo en
cuenta pues vamos a
a pasar a la parte del detector aquí en
el detector como pueden observar bueno
también es bastante básico bastante
sencillo pero se los voy a explicar muy
detalladamente para que ustedes puedan
entenderlo a la perfección
entonces importamos la librería de co2 y
también importamos el rastreador que ya
creamos esto quiere decir que a
rastreador importamos todo si esto
quiere decir este es tester hizo
entonces que lo que primero lo que lo
primero que debemos de hacer bueno lo
primero que debemos de hacer es bueno
hacer lo que viene siendo la lectura del
vídeo aquí realizamos la lectura como
tal
aquí lo que yo hago es que mi cámara
graba 1080 hoy le bajó un poquito la
resolución al vídeo para poder ser para
poder visualizar la correctamente
siempre la bajó a 1280 x 720 cierto
entonces
y lo primero que hemos de hacer crear
como un detector de objetos por eso era
tan importante que la cámara estuviese
totalmente estática porque nuestro
detector de objetos básicamente es un
súper insulto tractor de fondo que es
este que tenemos aquí entonces esta va a
ser nuestra detección nuestro sustractor
de fondo es lo que hace es dejarnos
nuestro fondo en negro y dejar el objeto
que se está moviendo en blanco entonces
que es historia history es como las
veces que se procesan ese fondo entonces
entre más alto sea pues mejor se va a
procesar ese fondo y mejor para detectar
nuestros objetos
y nuestro umbral quiere decir que entre
menor sea entre menor sea nuestro umbral
en nuestro umbral más detección más
detecciones tendremos quiere decir que
va a dejar pasar más objetos en
movimiento entonces es como si digamos
está moviendo un árbol lo va a detectar
como un objeto y eso es lo que queremos
estos valores ustedes los deben de
ajustar a sus necesidades digamos si
ustedes están en un parqueadero pues no
van a tener el árbol moviéndose digamos
que de pronto la persona pasando qué sé
yo el pajarito volando no van a tener
eso entonces digamos que pueden ajustar
estos parámetros a sus necesidades
digamos que en un parqueadero es mucho
más fácil porque tiene un ambiente mucho
más controlado aquí pueden cualquier
persona cruzar o el pajarito etcétera
etcétera entonces
teniendo esto en cuenta vamos a crear
aquí arribita nuestro objeto de
seguimiento y le vamos a llamar
seguimiento como tal entonces
simplemente frame lo que tenemos es
redimensionar lo por decirlo alguna
manera bajarle un poquito la calidad
vídeo para visualizarlo bien ahora vamos
a elegir una zona de interés para el uso
de autos se miran bueno como decir que
la zona interesa esta zona de interés se
las voy a mostrar vamos a minimizar esto
es esta que está aquí como ustedes
pueden observar esta zona de interés es
la zona donde obligatoriamente deben de
pasar todos los carros y las motos que
pasan por esta carretera que cuáles son
es esa es ésta que tenemos aquí abajito
se está aquello selección y aquí abajito
y es lo que ustedes deben de hacer
ustedes no deben de procesar toda la
imagen porque sería un desgaste muy
grande y no es necesario usted lo que
necesitan simplemente es designar esta
zona de interés básicamente estaba acá
bajito y como por aquí obligatoriamente
deben de pasar todos los objetos pues es
la zona donde vamos
a implementar nuestro seguidor y
nuestros defectos como tal entonces esto
lo hacemos es dándole las coordenadas al
a los 30 a los programas como tal
entonces damos las coordenadas de
interés a nuestra zona de interés cierto
así que a partir de aquí lo que hacemos
es crear una máscara con el fin de que
nuestros objetos sean totalmente blancos
y el fondo sea negro que pasan nuestros
extractor de fondos en los entregan el
fondo negro pero nos entrega algunos
elementos crisis en escala de grises
entonces nosotros no queremos esto
porque de pronto está pasando la sombra
de una moto entonces nada más detectar
la sombra de una moto como si fuese otro
objeto y eso es lo que queremos evitar
entonces lo que hacemos es crear una
máscara cierto bueno primero esa
