OpenCV सीखें — कंप्यूटर विज़न की पूरी गाइड (हिंदी)

🟢 Project 1 — फेस डिटेक्शन और बेसिक फेस रिकॉग्निशन

उद्देश्य: वेबकैम से फेस डिटेक्ट करें और छोटे डेटासेट पर फेस रिकॉग्निशन लागू करें। आसान और प्रैक्टिकल — शुरुआत के लिए परफेक्ट।

स्टेप्स (संक्षेप)

1. Haar Cascade से फेस डिटेक्शन।
2. हर व्यक्ति के चेहरे के कई सैम्पल इकट्ठा करें (50–100 इमेज)।
3. LBPH या FaceNet-based embeddings से मॉडल ट्रेन करें।
4. रियल-टाइम में पहचानें और नाम दिखाएँ।

कोड — LBPH बेसिक उदाहरण

# ट्रेनिंग (सिंपल LBPH)
import cv2
import os
import numpy as np

detector = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
faces = []
labels = []
label = 0

for person_folder in os.listdir('dataset'):
    for file in os.listdir(os.path.join('dataset', person_folder)):
        img = cv2.imread(os.path.join('dataset', person_folder, file))
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        dets = detector.detectMultiScale(gray, 1.1, 4)
        for (x,y,w,h) in dets:
            faces.append(gray[y:y+h, x:x+w])
            labels.append(label)
    label += 1

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.train(faces, np.array(labels))
recognizer.save('lbph_model.yml')
      

रियल-टाइम इनफरेंस

# रीयल-टाइम पहचान
recognizer.read('lbph_model.yml')
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    dets = detector.detectMultiScale(gray, 1.1, 4)
    for (x,y,w,h) in dets:
        face = gray[y:y+h, x:x+w]
        id_, conf = recognizer.predict(face)
        if conf < 60:
            name = "Person_"+str(id_)
        else:
            name = "Unknown"
        cv2.putText(frame, name, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0,255,0), 2)
        cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,0), 2)
    cv2.imshow('Face Recognition', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()
      

🔵 Project 2 — ऑब्जेक्ट काउंटर (लोअर-कम्प्लेक्स स्टोरी)

उद्देश्य: वीडियो या स्ट्रीम में से किसी क्षेत्र से गुजरने वाली वस्तुओं (जैसे लोग/कार) को काउंट करना। उपयोगी स्टोर एनालिटिक्स और ट्रैफिक काउंटिंग के लिए।

लॉजिक (सरल)

1. बैकग्राउंड सब्ट्रैक्शन (MOG2) से मूविंग ऑब्जेक्ट निकालें।
2. कंटूर निकालकर फ़िल्टर (area threshold) करें।
3. एक काउंटिंग ज़ोन (लाइन/रिजन) बनाएं और crossing events गिनें।

कोड — बेसिक काउंटर

import cv2

cap = cv2.VideoCapture('video.mp4')
fgbg = cv2.createBackgroundSubtractorMOG2(history=500, varThreshold=50)
count = 0
line_y = 300  # उदाहरण के लिए

while True:
    ret, frame = cap.read()
    if not ret:
        break
    fgmask = fgbg.apply(frame)
    _, thresh = cv2.threshold(fgmask, 244, 255, cv2.THRESH_BINARY)
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 1200:
            x,y,w,h = cv2.boundingRect(cnt)
            cx = x + w//2
            cy = y + h//2
            # अगर सेंटर line को cross करे तो count बढ़ाएँ (सरल लॉजिक)
            if cy < line_y + 5 and cy > line_y - 5:
                count += 1
            cv2.rectangle(frame, (x,y), (x+w, y+h), (255,0,0), 2)
    cv2.line(frame, (0,line_y), (frame.shape[1], line_y), (0,255,0), 2)
    cv2.putText(frame, f'Count: {count}', (10,30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255,255), 2)
    cv2.imshow('Counter', frame)
    if cv2.waitKey(30) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()
      

🔴 Project 3 — AR Overlay (Marker-based या Feature Homography)

उद्देश्य: किसी रियल-वर्ल्ड मार्कर/इमेज पर डिजिटल ऑब्जेक्ट (जैसे लोगो, 3D overlay) रेंडर करना। यह AR-प्रोजेक्ट छोटे पोर्टफोलियो के लिए शानदार है।

सरल तरीका (ORB + Homography)

import cv2
import numpy as np

# रिफरेंस इमेज (marker) और ओवरले इमेज लोड करें
marker = cv2.imread('marker.jpg', 0)
overlay = cv2.imread('overlay.png')

orb = cv2.ORB_create()
kp1, des1 = orb.detectAndCompute(marker, None)

cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    kp2, des2 = orb.detectAndCompute(gray, None)
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    if des2 is None:
        cv2.imshow('AR', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
        continue
    matches = bf.match(des1, des2)
    matches = sorted(matches, key=lambda x: x.distance)[:30]
    if len(matches) > 10:
        src_pts = np.float32([kp1[m.queryIdx].pt for m in matches]).reshape(-1,1,2)
        dst_pts = np.float32([kp2[m.trainIdx].pt for m in matches]).reshape(-1,1,2)
        M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0)
        h,w = marker.shape
        pts = np.float32([[0,0],[0,h],[w,h],[w,0]]).reshape(-1,1,2)
        dst = cv2.perspectiveTransform(pts, M)
        # overlay को warp करें और frame पर blend करें (सिंपल तरीका)
        warp = cv2.warpPerspective(overlay, M, (frame.shape[1], frame.shape[0]))
        mask_overlay = (warp.sum(axis=2) > 0).astype(np.uint8)*255
        inv_mask = cv2.bitwise_not(mask_overlay)
        bg = cv2.bitwise_and(frame, frame, mask=inv_mask)
        fg = cv2.bitwise_and(warp, warp, mask=mask_overlay)
        frame = cv2.add(bg, fg)
    cv2.imshow('AR Overlay', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()