Indholdsfortegnelse:

Realtid ansigtsregistrering på RaspberryPi-4: 6 trin (med billeder)
Realtid ansigtsregistrering på RaspberryPi-4: 6 trin (med billeder)

Video: Realtid ansigtsregistrering på RaspberryPi-4: 6 trin (med billeder)

Video: Realtid ansigtsregistrering på RaspberryPi-4: 6 trin (med billeder)
Video: How to use Panasonic Cordless DECT 6.0 Digital Phone System KX-TG273C Link2Cell with Bluetooth 2024, Juli
Anonim
Image
Image

I denne Instructable skal vi udføre ansigtsdetektering i realtid på Raspberry Pi 4 med Shunya O/S ved hjælp af Shunyaface-biblioteket. Du kan opnå en registreringsramphastighed på 15-17 på RaspberryPi-4 ved at følge denne vejledning.

Forbrugsvarer

1. Raspberry Pi 4B (enhver variant)

2. Raspberry Pi 4B -kompatibel strømforsyning

3. 8 GB eller større micro SD -kort

4. Overvåg

5. mikro-HDMI-kabel

6. Mus

7. Tastatur

8. bærbar computer eller en anden computer (helst Ubuntu-16.04) til at programmere hukommelseskortet

9. USB -webcam

Trin 1: Installer Shunya OS på Raspberry Pi 4

Du skal bruge en bærbar computer eller computer (helst med Ubuntu-16.04) og en micro SD-kortlæser/adapter for at indlæse micro SD-kortet med Shunya OS.

1) Download Shunya OS fra det officielle udgivelsessted

2) Flash Shunya OS på SD-kortet ved hjælp af trinene nedenfor:

i) Højreklik på den zip -fil, der er downloadet, og vælg Udtræk her

ii) Når billedet er pakket ud, skal du dobbeltklikke på den udpakkede billedmappe, hvor du finder billedet og frigiver oplysninger

iii) Højreklik på billedet (.img -fil)

iv) Vælg Åbn med -> Disk image writer

v) Vælg destination som SD -kortlæser

vi) Indtast din adgangskode

Dette begynder at blinke SD-kortet. Vær tålmodig og vent på, at Sd-kortet blinker fuldstændigt (100%)

Trin 2: Opsætning og forbindelser

Download koden
Download koden

Som vist på billedet ovenfor skal du gøre følgende ting:

1) Indsæt micro SD -kort i Raspberry Pi 4.

2) Tilslut mus og tastatur til Raspberry Pi 4.

3) Tilslut skærmen til Raspberry Pi 4 via mikro-HDMI

4) Tilslut USB -webkameraet til Raspberry Pi 4

5) Tilslut strømkablet og Tænd Raspberry Pi 4.

Dette vil starte Shunya OS op på RaspberryPi-4. Den første opstart kan tage tid, da filsystemet ændrer størrelsen for at optage hele SD-kortet. Når operativsystemet er startet, skal du se en login -skærm. Her er loginoplysningerne:

Brugernavn: shunya

Adgangskode: shunya

Trin 3: Installer Shunyaface (bibliotek til ansigtsgenkendelse/genkendelse)

For at installere Shunyaface skal vi slutte RaspberryPi-4 til lan eller wifi

1. For at slutte RPI-4 til wifi skal du bruge følgende kommando:

$ sudo nmtui

2. Hvis du vil installere shunyaface og cmake (en afhængighed) til kompilering af koderne og git (for at downloade den faktiske kode), skal du indtaste følgende kommando:

$ sudo opkg opdatering && sudo opkg installer shunyaface cmake git

Bemærk: Installation kan tage cirka 5-6 minutter afhængigt af din internethastighed

Trin 4: Download koden

Koden er tilgængelig på github. Du kan downloade det ved hjælp af følgende kommando:

$ git -klon

Kode forklaring:

Den givne kode optager rammer kontinuerligt ved hjælp af Opencv's VideoCapture -funktion. Disse rammer er givet til detekteringsfunktionen af Shunyaface, som igen returnerer rammerne med afgrænsningsboks, der er afbildet på ansigtet og prikker afbildet på læbernes øjne, næse og endepunkter. For at afslutte koden skal du trykke på knappen "q". Efter tryk på "q" vises Output FPS på terminalen.

Trin 5: Kompilér koden

For at kompilere koden skal du bruge følgende kommando:

$ cd eksempler/eksempel-facedetect

$./setup.sh

Trin 6: Kør koden

Når du har samlet koden, kan du køre den ved hjælp af kommandoen.

$./build/facedetect

Du skulle nu se et vindue åbent. Når et ansigt er foran kameraet, vil det tegne afgrænsningsboksen, og det vil være synligt for brugeren i det åbnede vindue.

Tillykke. Du har nu med succes gennemført ansigtssøgning på læsetid på RaspberryPi-4 ved hjælp af deep-learning. Hvis du kan lide denne vejledning, kan du lide, del selvstudiet og stjernen i vores github -lager, der er givet her.

Anbefalede: