2.1.1 Алгоритм работы модуля анализа данных
Алгоритм работы модуля анализа данных представлен на рисунке 2.2.
Рисунок 2.2 – Алгоритм работы модуля анализа данных
Классификатор – это набор правил, по которым модуль анализа данных анализирует полученную при считывании изображения информацию.
На данной схеме показана информация о классификаторе и его размерах, об используемом уровне, предшественнике, или родителе данного уровня, следующем уровне, или последователе, выстраиваемом дереве и его корневом узле с параметрами. Далее выстраивается информация о самих признаках в узлах этого дерева, которые задаются прямоугольниками с параметрами с определенным углом наклона.
Для того чтобы «обучить» классификатор, потребуется:
Подготовка средства разработки, подключение библиотеки OpenCV.
Подготовка данных. Для использования пригодны:
тестовые наборы «позитивных» и «негативных» изображений. «позитивные» изображения содержат объект интереса (лицо, рот, нос и так далее), «негативные» изображения содержат только фон. Для того, чтобы тренировать классификатор, нужны большие наборы изображений «позитивных», и большие наборы изображений «негативных», грубо говоря, искомый объект и его фон. Важно, чтобы наборы были одного размера, так как происходит склейка и указываются те координаты, где находится объект, то есть те координаты, которые запоминает классификатор, и тем самым обучается. При склейке получается новый набор изображений;
vec-файл, легко дополняемый, содержащий те же наборы изображений, только в уменьшенном размере;
базы уже готовых изображений. К примеру, база данных FERET, используемая разработчиками OpenCV;
Обрезка позитивных изображений до искомой части, склеивание в ряд.
Подготовка натуральных тестовых изображений в виде «интересующий объект на фоне».
Выделение на данном наборе натуральных тестовых изображений областей интереса, по сути, установка координат того места, где расположен интересующий объект.
Сохранение в новый набор данных.
Создание образцов (обучающих выборок).
Обучение. На данной стадии:
Обучение классификатора Хаара;
Создание XML-файла.
2.3 Разработка алгоритма обучения класификатора
Алгоритм работы программы представлен на рисунке 2.3.
Рисунок 2.3 – Алгоритм работы программного средства
При запуске AutoService.exe происходит формирование набора изображений для обучения каскада классификаторов. Когда набор данных сформируется, происходит создание обучающей выборки, в противном случае программа выдаст ошибку: «Загрузите изображение фона и объекта правильных размеров».
По завершении формирования тренировочной выборки происходит тренировка каскада классификаторов. После завершения обучения каскада классификаторов происходит загрузка исследуемой фотографии, и, если размер фотографии удовлетворяет условиям, произойдет создание маски (рабочей копии изображения). В противном случае будет выполнено автоматическое изменение размеров фотографии.
После создания маски (рабочей копии изображения) осуществляется поиск лиц на фотографии по принципу «скользящего окна».
2.4 Выводы
Алгоритм работы разрабатываемого программного средства построен с учетом особенностей языка программирования Embarcadero Delphi XE2 Professional.
Предлагаемые структурные связи полностью обеспечивают оптимальную организацию добавления, редактирования, удаления, поиска, фильтрации информации, планирования и распределения работ по мастерам, подбора комплектующих деталей автомобиля по электронному каталогу, что позволяет в полной мере использовать все особенности выбранного языка программирования и удовлетворить все потребности заказчика.
3 Технологический раздел