Taula de continguts:
- Pas 1: obteniu la vostra clau d'API
- Pas 2: reuniu el vostre maquinari
- Pas 3: soldeu el vostre LCD junts
- Pas 4: descarregueu NOOBS per al vostre Raspberry Pi
- Pas 5: Introducció a Picamera
- Pas 6: localitzeu el port de la càmera i connecteu-la
- Pas 7: obriu l'eina de configuració de Raspberry Pi des del menú principal
- Pas 8: assegureu-vos que el programari de la càmera estigui habilitat
- Pas 9: vista prèvia de la càmera
- Pas 10: imatges fixes
- Pas 11: la vostra càmera funciona
- Pas 12: Proveu el kit LCD muntat i proveu
- Pas 13: Obteniu el codi per instal·lar-lo al dispositiu de fabricació pròpia
- Pas 14: feu una foto
- Pas 15: Fet
Vídeo: Detecció d'objectes visuals amb càmera (TfCD): 15 passos (amb imatges)
2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:15
Els serveis cognitius que poden reconèixer emocions, rostres de persones o objectes simples encara es troben en una fase inicial del desenvolupament, però amb l’aprenentatge automàtic aquesta tecnologia es desenvolupa cada vegada més. Podem esperar a veure més d’aquesta màgia en el futur.
Per a un projecte del TU Delft per a TfCD, vam decidir utilitzar els serveis cognitius de visió proporcionats per Microsoft per demostrar com realitzar una anàlisi de reconeixement de visió a les fotos. (Vegeu el vídeo).
NOTA!
L’electrònica i el codi funcionen correctament, però la connexió a Internet del TU Delft estava desactivada, de manera que no tenim un vídeo adequat. Més endavant en penjarem una adequada. Gràcies per entendre!
Pas 1: obteniu la vostra clau d'API
En primer lloc, aneu al lloc de serveis cognitius d’Azure i obteniu la clau API de Computer Vision del lloc de Microsoft. L'enllaç es mostra a continuació:
EXTRA: si voleu provar l'API per divertir-vos una mica, obteniu també la clau per al reconeixement facial i el reconeixement d'emocions. Descarregueu Visual Studios (la versió de la comunitat està bé) i també descarregueu el codi de github per posar-lo a Visual Studios.
Visual Studios:
Github:
Pas 2: reuniu el vostre maquinari
Comenceu a utilitzar el mòdul de càmera Raspberry Pi mitjançant Python i picamera. Faràs fotografies fixes, gravaràs vídeos i aplicaràs efectes d'imatge. Per començar, necessitareu:
- Raspberry Pi, placa de càmera V2, 8MP
- Raspberry Pi 3, model B, 1 GB de RAM per codificar
- LCD de caràcters Adafruit de 16x2
- Ratolí per enllaçar amb el Raspberry Pi
- Teclat per enllaçar amb el Raspberry Pi
- Monitor per enllaçar amb el Raspberry Pi
- Cable Ethernet per enllaçar el Raspberry Pi al web
- Portàtil per a l'entrada
- Conjunt de soldadura per soldar el vostre LCD
Pas 3: soldeu el vostre LCD junts
Utilitzeu el lloc Adafruit per soldar correctament el vostre LCD. L'enllaç es mostra a continuació:
learn.adafruit.com/adafruit-16x2-character…
Pas 4: descarregueu NOOBS per al vostre Raspberry Pi
Descarregueu Raspbian per fer funcionar el vostre Raspberry Pi.
www.raspberrypi.org/downloads/noobs/
Vegeu el vostre Raspberry Pi com un petit equip. Necessita monitor, ratolí, teclat i internet. Connecteu-los al vostre Raspberry Pi.
Pas 5: Introducció a Picamera
El mòdul de càmera és un excel·lent accessori per al Raspberry Pi, que permet als usuaris fer fotografies fixes i gravar vídeo en alta definició. Primer de tot, amb el Pi apagat, haureu de connectar el mòdul de càmera al port de la càmera del Raspberry Pi i, a continuació, engegueu el Pi i assegureu-vos que el programari està habilitat. Seguiu les imatges per seguir els passos.
Pas 6: localitzeu el port de la càmera i connecteu-la
Pas 7: obriu l'eina de configuració de Raspberry Pi des del menú principal
Pas 8: assegureu-vos que el programari de la càmera estigui habilitat
Pas 9: vista prèvia de la càmera
Ara la vostra càmera està connectada i el programari està habilitat. Podeu començar provant la previsualització de la càmera.
- Obriu Python 3 des del menú principal
- Obriu un fitxer nou i deseu-lo com a camera.py. És important que no el deseu com a picamera.py.
- Introduïu el codi següent:
- d'importació de càmeres d'imatges PiCamera
- a partir del temps importació de son
- camera = PiCamera ()
- camera.start_preview () sleep (10) camera.stop_preview ()
- Deseu amb Ctrl + S i executeu amb F5. La previsualització de la càmera s'hauria de mostrar durant 10 segons i després tancar-la. Mou la càmera per previsualitzar el que veu la càmera.
- La previsualització de la càmera en directe hauria d'omplir la pantalla
Pas 10: imatges fixes
L’ús més comú del mòdul de càmera és fer fotografies fixes.
Modifiqueu el codi per reduir la son i afegiu una línia camera.capture ():
camera.start_preview ()
dormir (5)
camera.capture ('/ home / pi / Desktop / image.jpg')
camera.stop_preview ()
- Executeu el codi i veureu la previsualització de la càmera oberta durant 5 segons abans de capturar una imatge fixa. Veuràs que la previsualització s’ajusta a una resolució diferent momentàniament a mesura que es fa la foto.
- Veureu la vostra foto a l’escriptori. Feu doble clic a la icona del fitxer per obrir-lo.
Pas 11: la vostra càmera funciona
SÍ! Següent pas!
Pas 12: Proveu el kit LCD muntat i proveu
Activeu la pantalla LCD seguint els passos secundaris:
Configuració de la pantalla LCD
a.
Instal·lació de la pantalla LCD i comprovació de si la pantalla LCD està soldada correctament.
b.
Pas 13: Obteniu el codi per instal·lar-lo al dispositiu de fabricació pròpia
Obteniu el codi de github:
NOTA: Sembla que el codi no funciona bé a Tronny. Utilitzeu el terminal de Raspbian per iniciar el codi. Col·loqueu el codi (ComputerVision.py) al mapa: home / pi / Adafruit_Python_CharLCD / examples (per alguna raó, només funciona d'aquesta manera, altres mètodes només donaran errors inexplicables)
Obriu el terminal i escriviu:
cd Adafruit_Python_CharLCD / exemples
./ComputerVision.py
Pas 14: feu una foto
Recomanat:
Detecció d'objectes amb plaques SIPeed MaiX (Kendryte K210): 6 passos
Detecció d’objectes amb plaques Sipeed MaiX (Kendryte K210): Com a continuació del meu article anterior sobre reconeixement d’imatges amb les plaques Sipeed MaiX, vaig decidir escriure un altre tutorial, centrat en la detecció d’objectes. Recentment va aparèixer un maquinari interessant amb el xip Kendryte K210, inclòs S
Programació orientada a objectes: Creació d’objectes Mètode / tècnica d’aprenentatge / ensenyament mitjançant l’aplicació de formes: 5 passos
Programació orientada a objectes: Creació d’objectes Mètode / tècnica d’aprenentatge / ensenyament mitjançant Shape Puncher: mètode d’aprenentatge / ensenyament per a estudiants que s’inicien en la programació orientada a objectes. Aquesta és una manera de permetre'ls visualitzar i veure el procés de creació d'objectes a partir de classes. Puny gran EkTools de 2 polzades; les formes sòlides són les millors. Tros de paper o c
RASPBERRY PI Pi DETECCIÓ D'OBJECTES AMB MÚLTIPLES CÀMERES: 3 passos
RASPBERRY PI Pi DETECCIÓ D'OBJECTES AMB MÚLTIPLES CÀMERES: Mantindré breu la introducció, ja que el títol propi suggereix quin és el propòsit principal de l'instrumentable. En aquesta instrucció pas a pas, us explicaré com connectar diverses càmeres, com ara una càmera 1-pi i, com a mínim, una càmera USB o 2 càmeres USB
Programació orientada a objectes: creació d'objectes Mètode / tècnica d'aprenentatge / ensenyament amb tisores: 5 passos
Programació orientada a objectes: Creació d'objectes Mètode / Tècnica d'aprenentatge / ensenyament amb tisores: Mètode d'aprenentatge / ensenyament per a estudiants que s'inicien en la programació orientada a objectes. Aquesta és una manera de permetre'ls visualitzar i veure el procés de creació d'objectes a partir de classes. Parts: 1. Tisores (ho farà qualsevol tipus). 2. Peça de paper o cartolina. 3. Marcador
Analitzador de patrons de trànsit mitjançant la detecció d'objectes en viu: 11 passos (amb imatges)
Analitzador de patrons de trànsit mitjançant la detecció d'objectes en viu: en el món actual, els semàfors són essencials per a una carretera segura. Tanmateix, moltes vegades, els semàfors poden ser molestos en situacions en què algú s’acosta al llum tal com es posa vermell. Això perd el temps, sobretot si la llum és pr