Spisu treści:
Wideo: RASPBERRY PI Pi WYKRYWANIE OBIEKTÓW Z WIELOMA KAMERAMI: 3 kroki
2024 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2024-01-30 11:29
Intro będzie krótkie, ponieważ sam tytuł sugeruje, jaki jest główny cel instruktażu. W tej instrukcji krok po kroku wyjaśnię, jak podłączyć wiele kamer, takich jak kamera 1-pi i co najmniej jedna kamera USB lub 2 kamery USB. Konfiguracja pozwoli nam na jednoczesny dostęp do wszystkich strumieni i wykrywanie ruchu na każdym z nich. Najlepsze w tym jest to, że openCV działa w czasie rzeczywistym (lub prawie w czasie rzeczywistym, w zależności od liczby podłączonych kamer). Może być używany do nadzoru domu.
Zawartość
1. Konfiguracja wielu kamer
2. Definiowanie prostego detektora ruchu, dostęp do strumieni
4. Wynik końcowy
Krok 1: Konfiguracja wielu kamer
Tworząc konfigurację Raspberry Pi w celu wykorzystania wielu kamer, masz dwie możliwości:
Po prostu użyj wielu kamer USB.
Lub użyj jednego modułu kamery Raspberry Pi i co najmniej jednej kamery internetowej USB.
Użyliśmy kamery internetowej Logitech c920.
Raspberry pi ma jeden wewnętrzny port kamery, ale jeśli chcesz używać wielu kamer raspberry pi zamiast kamery USB, musisz zaopatrzyć się w osłonę.
Rozważmy teraz konfigurację 2 kamer z jedną kamerą pi-cam i jedną kamerą USB. Wynik będzie podobny do tego w image_2.
W dalszej części tego postu najpierw zdefiniujemy prosty kod detektora ruchu dla jednej kamery, a następnie zaimplementujemy go w wielu kamerach.
Krok 2: Definiowanie prostego detektora ruchu
W tej sekcji zdefiniujemy prosty kod Pythona do wykrywania obiektów. Aby zachować wydajność, rozważmy, że w jednym widoku z kamery porusza się tylko jeden obiekt.
wszystkie pliki kodu są załączone w moim linku Github:
Zalecana:
Wykrywanie obiektów za pomocą płyt Sipeed MaiX (Kendryte K210): 6 kroków
Wykrywanie obiektów za pomocą płyt Sipeed MaiX (Kendryte K210): Kontynuując mój poprzedni artykuł o rozpoznawaniu obrazów za pomocą płyt Sipeed MaiX, postanowiłem napisać kolejny samouczek, skupiając się na wykrywaniu obiektów. Ostatnio pojawiło się trochę interesującego sprzętu z chipem Kendryte K210, w tym S
Wykrywanie obiektów Raspberry Pi: 7 kroków
Raspberry Pi Object Detection: Ten przewodnik zawiera instrukcje krok po kroku dotyczące konfiguracji interfejsu API wykrywania obiektów TensorFlow na Raspberry Pi. Wykonując kroki opisane w tym przewodniku, będziesz mógł używać swojego Raspberry Pi do wykrywania obiektów na żywo wideo z P
Śledzenie obiektów w oparciu o wykrywanie kolorów: 10 kroków
Śledzenie obiektów w oparciu o wykrywanie kolorów: historia Zrobiłem ten projekt, aby nauczyć się przetwarzania obrazu za pomocą Raspberry PI i otwartego CV. Aby uatrakcyjnić ten projekt użyłem dwóch silników SG90 Servo i zamontowałem na nim kamerę. Jeden silnik służy do poruszania się w poziomie, a drugi do poruszania się w pionie
Wykrywanie obiektów z Dragonboard 410c lub 820c przy użyciu OpenCV i Tensorflow.: 4 kroki
Object Detection W/ Dragonboard 410c lub 820c Using OpenCV i Tensorflow.: Ta instrukcja opisuje, jak zainstalować OpenCV, Tensorflow i frameworki uczenia maszynowego dla Pythona 3.5 w celu uruchomienia aplikacji Object Detection
Analizator wzorców ruchu wykorzystujący wykrywanie obiektów na żywo: 11 kroków (ze zdjęciami)
Analizator wzorców ruchu wykorzystujący wykrywanie obiektów na żywo: W dzisiejszym świecie sygnalizacja świetlna jest niezbędna dla bezpiecznej drogi. Jednak wiele razy sygnalizacja świetlna może być denerwująca w sytuacjach, gdy ktoś zbliża się do światła, gdy zmienia ono kolor na czerwony. To marnuje czas, zwłaszcza jeśli światło jest pr