detección esta detección que tenemos
aquí la vamos a aplicar a la zona
interés chicos ya partimos de que
estamos iniciando una interés es decir
estamos en este recuadro
y aquí estamos en este recuadro aquí ya
nos olvidamos de este grandote y nos
quedamos es con este a partir de ahora
este es el que tenemos que que manipular
entonces esta detección que yo les
hacíamos que del sustractor de fondo lo
vamos a aplicar a esa zona de interés
ahora qué vamos a decir vamos a aplicar
un umbral como así que un umbral cielo
es como una una línea que quiere decir
esta línea a partir de aquí hacia arriba
me lo deja blando y a partir de que hay
abajo me lo deja negro nosotros
definimos esa línea en este caso qué
línea definimos no definimos en el valor
254 es decir un poquito menos que
totalmente blanco porque porque el
detector en realidad nos entrega los
objetos blancos blancos blancos es decir
en 255 pero las sombras de ellos no las
entregan 253 252 un poquito más abajo un
poquito más grisáceo entonces queremos
eliminar todas esas sombras queremos
quedarnos con el objeto como tal
entonces de 854 para abajo
todo es negro ya todo eso es negro todo
eso hace parte del fondo y creemos es el
objeto entonces todo lo que esté para
254 lo vuelve 0 y lo que esté por encima
2 y lo vuelve 255 es decir blanco cierto
listo entonces con este umbral
eliminamos los pixeles grises y dejamos
solo los píxeles
que pertenecen a nuestros objetos que
están totalmente blancos como ustedes
pueden observar aquí todavía tenemos
algo de ruido pero donde no hiciéramos
esto tendríamos mucho más ruido muchas
más detecciones y bueno sería un
descontrol total pues ahí pueden
observar que detecta muy bien nuestros
objetos y está la máscara que yo les
estaba diciendo
pero aún así no es suficiente con eso
entonces lo que tenemos que hacer es de
esta máscara que se las voy a volver a
mostrar a esta máscara que tenemos aquí
pues bueno lo que tenemos que hacer es
extraer los contornos de ella cuáles son
los contornos pues bueno estos
muñequitos que están pasando aquí que
son nuestras motos y nuestros carros
como tal cierto entonces nuestros
contornos lo que debemos de hacer
es bueno básicamente dibujarlos sí y
como no tenemos digamos que un orden
jerárquico que queramos utilizar
entonces por eso hacemos el chain a
broxton un chip entonces en
prácticamente dibujamos esos contornos
pero como vamos a dibujar esos contornos
bueno en realidad detectamos los
contornos aquí detectamos esos contornos
y los almacenamos en contornos si
creamos una lista de detecciones que es
donde vamos a almacenar las coordenadas
de esos contornos ahora les voy a
mostrar cómo lo hacemos entonces es muy
sencillo creamos un foro donde con este
en contornos es decir donde con
pertenezca a los contornos que ya
detectamos y simplemente extraemos el
área de esos contornos si se miran bueno
porque el área de los contornos porque
como ustedes pueden observar tenemos
muchos ruidos entonces esos contornos
también valen donde no tuviésemos este
es como este filtro digámoslo de esta
manera todos estos pequeños contornos
que se muestran en pantalla y harían que
todo esto fuera detecciones todo esto
serían de flexiones entonces que
necesitamos
solamente los contornos que son muy
grandes son los que nos interesan porque
son los que pertenecen a los objetos que
se están moviendo de esa manera es que
eliminamos todos estos ruidos tan
peritos que aparecen en pantalla
entonces extraemos del área de esos
contornos como pueden observar y decimos
que el área que sea mayor a 800 eso son
los que vamos a tomar en cuenta entonces
como hacemos esto simplemente área que
sea mayor a 2 a 800
es usted lo pueden tantear con según sus
necesidades entonces si el ave es mayor
a 800 es porque estamos hablando de un
objeto grande sea una moto un carro un
camión el bus lo que sea entonces ahí
donde decimos listo ahorita así lo que
debemos de hacer es aquí en un principio
dibujamos los contornos pero no es lo
