Detecció de cares en temps real al RaspberryPi-4: 6 passos (amb imatges)

2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:13

En aquest instructiu realitzarem detecció de cares en temps real a Raspberry Pi 4 amb Shunya O / S mitjançant la biblioteca Shunyaface. Podeu aconseguir una freqüència de fotogrames de detecció de 15 a 17 al RaspberryPi-4 seguint aquest tutorial.

Subministraments

1. Raspberry Pi 4B (qualsevol variant)

2. Font d'alimentació compatible amb Raspberry Pi 4B

3. Targeta micro SD de 8 GB o superior

4. Monitor

5. Cable micro-HDMI

6. Ratolí

7. Teclat

8. ordinador portàtil o un altre ordinador (Ubuntu-16.04 preferentment) per programar la targeta de memòria

9. Càmera web USB

Pas 1: instal·leu el sistema operatiu Shunya al Raspberry Pi 4

Necessitareu un ordinador portàtil o un ordinador (preferiblement amb Ubuntu-16.04) i un lector / adaptador de targeta micro SD per carregar la targeta micro SD amb el sistema operatiu Shunya.

1) Baixeu Shunya OS des del lloc oficial de llançament

2) Feu servir Flash Shunya OS a la targeta SD seguint els passos següents:

i) Feu clic amb el botó dret al fitxer zip descarregat i seleccioneu Extreu aquí

ii) Un cop descomprimida la imatge, feu doble clic a la carpeta d'imatges descomprimides on trobareu la imatge i la informació de la versió

iii) Feu clic amb el botó dret a la imatge (fitxer.img)

iv) Seleccioneu Obre amb -> Escriptor d'imatges de disc

v) Trieu Destinació com a lector de targetes SD

vi) Introduïu la vostra contrasenya

Començarà a parpellejar la targeta SD. Tingueu paciència i espereu que la targeta Sd aparegui completament (100%)

Pas 2: Configuració i connexions

Com es mostra a la imatge superior, heu de fer les accions següents:

1) Inseriu la targeta micro SD al Raspberry Pi 4.

2) Connecteu el ratolí i el teclat a Raspberry Pi 4.

3) Connecteu el monitor a Raspberry Pi 4 mitjançant micro-HDMI

4) Connecteu la càmera web USB al Raspberry Pi 4

5) Connecteu el cable d’alimentació i engegueu el Raspberry Pi 4.

Això arrencarà el sistema operatiu Shunya al RaspberryPi-4. La primera arrencada pot trigar a mesura que el sistema de fitxers es redimensiona per ocupar tota la targeta SD. Després de l’arrencada del sistema operatiu, hauríeu de veure una pantalla d’inici de sessió. Aquí teniu les dades d’inici de sessió:

Nom d'usuari: shunya

Contrasenya: shunya

Pas 3: Instal·leu Shunyaface (biblioteca de detecció / reconeixement de cares)

Per instal·lar Shunyaface hem de connectar el RaspberryPi-4 a la LAN o al wifi

1. Per connectar el RPI-4 al wifi utilitzeu l'ordre següent:

$ sudo nmtui

2. Per instal·lar shunyaface i cmake (una dependència) per a la compilació dels codis i git (per descarregar el codi real), introduïu l'ordre següent:

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

Nota: la instal·lació pot trigar uns 5-6 minuts en funció de la velocitat d’Internet

Pas 4: baixeu el codi

El codi està disponible a github. Podeu descarregar-lo mitjançant l'ordre següent:

$ git clone

Explicació del codi:

El codi donat captura fotogrames contínuament mitjançant la funció VideoCapture d’Opencv. Aquests fotogrames es donen a la funció de detecció de Shunyaface que, al seu torn, retorna els fotogrames amb una caixa delimitadora representada a la cara i punts representats als ulls, el nas i els punts finals dels llavis. Per sortir del codi, premeu el botó "q". Després de prémer "q", es mostra la sortida FPS al terminal.

Pas 5: Compileu el codi

Per compilar el codi, utilitzeu l'ordre següent:

$ cd examples / example-facedetect

$./setup.sh

Pas 6: executeu el codi

Un cop hàgiu compilat el codi, podeu executar-lo amb l'ordre.

$./build/facedetect

Ara hauríeu de veure una finestra oberta. Sempre que hi hagi una cara davant de la càmera, traçarà la caixa delimitadora i serà visible per l'usuari a la finestra que s'ha obert.

Enhorabona. Ara heu completat amb èxit la detecció de rostres en temps de lectura al RaspberryPi-4 mitjançant l'aprenentatge profund. Si us agrada aquest tutorial, si us plau, compartiu el tutorial i estel·leu el nostre repositori de github que es dóna aquí.