Obsah:
- Zásoby
- Krok 1: Nainstalujte si Shunya OS na Raspberry Pi 4
- Krok 2: Nastavení a připojení
- Krok 3: Nainstalujte si Shunyaface (knihovna detekce/rozpoznávání obličejů)
- Krok 4: Stáhněte si kód
- Krok 5: Sestavte kód
- Krok 6: Spusťte kód
Video: Real Time Face Detection on the RaspberryPi-4: 6 Steps (with Pictures)
2024 Autor: John Day | [email protected]. Naposledy změněno: 2024-01-30 08:21
V tomto Instructable budeme provádět detekci obličeje v reálném čase na Raspberry Pi 4 s Shunya O/S pomocí knihovny Shunyaface. Pomocí tohoto tutoriálu můžete na RaspberryPi-4 dosáhnout detekční snímkové frekvence 15-17.
Zásoby
1. Raspberry Pi 4B (libovolná varianta)
2. Napájecí zdroj kompatibilní s Raspberry Pi 4B
3. 8 GB nebo větší karta micro SD
4. Monitor
5. Kabel micro-HDMI
6. Myš
7. Klávesnice
8. notebook nebo jiný počítač (nejlépe Ubuntu-16.04) pro programování paměťové karty
9. Webová kamera USB
Krok 1: Nainstalujte si Shunya OS na Raspberry Pi 4
K načtení karty micro SD s operačním systémem Shunya budete potřebovat notebook nebo počítač (nejlépe s Ubuntu-16.04) a čtečku/adaptér karty micro SD.
1) Stáhněte si Shunya OS z oficiálního vydání
2) Flash Shunya OS na SD kartě pomocí níže uvedených kroků:
i) Klepněte pravým tlačítkem myši na stažený soubor zip a zde vyberte možnost Extrahovat
ii) Jakmile je obrázek rozbalen, dvakrát klikněte na složku rozbaleného obrázku, ve které najdete obrázek a informace o vydání
iii) Klikněte pravým tlačítkem na obrázek (soubor.img)
iv) Vyberte Otevřít pomocí -> Zapisovač diskových obrazů
v) Jako čtečku karet SD vyberte cíl
vi) Zadejte své heslo
Tím začne blikat SD karta. Buďte trpěliví a počkejte, až karta Sd úplně zabliká (100%)
Krok 2: Nastavení a připojení
Jak je znázorněno na obrázku výše, musíte udělat následující věci:
1) Vložte kartu micro SD do Raspberry Pi 4.
2) Připojte myš a klávesnici k Raspberry Pi 4.
3) Připojte monitor k Raspberry Pi 4 přes micro-HDMI
4) Připojte webovou kameru USB k Raspberry Pi 4
5) Připojte napájecí kabel a zapněte Raspberry Pi 4.
Tím se spustí operační systém Shunya na RaspberryPi-4. První spuštění může chvíli trvat, protože souborový systém změní velikost, aby obsadil celou kartu SD. Po spuštění operačního systému byste měli vidět přihlašovací obrazovku. Zde jsou přihlašovací údaje:
Uživatelské jméno: shunya
Heslo: shunya
Krok 3: Nainstalujte si Shunyaface (knihovna detekce/rozpoznávání obličejů)
K instalaci Shunyaface potřebujeme připojit RaspberryPi-4 k síti LAN nebo WiFi
1. Pro připojení RPI-4 k wifi použijte následující příkaz:
$ sudo nmtui
2. Chcete -li nainstalovat shunyaface a cmake (závislost) pro kompilaci kódů a git (pro stažení aktuálního kódu), zadejte následující příkaz:
$ sudo opkg update && sudo opkg install shunyaface cmake git
Poznámka: Instalace může trvat přibližně 5-6 minut v závislosti na rychlosti vašeho internetu
Krok 4: Stáhněte si kód
Kód je k dispozici na github. Můžete si jej stáhnout pomocí následujícího příkazu:
$ git klon
Vysvětlení kódu:
Daný kód zachycuje snímky nepřetržitě pomocí funkce VideoCapture Opencv. Tyto rámce jsou dány detekční funkci Shunyaface, která zase vrací rámce s ohraničujícím rámečkem vykresleným na obličeji a tečkami vykreslenými na očích, nosu a koncových bodech rtů. Pro ukončení kódu stiskněte tlačítko „q“. Po stisknutí „q“se na terminálu zobrazí výstupní FPS.
Krok 5: Sestavte kód
K kompilaci kódu použijte následující příkaz:
$ cd příklady/příklad tváří v tvář
$./setup.sh
Krok 6: Spusťte kód
Jakmile jste zkompilovali kód, můžete jej spustit pomocí příkazu.
$./build/facedetect
Nyní byste měli vidět otevřené okno. Kdykoli je obličej před kamerou, vykreslí ohraničující rámeček a bude viditelný pro uživatele v okně, které se otevřelo.
Gratulujeme. Nyní jste na RaspberryPi-4 pomocí hloubkového učení úspěšně dokončili rozpoznávání obličeje v době čtení. Pokud se vám tento návod líbí, lajkujte, sdílejte tutoriál a označte hvězdičkou naše zde uvedené úložiště github.
Doporučuje:
MATLAB Easy Face Detection: 4 kroky
MATLAB Easy Face Detection: Hlavním cílem této instruktáže je ukázat, jak snadné bude zpracování obrazu. S pomocí MATLABFace byla detekce a sledování obličeje důležitým a aktivním výzkumným oborem, proto se chystám vysvětlit jak se to dá dělat
Combat Drones Quadcopters aka a Real Dogfight Experience: 8 Steps (with Pictures)
Combat Drones Quadcopters aka a Real Dogfight Experience: Vítejte v mém " ible " #37 Musíme přiznat, že současné bitevní drony na trhu jsou trochu nepořádné. Je velmi těžké pochopit, kdo vyhrává a kdo prohrává. Když spadne jeden dron, následuje druhý (naráží do sebe
Real-time Face Recognition: an End-to-end Project: 8 Steps (with Pictures)
Real-time Face Recognition: an End-to-end Project: Na mém posledním tutoriálu zkoumajícím OpenCV jsme se naučili AUTOMATICKÉ SLEDOVÁNÍ OBJEKTU VISION. Nyní použijeme náš PiCam k rozpoznávání tváří v reálném čase, jak můžete vidět níže: Tento projekt byl proveden s touto fantastickou „Open Source knihovnou počítačového vidění“a
Time Lapse Dolly: 3 Steps (with Pictures)
Time Lapse Dolly: Pokud jste vždy snili o vytváření vlastních pohybových časosběrných videí, ale postrádali nekonečné finanční prostředky na nákup časosběrných zařízení a nebyli skvělí s elektronikou nebo programováním, pak je to Instructable pro vás. Můj cíl s tímto a všemi mými instructabl
Time Warp: 4 Steps (with Pictures)
Time Warp: Toto je kryt náboje Cadillac z roku 1962, který jsem pomocí hodinové sady a některých nástrojů převedl na pracovní hodiny