תוכן עניינים:
- שלב 1: קבל את מפתח ה- API שלך
- שלב 2: אסוף את החומרה שלך
- שלב 3: הלחם את ה- LCD יחד
- שלב 4: הורד NOOBS עבור ה- Raspberry Pi שלך
- שלב 5: תחילת העבודה עם Picamera
- שלב 6: אתר את יציאת המצלמה וחבר את המצלמה
- שלב 7: פתח את כלי התצורה של Raspberry Pi מהתפריט הראשי
- שלב 8: ודא שתוכנת המצלמה מופעלת
- שלב 9: תצוגה מקדימה של המצלמה
- שלב 10: תמונות סטילס
- שלב 11: המצלמה שלך עובדת
- שלב 12: קח את ערכת ה- LCD המורכבת שלך ובדוק
- שלב 13: קבל את הקוד להתקנתו בהתקן העשוי בעצמך
- שלב 14: צלם
- שלב 15: בוצע
וִידֵאוֹ: זיהוי אובייקטים חזותיים באמצעות מצלמה (TfCD): 15 שלבים (עם תמונות)
2024 מְחַבֵּר: John Day | [email protected]. שונה לאחרונה: 2024-01-30 09:17
שירותים קוגניטיביים שיכולים לזהות רגשות, פנים של אנשים או אובייקטים פשוטים נמצאים עדיין בשלב מוקדם של התפתחות, אך עם למידת מכונה הטכנולוגיה הזו הולכת ומתפתחת. אנו יכולים לצפות לראות יותר מהקסם הזה בעתיד.
עבור פרויקט של TU Delft עבור TfCD, החלטנו להשתמש בשירותים קוגניטיביים לראייה שמספקת מיקרוסופט כדי להדגים כיצד לבצע ניתוח זיהוי ראייה על תמונות. (ראה את הסרטון).
הערה!
האלקטרוניקה והקוד עובדים כראוי, אך חיבור האינטרנט ב- TU Delft כבוי כך שאין לנו סרטון תקין. נעלה אחד מתאים מאוחר יותר! תודה לך על הבנה!
שלב 1: קבל את מפתח ה- API שלך
ראשית, עבור לאתר השירותים הקוגניטיביים של Azure וקבל את מפתח ה- Computer Vision API מאתר מיקרוסופט. הקישור למטה למטה:
אקסטרה: אם אתה רוצה לנסות את ה- API שיהיה קצת כיף, קבל גם את המפתח לזיהוי פנים וזיהוי רגשות. הורד Visual Studios (הגרסה הקהילתית בסדר) וגם הורד את הקוד מ- github כדי להכניס ל- Visual Studios.
אולפני Visual:
Github:
שלב 2: אסוף את החומרה שלך
התחל בעבודה עם מודול המצלמות של Raspberry Pi, באמצעות Python ו- picamera. תוכל לצלם תמונות סטילס, להקליט וידאו ולהחיל אפקטים של תמונה. ראשית, תזדקק ל:
- פטל פאי, לוח מצלמות V2, 8MP
- Raspberry Pi 3, דגם B, זיכרון RAM בנפח 1GB לקידוד
- Adafruit 16x2 אופי LCD
- עכבר לקישור ל- Raspberry Pi
- מקלדת לקישור ל- Raspberry Pi
- צג לקישור ל- Raspberry Pi
- כבל אתרנט כדי לקשר את ה- Raspberry Pi לרשת
- מחשב נייד לכניסה
- ערכת הלחמה להלחמת ה- LCD שלך
שלב 3: הלחם את ה- LCD יחד
השתמש באתר Adafruit כדי להלחם את ה- LCD כהלכה. הקישור למטה:
learn.adafruit.com/adafruit-16x2-character…
שלב 4: הורד NOOBS עבור ה- Raspberry Pi שלך
הורד את Raspbian כדי להפעיל את ה- Raspberry Pi שלך!
www.raspberrypi.org/downloads/noobs/
ראו את ה- Raspberry Pi שלכם כמחשב קטן. הוא צריך צג, עכבר, מקלדת ואינטרנט. חבר אותם ל- Raspberry Pi שלך.
