Sadržaj:
- Pribor
- Korak 1: Instalirajte Shunya OS na Raspberry Pi 4
- Korak 2: Postavljanje i veze
- Korak 3: Instalirajte Shunyaface (biblioteka za otkrivanje/prepoznavanje lica)
- Korak 4: Preuzmite kôd
- 5. korak: sastavite kôd
- Korak 6: Pokrenite kôd
Video: Prepoznavanje lica u stvarnom vremenu na RaspberryPi-4: 6 koraka (sa slikama)
2024 Autor: John Day | [email protected]. Zadnja promjena: 2024-01-30 09:35
U ovom Instructableu izvršit ćemo detekciju lica u stvarnom vremenu na Raspberry Pi 4 sa Shunya O/S koristeći knjižnicu Shunyaface. Slijedom ovog vodiča možete postići brzinu snimanja od 15 do 17 na RaspberryPi-4.
Pribor
1. Raspberry Pi 4B (bilo koja varijanta)
2. Napajanje kompatibilno s Raspberry Pi 4B
3. 8GB ili veća mikro SD kartica
4. Monitor
5. mikro-HDMI kabel
6. Miš
7. Tipkovnica
8. prijenosno računalo ili drugo računalo (po mogućnosti Ubuntu-16.04) za programiranje memorijske kartice
9. USB web kamera
Korak 1: Instalirajte Shunya OS na Raspberry Pi 4
Trebat će vam prijenosno računalo ili računalo (po mogućnosti s Ubuntu-16.04) i čitač/adapter za mikro SD karticu za učitavanje mikro SD kartice sa OS Shunya.
1) Preuzmite Shunya OS sa službene web stranice za izdanje
2) Flash Shunya OS na SD-kartici pomoću dolje navedenih koraka:
i) Desnom tipkom miša kliknite preuzetu zip datoteku i odaberite Izdvoji ovdje
ii) Nakon što je slika otpakirana, dvaput kliknite na mapu otpakirane slike u kojoj ćete pronaći sliku i podatke o izdanju
iii) Desni klik na sliku (.img datoteka)
iv) Odaberite Otvori pomoću -> Zapisnik slike diska
v) Odaberite Odredište kao čitač SD kartica
vi) Unesite svoju lozinku
Ovo će početi bljeskati SD-karticu. Budite strpljivi i pričekajte da se Sd kartica potpuno bljeska (100%)
Korak 2: Postavljanje i veze
Kao što je prikazano na gornjoj slici, morate učiniti sljedeće:
1) Umetnite mikro SD karticu u Raspberry Pi 4.
2) Spojite miš i tipkovnicu na Raspberry Pi 4.
3) Spojite monitor na Raspberry Pi 4 putem mikro-HDMI-a
4) Spojite USB web kameru na Raspberry Pi 4
5) Priključite kabel za napajanje i uključite Raspberry Pi 4.
Ovo će pokrenuti Shunya OS na RaspberryPi-4. Prvo pokretanje moglo bi potrajati dok se veličina datotečnog sustava promijeni kako bi zauzela cijelu SD karticu. Nakon pokretanja OS -a trebali biste vidjeti zaslon za prijavu. Evo detalja za prijavu:
Korisničko ime: shunya
Lozinka: shunya
Korak 3: Instalirajte Shunyaface (biblioteka za otkrivanje/prepoznavanje lica)
Da bismo instalirali Shunyaface, moramo povezati RaspberryPi-4 na LAN ili wifi
1. Za povezivanje RPI-4 na wifi koristite sljedeću naredbu:
$ sudo nmtui
2. Da biste instalirali shunyaface i cmake (ovisnost) za sastavljanje kodova i git (za preuzimanje stvarnog koda), unesite sljedeću naredbu:
$ sudo opkg update && sudo opkg install shunyaface cmake git
Napomena: Instalacija može potrajati oko 5-6 minuta, ovisno o brzini interneta
Korak 4: Preuzmite kôd
Kod je dostupan na githubu. Možete ga preuzeti pomoću sljedeće naredbe:
klon $ git
Objašnjenje koda:
Dati kod kontinuirano snima okvire pomoću Opencv -ove funkcije VideoCapture. Ovi okviri su dodijeljeni funkciji otkrivanja Shunyafacea koja zauzvrat vraća okvire s ograničavajućom kutijom iscrtanom na licu i točkicama iscrtanim na očima, nosu i završnim točkama usana. Za prekid koda pritisnite gumb "q". Nakon pritiska na "q", izlaz FPS se prikazuje na terminalu.
5. korak: sastavite kôd
Za sastavljanje koda upotrijebite sljedeću naredbu:
$ cd primjeri/example-facedetect
$./setup.sh
Korak 6: Pokrenite kôd
Nakon što ste sastavili kôd, možete ga pokrenuti pomoću naredbe.
$./build/facedetect
Sada biste trebali vidjeti otvoren prozor. Kad god je lice ispred kamere, iscrtat će graničnu kućicu i biti će vidljivo korisniku u prozoru koji se otvorio.
Čestitamo. Sada ste uspješno završili otkrivanje lica za vrijeme čitanja na RaspberryPi-4 pomoću dubokog učenja. Ako vam se sviđa ovaj vodič, lajkujte ga, podijelite ga i označite zvjezdicom naše github spremište dato ovdje.
Preporučeni:
Prepoznavanje uređaja u stvarnom vremenu pomoću EM otisaka: 6 koraka
Prepoznavanje uređaja u stvarnom vremenu pomoću EM otisaka: Ovaj je uređaj namijenjen klasifikaciji različitih elektroničkih uređaja prema njihovim EM signalima. Za različite uređaje, oni emitiraju različite EM signale. Razvili smo IoT rješenje za identifikaciju elektroničkih uređaja pomoću čestica
Otkrivanje lica, obuka i prepoznavanje Opencv lica: 3 koraka
Otkrivanje lica, obuka i prepoznavanje lica Opencv: OpenCV je knjižnica računalnog vida otvorenog koda koja je vrlo popularna za obavljanje osnovnih zadataka obrade slike, kao što su zamućivanje, miješanje slika, poboljšanje slike, kao i kvaliteta videa, određivanje praga itd. Osim obrade slike, to je prov
Maska za promjenu lica za promjenu lica - Budite bilo što: 14 koraka (sa slikama)
Maska za promjenu lica za promjenu lica - Budite bilo što: Što radite kada ne možete odlučiti što želite biti za Noć vještica? Budi sve. Maska za projekciju sastoji se od bijele 3D tiskane maske, pi od maline, malog projektora i baterije. Sposoban je projicirati sve i svašta
Prepoznavanje lica u stvarnom vremenu: projekt s kraja na kraj: 8 koraka (sa slikama)
Prepoznavanje lica u stvarnom vremenu: projekt s kraja na kraj: U mom zadnjem vodiču o OpenCV-u naučili smo AUTOMATSKO VISION OBJEKTNO PRAĆENJE. Sada ćemo koristiti naš PiCam za prepoznavanje lica u stvarnom vremenu, kao što možete vidjeti u nastavku: Ovaj projekt je napravljen s ovom fantastičnom " bibliotekom računarskog vida otvorenog koda "
Prepoznavanje lica+prepoznavanje: 8 koraka (sa slikama)
Prepoznavanje lica+prepoznavanje: Ovo je jednostavan primjer pokretanja otkrivanja i prepoznavanja lica pomoću OpenCV -a s kamere. NAPOMENA: OVAJ PROJEKT IZRADIO SAM ZA NATJEČAJ SENZORA I KORISTIO SAM KAMERU KAO SENZOR ZA PRAĆENJE I PREPOZNAVANJE LICA. Dakle, naš ciljU ovoj sesiji, 1. Instalirajte Anacondu