Sisällysluettelo:

Reaaliaikainen kasvojentunnistus RaspberryPi-4: 6: ssa vaiheessa (kuvilla)
Reaaliaikainen kasvojentunnistus RaspberryPi-4: 6: ssa vaiheessa (kuvilla)

Video: Reaaliaikainen kasvojentunnistus RaspberryPi-4: 6: ssa vaiheessa (kuvilla)

Video: Reaaliaikainen kasvojentunnistus RaspberryPi-4: 6: ssa vaiheessa (kuvilla)
Video: Autotelttailu vuorella – teltta ja kuorma-auton markiisi 2024, Marraskuu
Anonim
Image
Image

Tässä Instructable-ohjelmassa aiomme suorittaa reaaliaikaisen kasvojentunnistuksen Raspberry Pi 4: llä Shunya O/S: n kanssa Shunyaface-kirjaston avulla. Voit saavuttaa RaspberryPi-4: n tunnistuskehyksen nopeuden 15–17 noudattamalla tätä opetusohjelmaa.

Tarvikkeet

1. Vadelma Pi 4B (mikä tahansa vaihtoehto)

2. Raspberry Pi 4B -yhteensopiva virtalähde

3. 8 Gt tai suurempi micro SD -kortti

4. Näyttö

5. mikro-HDMI-kaapeli

6. Hiiri

7. Näppäimistö

8. kannettava tietokone tai muu tietokone (mieluiten Ubuntu-16.04) muistikortin ohjelmoimiseksi

9. USB -verkkokamera

Vaihe 1: Asenna Shunya OS Raspberry Pi 4: een

Tarvitset kannettavan tietokoneen tai tietokoneen (mieluiten Ubuntu-16.04: n kanssa) ja micro SD -kortinlukijan/-sovittimen ladataksesi SD-kortin Shunya-käyttöjärjestelmällä.

1) Lataa Shunya OS viralliselta julkaisusivustolta

2) Flash Shunya OS SD-kortilla alla olevien ohjeiden mukaisesti:

i) Napsauta ladattua zip -tiedostoa hiiren kakkospainikkeella ja valitse Pura tästä

ii) Kun kuva on purettu, kaksoisnapsauta purettua kuvakansiota, josta löydät kuvan ja julkaisutiedot

iii) Napsauta kuvaa hiiren kakkospainikkeella (.img -tiedosto)

iv) Valitse Avaa käyttämällä -> Levyn kuvan kirjoittaja

v) Valitse kohde SD -kortinlukijaksi

vi) Anna salasanasi

SD-kortti alkaa vilkkua. Ole kärsivällinen ja odota, että Sd-kortti vilkkuu kokonaan (100%)

Vaihe 2: Asennus ja liitännät

Lataa koodi
Lataa koodi

Kuten yllä olevassa kuvassa näkyy, sinun on tehtävä seuraavat asiat:

1) Aseta micro SD -kortti Raspberry Pi 4: een.

2) Liitä hiiri ja näppäimistö Raspberry Pi 4: een.

3) Liitä näyttö Raspberry Pi 4: een mikro-HDMI: n kautta

4) Liitä USB -verkkokamera Raspberry Pi 4 -laitteeseen

5) Liitä virtajohto ja käynnistä Raspberry Pi 4.

Tämä käynnistää Shunya-käyttöjärjestelmän RaspberryPi-4: ssä. Ensimmäinen käynnistys saattaa viedä aikaa, kun tiedostojärjestelmä muuttaa kokoaan siten, että se vie koko SD-kortin. Kun käyttöjärjestelmä käynnistyy, sinun pitäisi nähdä kirjautumisnäyttö. Tässä ovat kirjautumistiedot:

Käyttäjätunnus: shunya

Salasana: shunya

Vaihe 3: Asenna Shunyaface (kasvojentunnistus-/tunnistuskirjasto)

Shunyafacen asentamiseksi meidän on yhdistettävä RaspberryPi-4 lähiverkkoon tai wifi-verkkoon

1. Liitä RPI-4 wifi-verkkoon käyttämällä seuraavaa komentoa:

$ sudo nmtui

2. Asenna shunyaface ja cmake (riippuvuus) koodien ja gitin kokoamista varten (varsinaisen koodin lataamiseksi) kirjoittamalla seuraava komento:

$ sudo opkg update && sudo opkg install shunyaface cmake git

Huomautus: Asennus saattaa kestää noin 5-6 minuuttia internetin nopeudesta riippuen

Vaihe 4: Lataa koodi

Koodi löytyy githubista. Voit ladata sen käyttämällä seuraavaa komentoa:

$ git klooni

Koodin selitys:

Annettu koodi kaappaa kehykset jatkuvasti käyttämällä Opencv: n VideoCapture -toimintoa. Nämä kehykset on annettu Shunyaface -tunnistustoiminnolle, joka puolestaan palauttaa kehykset, joiden rajapinta on piirretty kasvoille ja pisteitä piirretty silmiin, nenään ja huulten päätepisteisiin. Lopeta koodi painamalla "q" -painiketta. Kun painat "q", lähtö FPS näkyy päätelaitteessa.

Vaihe 5: Käännä koodi

Voit kääntää koodin seuraavalla komennolla:

$ cd esimerkkejä/esimerkki-kasvotunnistus

$./setup.sh

Vaihe 6: Suorita koodi

Kun olet koonnut koodin, voit suorittaa sen komennolla.

$./build/facedetect

Sinun pitäisi nyt nähdä ikkuna auki. Aina kun kasvot ovat kameran edessä, se piirtää rajauslaatikon ja se näkyy käyttäjälle avatussa ikkunassa.

Onnittelut. Olet nyt onnistuneesti suorittanut RaspberryPi-4: n lukuaikaisen kasvojentunnistuksen syväoppimisen avulla. Jos pidät tästä opetusohjelmasta, tykkää, jaa opetusohjelma ja tähditä tässä annettu github -arkisto.

Suositeltava: