
Obsah:
2025 Autor: John Day | [email protected]. Naposledy změněno: 2025-01-23 14:38


V tomto Instructable provedeme detekci obličeje na Raspberry Pi 4 s Shunya O/S pomocí knihovny Shunyaface. Shunyaface je knihovna pro rozpoznávání/rozpoznávání obličejů. Cílem projektu je dosáhnout nejrychlejší rychlosti detekce a rozpoznávání s hardwarem s nízkým výkonem, aby nadšenci jako vy mohli své vysněné projekty AI oživit rychleji.
Zásoby
Raspberry Pi 4B (libovolná varianta)
Napájecí zdroj kompatibilní s Raspberry Pi 4B
8 GB nebo větší karta micro SD
Monitor
kabel micro-HDMI
Myš
Klávesnice
notebooku nebo jiném počítači naprogramovat paměťovou kartu
Krok 1: Nainstalujte si Shunya OS na Raspberry Pi 4
K vložení karty micro SD do operačního systému Shunya budete potřebovat notebook nebo počítač se čtečkou/adaptérem na karty micro SD.
Stáhněte si Shunya OS z oficiálních stránek vydání
Flashing Shunya OS on the SD-Card using the steps below here: Flashing Shunya OS on Raspberry Pi 4.
Vložte kartu micro SD do Raspberry Pi 4.
Připojte myš a klávesnici k Raspberry Pi 4.
Připojte monitor k Raspberry Pi 4 přes micro-HDMI
Připojte napájecí kabel a zapněte Raspberry Pi 4.
Raspberry Pi 4 by se měl spustit s operačním systémem Shunya.
Krok 2: Nainstalujte si Shunyaface
Shunyaface je knihovna pro rozpoznávání/rozpoznávání obličejů pro všechny desky podporované operačním systémem Shunya.
Chcete -li nainstalovat Shunyaface, musíme jej připojit k wifi
1. Připojte se k wifi pomocí příkazu:
$ sudo nmtui
2. Instalace shunyaface a cmake je snadná, spusťte následující příkazy:
$ sudo apt update
$ sudo apt install shunyaface cmake
Krok 3: Příklad kódu a výstupu


Ve výše uvedeném kódu je obrázek načten pomocí funkce imread. Tento snímek je předán funkci detekce, která vrací ohraničující rámeček na obličej a také vykresluje body na koncových bodech rtů a středu očí.
Stáhněte si kód spolu s níže uvedenými potřebnými soubory a rozbalte soubory pomocí níže uvedených příkazů:
$ tar -xvzf sample -Facedetect.tar.gz
$ cd detekce tváří v tvář
Zkompilovat to pomocí příkazu
$./setup.sh
Spusťte jej pomocí příkazu
$./build/facedetect
Zobrazí se vám obrázek s rozpoznanou tváří.
Napište vlastní kód a zkompilujte
1. Upravte soubor src/Facedetect-sample.cpp a přidejte tam svůj kód.
2. poté spusťte tento příkaz pro kompilaci a sestavení binárních souborů
$./setup.sh
3. Spusťte jej pomocí příkazu
$./build/facedetect
Závěr: Shunyaface vám může pomoci detekovat nebo rozpoznat tvář v několika řádcích kódů. Pokud se vám tento návod líbí, lajkujte, sdílejte a také označte hvězdičkou naše zde uvedené úložiště github
Doporučuje:
DIY Vanity Mirror v jednoduchých krocích (pomocí LED páskových světel): 4 kroky

DIY Vanity Mirror v jednoduchých krocích (pomocí LED páskových světel): V tomto příspěvku jsem pomocí LED pásků vyrobil DIY Vanity Mirror. Je to opravdu skvělé a musíte je také vyzkoušet
Rozpoznání tváře Smart Lock s LTE Pi HAT: 4 kroky

Rozpoznání tváře Smart Lock S LTE Pi HAT: Rozpoznávání tváře je stále více používáno, můžeme jej použít k vytvoření chytrého zámku
Rozpoznání tváře ESP32 CAM s podporou MQTT - AI-Thinker: 4 kroky

Rozpoznání tváře ESP32 CAM s podporou MQTT | AI-Thinker: Dobrý den! Chtěl bych se podělit o svůj kód projektu, kdybych potřeboval mít ESP CAM s rozpoznáváním tváře, které by mohlo odesílat data do MQTT. Takže dobře … asi po 7 hodinách hledání prostřednictvím několika příkladů kódu a hledání toho, co je co, mám finis
Rozhraní ADXL335 senzor na Raspberry Pi 4B ve 4 krocích: 4 kroky

Rozhraní ADXL335 senzor na Raspberry Pi 4B ve 4 krocích: V tomto Instructable budeme propojovat senzor ADXL335 (akcelerometr) na Raspberry Pi 4 s Shunya O/S
Rozpoznání tváře+rozpoznávání: 8 kroků (s obrázky)

Rozpoznání tváře+rozpoznávání: Toto je jednoduchý příklad spuštění detekce a rozpoznávání tváře pomocí OpenCV z kamery. POZNÁMKA: VYROBIL JSEM TENTO PROJEKT SOUTĚŽE SENZORŮ A KAMERU JSEM POUŽIL JAKO SENZOR KE SLEDOVÁNÍ A ROZPOZNÁVÁNÍ TVÁŘÍ. Náš cíl V této relaci 1. Nainstalujte Anaconda