İçeriğe geç
Tüm projeler
Düşük Seviyeli GrafiklerAçık kaynak

OpenCV & WinAPI Computer Vision Toolkit

OpenCV ve native Windows GDI API'lerini entegre ederek gerçek zamanlı bellek (device context) manipülasyonu, uzamsal nesne takibi ve otonom ML veri seti sanitasyonu sağlayan düşük seviyeli C++ hattı.

Kaynak kodu

Teknoloji yığını

Diller
Çatılar & kütüphaneler

Performans & metrikler

  • Windows HDC bellek alanlarının doğrudan OpenCV çok boyutlu dizilerine map edilmesiyle standart ekran yakalama (screen-capture) gecikmesi (latency) tamamen ortadan kaldırıldı
  • MP4 toplu işleme verimliliği, programatik frame atlama (frame-skipping) ve cascade değerlendirmesi öncesi katı gri tonlama ön-işlemesi ile optimize edildi

Neden geliştirdim?

Makine Öğrenimi tabanlı kimlik doğrulama modelleri için yüz veri setlerinin çıkarılması ve temizlenmesi ciddi bir darboğazdır. Bu bağımsız C++ aracını, ham MP4 dosyalarından ve canlı işletim sistemi video akışlarından normalize edilmiş ve doğrulanmış yüz matrislerini otomatik olarak çıkarmak için geliştirdim. Ağır GUI ekran yakalama yazılımlarını tamamen aradan çıkararak doğrudan bellek seviyesinde çalışır.

Mimari & kararlar

Mimari, OpenCV ile Windows işletim sistemini doğrudan haberleştirir. Masaüstü görüntü yakalama işlemi, BitBlt ve GetBitmapBits üzerinden native Windows GDI'a kanca atılarak (hooking) gerçekleştirilir ve ham Device Context (HDC) belleği doğrudan OpenCV cv::Mat tamponlarına (buffer) map edilir. Yüz ve özellik tespiti, CPU döngülerini minimize etmek için gri tonlamaya çevrilmiş matrisler üzerinde çalışan Haar Cascade Sınıflandırıcıları ile yürütülür. Otonom veri seti üretiminde, bozuk kareleri (ör. gözün kapalı olduğu anlar) elemek için piksel yoğunluğu ölçümü gibi sezgisel (heuristic) doğrulamalar kullanılır ve uzamsal filtrelemeler bellek üzerinde (in-place) yapılır.

Temel özellikler

  1. 01Native Windows GDI API kancaları kullanılarak sıfır gecikmeli işletim sistemi seviyesinde ekran tamponu (screen buffer) yakalama
  2. 02Sezgisel validasyon algoritmaları (ör. göz bölgesi piksel yoğunluğu eşikleme) ile otonom ML veri seti üretimi
  3. 03Canlı bellek tamponları üzerinde gerçek zamanlı şablon eşleştirme (TM_CCOEFF_NORMED) ve uzamsal işaretleme
  4. 04Gerçek zamanlı gizlilik sansürü (blur) ve Gaussian filtreleri için donanım dostu, in-place matris mutasyonları