Sadržaj:

Prepoznavanje lica u stvarnom vremenu na RaspberryPi-4: 6 koraka (sa slikama)
Prepoznavanje lica u stvarnom vremenu na RaspberryPi-4: 6 koraka (sa slikama)

Video: Prepoznavanje lica u stvarnom vremenu na RaspberryPi-4: 6 koraka (sa slikama)

Video: Prepoznavanje lica u stvarnom vremenu na RaspberryPi-4: 6 koraka (sa slikama)
Video: Бог говорит: I Will Shake The Nations | Дерек Принс с субтитрами 2024, Juli
Anonim
Image
Image

U ovom Instructableu ćemo izvesti otkrivanje lica u stvarnom vremenu na Raspberry Pi 4 sa Shunya O/S koristeći Shunyaface Library. Slijedom ovog vodiča možete postići brzinu kadrova otkrivanja 15-17 na RaspberryPi-4.

Supplies

1. Raspberry Pi 4B (bilo koja varijanta)

2. Napajanje kompatibilno sa Raspberry Pi 4B

3. 8GB ili veća mikro SD kartica

4. Monitor

5. mikro-HDMI kabl

6. Miš

7. Tastatura

8. laptop ili drugi računar (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 Shunya OS.

1) Preuzmite Shunya OS sa službene web stranice za izdanje

2) Flash Shunya OS na SD-kartici pomoću dolje navedenih koraka:

i) Desnim tasterom miša kliknite na preuzetu zip datoteku i izaberite Izdvoji ovde

ii) Nakon što je slika otpakirana, dvaput kliknite na fasciklu otpakovane slike u kojoj ćete pronaći sliku i informacije 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

Preuzmite kôd
Preuzmite kôd

Kao što je prikazano na gornjoj slici, morate učiniti sljedeće:

1) Umetnite mikro SD karticu u Raspberry Pi 4.

2) Spojite miš i tastaturu na Raspberry Pi 4.

3) Povežite monitor na Raspberry Pi 4 putem mikro-HDMI-a

4) Priključite 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 može potrajati dok se veličina datotečnog sustava promijeni kako bi zauzela cijelu SD karticu. Nakon pokretanja OS -a trebali biste vidjeti ekran 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 kompilaciju 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 vašeg interneta

Korak 4: Preuzmite kôd

Kod je dostupan na githubu. Možete ga preuzeti pomoću sljedeće naredbe:

$ git klon

Objašnjenje koda:

Dati kod kontinuirano snima okvire pomoću Opencv -ove VideoCapture funkcije. Ovi okviri su dodijeljeni funkciji otkrivanja Shunyaface -a koja zauzvrat vraća okvire sa graničnom kutijom iscrtanom na licu i tačkama iscrtanim na očima, nosu i krajnjim tačkama usana. Za napuštanje koda pritisnite dugme "q". Nakon pritiska na "q", izlaz FPS se prikazuje na terminalu.

Korak 5: 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.

Čestitam. Sada ste uspješno završili otkrivanje lica za vrijeme čitanja na RaspberryPi-4 koristeći duboko učenje. Ako vam se sviđa ovaj vodič, lajkujte ga, podijelite ga i označite zvjezdicom naše github spremište dato ovdje.

Preporučuje se: