Spisu treści:
Wideo: Pistolet do śledzenia twarzy: 4 kroki
2024 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2024-01-30 11:31
Ten projekt jest rozszerzeniem pokazanego tutaj projektu pistoletu laserowego do wyzwalania drutu - https://www.instructables.com/id/Building-a-Sentry-Gun-with-Laser-Trip-Wire-System-/?ALLSTEPS Jedyny różnica polega na tym, że pistolet nie będzie wyzwalany laserem, ale twarzą. Zasadniczo projekt ten łączy śledzenie twarzy i laserowy pistolet drutowy, a więc pistolet do śledzenia twarzy. Algorytm używany do śledzenia twarzy jest podobny do tego wykonanego przez techbitar - https://www.instructables.com/id/Face-detection-and-tracking-with-Arduino-and-OpenC/?ALLSTEPS W celu zaimplementowania twarzy śledzenie, używane jest openCV. OpenCV (open source computer vision) to biblioteka funkcji programowania dla wizji komputerowej w czasie rzeczywistym. Ich bibliotekę można znaleźć:
Krok 1:
Najpierw zamontuj kamerkę internetową na pistolecie. Do związania ich ze sobą użyłem opaski zaciskowej.
Krok 2: Konfigurowanie Microsoft Visual C++ dla OpenCV
Przed konfiguracją napiszę ten przewodnik w oparciu o fakt, że używam 32-bitowego systemu operacyjnego Windows. Nie jestem pewien, czy działa na 64-bitowym, ale możesz spróbować. Najpierw pobierz OpenCV z https://sourceforge.net/projects/opencvlibrary/. Wypakuj go do katalogu głównego C:\. Polecam zmienić jego nazwę na OpenCV2.4.0, ponieważ będę ustawiał ścieżki zgodnie z nim. Po wykonaniu tej czynności musimy ustawić ścieżkę w zmiennych środowiskowych systemu Windows do katalogu bin OpenCV. W tym celu przejdź do Panel sterowania – System i zabezpieczenia – System – Zaawansowane ustawienia systemu – Zmienne środowiskowe. W sekcji „Zmienne systemowe” poszukaj „Ścieżki”. Kliknij go dwukrotnie i dodaj „;C:\OpenCV2.4.0\build\x86\vc10\bin”. ps Jeśli na początku widzisz średnik, nie śnisz. Musisz go również włożyć. Ta jedna rzecz sprawiała mi wcześniej wiele problemów. Po drugie, pobierz visual studio, jeśli jeszcze go nie masz z https://www.microsoft.com/en-us/download/details.aspx?id=12752. HO HO HO…. Jesteśmy SUUPER gotowi do stworzenia projektu. ahem, sry, za bardzo kocham OP. Przejdź więc do studia wizualnego i kliknij „Nowy projekt”. Wybierz aplikację konsolową win32 i wprowadź nazwę swojego projektu. Pojawi się okno, kliknij dalej i wybierz „Opróżnij projekt” pod dodatkowymi opcjami i kliknij Zakończ. W eksploratorze rozwiązań kliknij prawym przyciskiem myszy Pliki źródłowe Dodaj nowy element. Wybierz Plik C++, wpisz swoje imię i kliknij dodaj. Teraz przejdź do Mój komputer i otwórz „C:\OpenCV2.4.0\samples\c” i otwórz facedetect.cpp. Skopiuj kod i wklej go do nowo utworzonego pliku C++. Zobaczysz, że jest mnóstwo czerwonych linii, ponieważ Visual studio nie jest jeszcze w stanie zlokalizować funkcji i bibliotek. Aby to zrobić, przejdź do Project- Properties (Alt + F7). Tutaj powinniśmy wybrać Wszystkie konfiguracje z pola wyboru Konfiguracja. Następnie wybierz C/C++ Ogólne dodatkowe katalogi dołączania i dodaj „C:\OpenCV2.4.0\build\include”. Następnie wybierz Linker General Dodatkowe katalogi bibliotek i dodaj „C: OpenCV2.4.0 build x86 vc10 lib”. Następnie wybierz Dodatkowe zależności wejściowe konsolidatora i dodaj tam niezbędne nazwy plików bibliotecznych. Kilka przykładów: opencv_calib3d240.lib, opencv_contrib240.lib, opencv_core240.lib, opencv_features2d240.lib, opencv_flann240.lib opencv_gpu240.lib, opencv_haartraining_engine.lib, opencv_highgui240.lib, opencv_lega_lib, opencv. opencv_ts240.lib, opencv_video240.lib Są to wydania plików lib, jeśli dodasz sufiks „d” do nazwy pliku, stanie się to wersją debugowania, np. opencv_core240.lib – wersja wydania, opencv_core240d.lib – wersja debugowania. Wybraliśmy właśnie opcję Wszystkie konfiguracje, więc po dodaniu niezbędnych plików lib należy zmienić konfigurację na debugowanie i dodać przyrostek „d” do plików lib. Pamiętaj, że nie są to wszystkie dostępne pliki biblioteki. Aby zobaczyć je wszystkie, przejdź do „C:\OpenCV2.4.0\build\x86\vc10\lib”. Następnie przejdź do https://threadingbuildingblocks.org/ver.php?fid=171 i pobierz tbb30_20110427oss_win.zip. Po pobraniu i rozpakowaniu zmień nazwę katalogu z „tbb30_20110427oss” na „tbb”. Następnie przejdź do Mój komputer i „C:\OpenCV2.4.0\build\common”. Istnieje inny katalog tbb, zmień jego nazwę na „tbb_old” w celu wykonania kopii zapasowej. Następnie skopiuj nowo pobrany katalog tbb o zmienionej nazwie do tej lokalizacji „C:\OpenCV2.4.0\build\common”. Musimy również dodać nowy katalog bin lokalizacji tbb do ścieżki w zmiennych środowiskowych. Przejdź do Panelu sterowania System i system zabezpieczeń Zaawansowane ustawienia systemu Zmienne środowiskowe i znajdź Ścieżkę w sekcji Zmienne systemowe, a następnie dodaj „;C:\OpenCV2.4.0\build\common\tbb\bin\ia32\vc10.
Krok 3: Potrzebne oprogramowanie
OpenCV v2.4.0: https://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.4.0/ Serial C++ Library dla Win32 (Thierry Schneider): https://www.tetraedre.ch/advanced/ serial.php Kod dla arduino: https://snipt.org/vvfe0 Kod C++ do śledzenia twarzy:
Zalecana:
Wykrywanie twarzy na Raspberry Pi 4B w 3 krokach: 3 kroki
Wykrywanie twarzy na Raspberry Pi 4B w 3 krokach: W tym instruktażu zamierzamy przeprowadzić wykrywanie twarzy na Raspberry Pi 4 z Shunya O/S przy użyciu biblioteki Shunyaface. Shunyaface to biblioteka rozpoznawania/wykrywania twarzy. Projekt ma na celu osiągnięcie najszybszej prędkości wykrywania i rozpoznawania dzięki
Alarm dotykowy twarzy: 4 kroki (ze zdjęciami)
Alarm dotykowy twarzy: Dotykanie naszej twarzy jest jednym z najczęstszych sposobów zarażania się wirusami, takimi jak Covid-19. Badania naukowe z 2015 roku (https://www.ncbi.nlm.nih.gov/pubmed/25637115) wykazały, że dotykamy naszych twarzy średnio 23 razy na godzinę. Decyduję
Łatwe wykrywanie twarzy MATLAB: 4 kroki
MATLAB Easy Face Detection: Głównym celem tej instrukcji jest pokazanie, jak łatwe będzie przetwarzanie obrazu. Z pomocą MATLABWykrywanie i śledzenie twarzy było ważnym i aktywnym polem badawczym, dlatego zamierzam wyjaśnić jak można to zrobić z
Wykrywanie, szkolenie i rozpoznawanie twarzy Opencv: 3 kroki
Opencv Face Detection, Training and Recognition: OpenCV to biblioteka komputerowa o otwartym kodzie źródłowym, która jest bardzo popularna do wykonywania podstawowych zadań przetwarzania obrazu, takich jak rozmycie, mieszanie obrazów, poprawianie jakości obrazu i wideo, progowanie itp. Oprócz przetwarzania obrazu, to udowodnić
Urządzenie do śledzenia twarzy! Python i Arduino: 5 kroków
Urządzenie do śledzenia twarzy! Python i Arduino: Witam wszystkich, którzy czytają tę instrukcję. Jest to urządzenie do śledzenia twarzy, które działa na bibliotece Pythona o nazwie OpenCV. CV oznacza „Wizję komputerową”. Następnie skonfigurowałem interfejs szeregowy między moim komputerem a moim Arduino UNO. Więc to oznacza, że