Obsah:
- Krok 1: Získejte klíč API
- Krok 2: Shromážděte svůj hardware
- Krok 3: Pájejte displej LCD dohromady
- Krok 4: Stáhněte si NOOBS pro svůj Raspberry Pi
- Krok 5: Začínáme s Picamerou
- Krok 6: Vyhledejte port kamery a připojte kameru
- Krok 7: Otevřete konfigurační nástroj Raspberry Pi z hlavní nabídky
- Krok 8: Zajistěte, aby byl povolen software fotoaparátu
- Krok 9: Náhled kamery
- Krok 10: Statické obrázky
- Krok 11: Vaše kamera funguje
- Krok 12: Vezměte si sestavenou sadu LCD a otestujte ji
- Krok 13: Získejte kód a nainstalujte jej na své vlastní zařízení
- Krok 14: Vyfoťte se
- Krok 15: Hotovo
Video: Vizuální detekce objektů pomocí kamery (TfCD): 15 kroků (s obrázky)
2024 Autor: John Day | [email protected]. Naposledy změněno: 2024-01-30 08:24
Kognitivní služby, které dokážou rozpoznat emoce, tváře lidí nebo jednoduché objekty, jsou v současné době stále v rané fázi vývoje, ale díky strojovému učení se tato technologie stále více rozvíjí. Můžeme očekávat, že v budoucnu uvidíme více této magie.
Pro projekt TU Delft pro TfCD jsme se rozhodli použít kognitivní služby vidění poskytované společností Microsoft k ukázce, jak provést analýzu rozpoznávání zraku na fotografiích. (Viz video).
POZNÁMKA!
Elektronika a kód fungují správně, ale internetové připojení v TU Delft bylo vypnuté, takže nemáme správné video. Správnou nahrajeme později! Děkuji za pochopení!
Krok 1: Získejte klíč API
Nejprve přejděte na web Azure cognitive services a získejte klíč API Computer Vision z webu Microsoft. Odkaz je níže:
EXTRA: Pokud si chcete vyzkoušet API, abyste si užili trochu zábavy, získejte také klíč pro rozpoznávání tváří a rozpoznávání emocí. Stáhněte si Visual Studios (komunitní verze je v pořádku) a také si stáhněte kód z github a vložte ho do Visual Studios.
Visual Studios:
Github:
Krok 2: Shromážděte svůj hardware
Začněte s kamerovým modulem Raspberry Pi pomocí Pythonu a picamery. Budete pořizovat statické snímky, nahrávat video a používat obrazové efekty. Na začátek budete potřebovat:
- Raspberry Pi, Camera Board V2, 8MP
- Raspberry Pi 3, model B, 1 GB RAM pro kódování
- LCD Adafruit 16x2 znaků
- Myš na odkaz na Raspberry Pi
- Klávesnice pro propojení s Raspberry Pi
- Monitor pro připojení k Raspberry Pi
- Ethernetový kabel pro připojení Raspberry Pi k webu
- Notebook pro vstup
- Pájecí sada pro pájení LCD
Krok 3: Pájejte displej LCD dohromady
Použijte web Adafruit k řádnému pájení displeje LCD. Odkaz je níže:
learn.adafruit.com/adafruit-16x2-character…
Krok 4: Stáhněte si NOOBS pro svůj Raspberry Pi
Stáhněte si Raspbian a spusťte Raspberry Pi!
www.raspberrypi.org/downloads/noobs/
Podívejte se na svůj Raspberry Pi jako na malý počítač. Potřebuje monitor, myš, klávesnici a internet. Připojte je k Raspberry Pi.
Krok 5: Začínáme s Picamerou
Modul fotoaparátu je skvělým příslušenstvím pro Raspberry Pi a umožňuje uživatelům pořizovat statické snímky a nahrávat video ve Full HD. Nejprve, když je Pi vypnuto, budete muset připojit kamerový modul k portu kamery Raspberry Pi, poté spustit Pi a zajistit, aby byl software povolen. Další kroky sledujte podle obrázků!
Krok 6: Vyhledejte port kamery a připojte kameru
Krok 7: Otevřete konfigurační nástroj Raspberry Pi z hlavní nabídky
Krok 8: Zajistěte, aby byl povolen software fotoaparátu
Krok 9: Náhled kamery
Nyní je váš fotoaparát připojen a software je povolen, můžete začít vyzkoušením náhledu fotoaparátu.