que vamos a hacer sino que extraemos lo
tiene siendo el píxel inicial los
píxeles inicial es decir el punto xy ya
que es este que está aquí y extraemos el
ancho y el alto para que nos den o
digamos que un rectángulo como tal si y
es el rectángulo pues bueno en lo que
dibujamos aquí a continuación lo que
estamos haciendo aquí dibujar ese
rectángulo una vez tengamos ese
rectángulo es porque ya tenemos definido
que es un objeto grande entonces lo
almacenamos en detección es que la lista
que creamos anteriormente con que lo
almacenamos con el la componente en x la
componente en ya que son los píxeles
iniciales el ancho y el alto como tal es
decir el pixel que está acá bajito una
vez
y hacemos eso estas detecciones lo que
hemos de hacer es entregárselo al
rastreo
cuál es el rastreo que tenemos aquí el
rastreo como pueden observar es lo que
hace recibir las coordenadas en x en el
ancho y el alto con el fin de extraer el
punto central si el punto central
entonces ya con este punto central
básicamente lo que hacemos es entregar
también el y de cómo les va a mostrar
aquí a continuación
como pueden observar aquí le entregamos
lo que viene siendo el punto equis y el
ancho y el alto y él no se entrega el y
de que en este caso como pueden observar
es el último ítem en este caso era el
objeto número 3 ahora que debemos de
tener el objeto número 2 en el más la
revista por aquí tenemos el objeto
número 2 y más arriba debemos de tener
el objeto número 1 es este que tenemos
aquí sí ahí tenemos esa información
bueno y esa información como la vamos a
interpretar pues es muy sencillo
simplemente decimos que y que debe estar
en impide le vamos a asignar lo que
viene siendo x va a ser el an el pixel
dom el pixel inicial y también los
pequeños las coordenadas del píxel
inicial el ancho y el alto pero aparte
tenemos el y de que el ide es el que
queremos
digamos que mostrar en pantalla es decir
1 2 3 4 5 6 7 8 10 ya lo tenemos
simplemente es más que se ve 2 vamos a
mostrar un texto y vamos a mostrar el
lidl
como el estrés vamos a mostrar como
sprint le vamos a dar las coordenadas le
damos que menos 15 para que se vea un
poquito más arriba creamos el puente y
listo
aquí también lo que hacemos es dibujar
nuestro nuestro rectángulo
sí entonces básicamente unos son
rectángulos pero no pasa nada funciona
bien y listo entonces aquí porque
nuestro esa información que era lo que
les decía las coordenadas en x en el
pixel inicial el ancho y el alto y por
último el líder
por último lo que hacemos aquí es
mostrar nuestra zona de interés nuestra
carretera que es el total y la máscara
cuando le demos al escape el digital 427
se va a cerrar todo nivel para cambio
les muestro
ya teniendo en cuenta todos estos
conceptos de que nuestra zona de interés
va a estar aquí si está aquí no
extracción de interés y aquí está
nuestra máscara la cual detecta esos
esos contornos grandes que ya que ya
sección amos que ya aplicamos varios
filtros para que queden solamente esos
contornos grandes y bueno a partir de
ello le entregamos esas coordenadas y
nec y se niegue a nuestro seguidor para
que él las almacene detecte su punto
central y ver si ese punto central pues
ya lo había detectado antes si no es así
pues bueno asigna un nuevo y de que en
este caso es asignarle un nuevo número
uno dos tres cuatro cinco seis siete
ocho nueve o diez y de ahí en adelante
así que nada gente espero les haya
servido mucho el vídeo espero les sirva
en sus proyectos no olviden apoyar el
canal y nos vemos en la próxima hasta
luego
chao
تصفح المزيد من مقاطع الفيديو ذات الصلة
Como crear tu propio DETECTOR DE OBJETOS en TIEMPO REAL con Python OpenCV | Template Matching
Insertar logos o textos con Rastreador de cámara 3D en After Effects
52. Programación en C++ || Ordenamientos || Ordenamiento por Selección
🔴Curso de Java #28 - Clases y Objetos en Java
1 1 ¿Qué es un algoritmo Estructuras de control Secuencia
COMO CREAR un ALGORITMO para calcular el área de un triángulo y programar en PSeInt.
5.0 / 5 (0 votes)