اكتشاف صور الحدود البشرية باستخدام خوارزمية هار كاسكيد - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

بعد ذلك، يجب تغيير الصورة إلى التدرج الرمادي حيث أن خوارزمية الاكتشاف تستلزم ذلك، مع وجوب تخزينها أولاً ككائن صورة ووجوب الجمع بين قنوات ألوانها الثلاثة. وهنا يجب دمج قنوات الألوان وتخزينها باستخدام الدالة (merge) في تسلسل عكسي؛ أي أن يكون تسلسل الألوان (أزرق، أخضر، أحمر) بدلاً من (أحمر، أخضر، أزرق)، وأن يكون تسلسلها الرقمي (2، 1، 0) بدلاً من (0، 1، 2) على الترتيب.

# creates RGB image from merged channels img = Image.new('RGB', (400, 240)) img = cv2.merge((cameraImg[2], cameraImg[1], cameraImg[0]))

وأخيرًا، يتم تحويل الصورة إلى التدرج الرمادي باستخدام الدالة () cvtColor التي تستخدم مُعامل COLOR_BGR2GRAY لتغيير الألوان من الأزرق والأخضر والأحمر إلى التدرج الرمادي.

# converts image to grayscale gray = cv2.cvtColor(np.uint8(img), cv2.COLOR_BGR2GRAY)

اكتشاف صور الحدود البشرية Human Silhouette Detection

لكي تكتشف الصورة، عليك أن تستخدم مصنف هار كاسكيد (Haar Cascade Classifier)، وهو خوارزمية لاكتشاف الكائنات تعتمد على تعلم الآلة. وتُستخدم لتحديد الكائنات في الصور أو مقاطع الفيديو. ولاستخدام هذا المصنف تحتاج أن تدرب نموذج تعلم الآلة على مجموعة من الصور التي تحتوي على الكائن الذي تريد البحث عنه، وعلى صور أخرى لا تحتوي على هذا الكائن. حيث تقوم الخوارزمية بالبحث عن أنماط معينة في الصور لتحديد مكان الكائن. وفي العادة تُستخدم هذه الخوارزمية للعثور على أشياء محددة مثل: الوجوه، أو أشخاص يسيرون في مقطع فيديو. ومع ذلك قد لا تعمل هذه الخوارزمية بشكل جيد في بعض المواقف التي يكون فيها الكائن محجوبًا جزئيًا أو كليًا أو معرضًا لإضاءة منخفضة. تم تدريب المصنف في مشروعك تدريبًا خاصًا على اكتشاف البشر، وعليك أن تستخدم ملف haarcascade_fullbody.xml الذي ستزود به، وهو نموذج تعلم آلة مدرب مسبقًا ويشكل جزءًا من مكتبة أوبن سي في (OpenCV). ويقدم كمعامل لكائن () CascadeClassifier. ثم تستخدم الدالة () detectMultiScale للقيام بعملية الاكتشاف.

# loads and applies the Haar cascade classifier to detect humans in image human_cascade = cv2.CascadeClassifier('haarcascade_fullbody.xml') humans = human_cascade.detectMultiScale(gray)

وزارة التعليم Ministry of Education 331 2025 - 1447

بعد ذلك، يجب تغيير الصورة إلى التدرج الرمادي حيث أن خوارزمية الاكتشاف تستلزم ذلك، مع وجوب تخزينها أولاً ككائن صورة ووجوب الجمع بين قنوات ألوانها الثلاثة. وهنا يجب دمج قنوات الألوان وتخزينها باستخدام الدالة (merge) في تسلسل عكسي؛ أي أن يكون تسلسل الألوان (أزرق، أخضر، أحمر) بدلاً من (أحمر، أخضر، أزرق)، وأن يكون تسلسلها الرقمي (2، 1، 0) بدلاً من (0، 1، 2) على الترتيب.# creates RGB image from merged channels img = Image.new('RGB', (400, 240)) img = cv2.merge((cameraImg[2], cameraImg[1], cameraImg[0]))وأخيرًا، يتم تحويل الصورة إلى التدرج الرمادي باستخدام الدالة () cvtColor التي تستخدم مُعامل COLOR_BGR2GRAY لتغيير الألوان من الأزرق والأخضر والأحمر إلى التدرج الرمادي.# converts image to grayscale gray = cv2.cvtColor(np.uint8(img), cv2.COLOR_BGR2GRAY)اكتشاف صور الحدود البشرية Human Silhouette Detectionلكي تكتشف الصورة، عليك أن تستخدم مصنف هار كاسكيد (Haar Cascade Classifier)، وهو خوارزمية لاكتشاف الكائنات تعتمد على تعلم الآلة. وتُستخدم لتحديد الكائنات في الصور أو مقاطع الفيديو. ولاستخدام هذا المصنف تحتاج أن تدرب نموذج تعلم الآلة على مجموعة من الصور التي تحتوي على الكائن الذي تريد البحث عنه، وعلى صور أخرى لا تحتوي على هذا الكائن. حيث تقوم الخوارزمية بالبحث عن أنماط معينة في الصور لتحديد مكان الكائن. وفي العادة تُستخدم هذه الخوارزمية للعثور على أشياء محددة مثل: الوجوه، أو أشخاص يسيرون في مقطع فيديو. ومع ذلك قد لا تعمل هذه الخوارزمية بشكل جيد في بعض المواقف التي يكون فيها الكائن محجوبًا جزئيًا أو كليًا أو معرضًا لإضاءة منخفضة. تم تدريب المصنف في مشروعك تدريبًا خاصًا على اكتشاف البشر، وعليك أن تستخدم ملف haarcascade_fullbody.xml الذي ستزود به، وهو نموذج تعلم آلة مدرب مسبقًا ويشكل جزءًا من مكتبة أوبن سي في (OpenCV). ويقدم كمعامل لكائن () CascadeClassifier. ثم تستخدم الدالة () detectMultiScale للقيام بعملية الاكتشاف.# loads and applies the Haar cascade classifier to detect humans in image human_cascade = cv2.CascadeClassifier('haarcascade_fullbody.xml') humans = human_cascade.detectMultiScale(gray)2025 - 1447--- VISUAL CONTEXT --- **FIGURE**: شكل 6.19: مثال على اكتشاف صور الحدود البشرية Description: A figure showing two images side-by-side. The right image is labeled 'الصورة الأصلية' (The Original Image) and depicts a 3D rendered person standing on a textured ground, casting a shadow. The person is wearing a green shirt and blue pants. The left image is labeled 'صورة الحدود المستخرجة' (The Extracted Silhouette Image) and shows a white silhouette of the same person against a solid black background, representing the detected human outline. Context: This visual element demonstrates the practical outcome of applying the Haar Cascade Classifier for human silhouette detection, as described in the accompanying text and code examples. It visually contrasts the original input image with the processed output, highlighting the extracted human boundary.