- Otevřete Python 3 z hlavní nabídky
- Otevřete nový soubor a uložte jej jako camera.py. Je důležité, abyste jej neuložili jako picamera.py.
- Zadejte následující kód:
- z picamery import PiCamera
- z časového importu spánku
- kamera = PiCamera ()
- camera.start_preview () spánek (10) camera.stop_preview ()
- Uložte pomocí Ctrl + S a spusťte pomocí F5. Náhled kamery by se měl zobrazit na 10 sekund a poté zavřít. Pohybem kamery zobrazíte náhled toho, co kamera vidí.
- Živý náhled kamery by měl zaplnit obrazovku
Krok 10: Statické obrázky
Nejběžnějším použitím modulu kamery je pořizování fotografií.
Upravte svůj kód, abyste omezili spánek a přidali řádek Camera.capture ():
camera.start_preview ()
spát (5)
camera.capture ('/home/pi/Desktop/image.jpg')
camera.stop_preview ()
- Spusťte kód a před pořízením statického obrázku se na 5 sekund otevře náhled kamery. Při pořizování obrázku uvidíte, jak se náhled na okamžik upraví na jiné rozlišení.
- Svou fotku uvidíte na ploše. Poklepáním na ikonu souboru jej otevřete.
Krok 11: Vaše kamera funguje
ANO! Další krok!
Krok 12: Vezměte si sestavenou sadu LCD a otestujte ji
Aktivujte LCD pomocí následujících kroků:
Konfigurace LCD
A.
Instalace LCD a testování, zda je LCD správně připájen!
b.
Krok 13: Získejte kód a nainstalujte jej na své vlastní zařízení
Získejte kód z github:
POZNÁMKA: Zdá se, že kód v Tronny nefunguje dobře. Ke spuštění kódu použijte Terminál Raspbian. Umístěte kód (ComputerVision.py) na mapu: home/pi/Adafruit_Python_CharLCD/examples (Z nějakého důvodu to funguje pouze tímto způsobem, jiné metody způsobí pouze nevysvětlitelné chyby)
Otevřete terminál a zadejte:
cd Adafruit_Python_CharLCD/příklady
./ComputerVision.py
Krok 14: Vyfoťte se
Doporučuje:
Detekce objektů pomocí desek Sipeed MaiX (Kendryte K210): 6 kroků
Detekce objektů pomocí desek Sipeed MaiX (Kendryte K210): Jako pokračování mého předchozího článku o rozpoznávání obrazu pomocí karet Sipeed MaiX Boards jsem se rozhodl napsat další tutoriál zaměřený na detekci objektů. S čipem Kendryte K210 se nedávno objevil zajímavý hardware, včetně S
Detekce objektů Raspberry Pi: 7 kroků
Detekce objektů Raspberry Pi: Tato příručka poskytuje podrobné pokyny, jak nastavit API pro detekci objektů TensorFlow na Raspberry Pi. Podle kroků v této příručce budete moci pomocí svého Raspberry Pi provádět detekci objektů na živém videu z P
Posuvník kamery pro sledování objektu s rotační osou. 3D vytištěno a postaveno na ovladači stejnosměrného motoru RoboClaw a Arduino: 5 kroků (s obrázky)
Posuvník kamery pro sledování objektu s rotační osou. 3D vytištěno a postaveno na RoboClaw DC Motor Controller & Arduino: Tento projekt je jedním z mých oblíbených projektů, protože jsem spojil svůj zájem o tvorbu videa s DIY. Vždy jsem se díval a chtěl jsem napodobit ty filmové záběry ve filmech, kde se kamera pohybuje po obrazovce při posouvání, aby sledovala
Detekce objektů W/ Dragonboard 410c nebo 820c pomocí OpenCV a Tensorflow .: 4 kroky
Object Detection W/ Dragonboard 410c or 820c using OpenCV and Tensorflow .: This instructables describes how to install OpenCV, Tensorflow, and machine learning frameworks for Python 3.5 to run the Object Detection
Analyzátor dopravního obrazce pomocí detekce živých objektů: 11 kroků (s obrázky)
Analyzátor dopravního vzorce využívající detekci živých objektů: V dnešním světě jsou semafory nezbytné pro bezpečnou cestu. Semafor však může být mnohdy nepříjemný v situacích, kdy se někdo blíží ke světlu právě ve chvíli, kdy se mění na červenou. To ztrácí čas, zvláště pokud je světlo pr