שלב 5: תחילת העבודה עם Picamera
מודול המצלמה הוא אביזר מצוין עבור ה- Raspberry Pi, המאפשר למשתמשים לצלם תמונות סטילס ולהקליט וידאו ב- HD מלא. קודם כל, כאשר ה- Pi כבוי, יהיה עליך לחבר את מודול המצלמה ליציאת המצלמה של Raspberry Pi, ולאחר מכן להפעיל את ה- Pi ולוודא שהתוכנה מופעלת. עקוב אחר התמונות להמשך השלבים!
שלב 6: אתר את יציאת המצלמה וחבר את המצלמה
שלב 7: פתח את כלי התצורה של Raspberry Pi מהתפריט הראשי
שלב 8: ודא שתוכנת המצלמה מופעלת
שלב 9: תצוגה מקדימה של המצלמה
עכשיו המצלמה שלך מחוברת והתוכנה מופעלת, תוכל להתחיל על ידי ניסיון בתצוגה המקדימה של המצלמה.
- פתח את פייתון 3 מהתפריט הראשי
- פתח קובץ חדש ושמור אותו כ- camera.py. חשוב שלא תשמור אותו בתור picamera.py.
- הזן את הקוד הבא:
- מייבוא picamera PiCamera
- מפעם לפעם ייבוא שינה
- מצלמה = PiCamera ()
- camera.start_preview () שינה (10) camera.stop_preview ()
- שמור באמצעות Ctrl + S והפעל עם F5. יש להציג את תצוגה מקדימה של המצלמה למשך 10 שניות ולאחר מכן לסגור. הזז את המצלמה מסביב כדי לצפות בתצוגה מקדימה של מה שהמצלמה רואה.
- התצוגה המקדימה של המצלמה החיה אמורה למלא את המסך
שלב 10: תמונות סטילס
השימוש הנפוץ ביותר במודול המצלמה הוא צילום תמונות סטילס.
שנה את הקוד שלך כדי לצמצם את השינה והוסף קו camera.capture ():
camera.start_preview ()
שינה (5)
camera.capture ('/home/pi/Desktop/image.jpg')
camera.stop_preview ()
- הפעל את הקוד ותראה את התצוגה המקדימה של המצלמה פתוחה במשך 5 שניות לפני שתצלם תמונת סטילס. תראה את התצוגה המקדימה להתאים לרזולוציה אחרת ברגע שהתמונה צולמת.
- תראה את התמונה שלך בשולחן העבודה. לחץ פעמיים על סמל הקובץ כדי לפתוח אותו.
שלב 11: המצלמה שלך עובדת
כן! השלב הבא!
שלב 12: קח את ערכת ה- LCD המורכבת שלך ובדוק
הפעל את ה- LCD על ידי ביצוע שלבי המשנה:
הגדרת ה- LCD
א.
התקנת ה- LCD ובדיקה אם ה- LCD שלך מולחם כהלכה!
ב.
שלב 13: קבל את הקוד להתקנתו בהתקן העשוי בעצמך
קבל את הקוד מ- github:
הערה: נראה שהקוד אינו פועל היטב בטרוני. השתמש במסוף של Raspbian כדי להפעיל את הקוד. מקם את הקוד (ComputerVision.py) במפה: home/pi/Adafruit_Python_CharLCD/דוגמאות (מסיבה כלשהי זה עובד רק כך, שיטות אחרות רק יתנו שגיאות בלתי מוסברות)
פתח את הטרמינל והקלד:
cd Adafruit_Python_CharLCD/דוגמאות
./ComputerVision.py
שלב 14: צלם
מוּמלָץ:
זיהוי אובייקטים עם לוחות Sipeed MaiX (Kendryte K210): 6 שלבים
זיהוי אובייקטים עם לוחות Sipeed MaiX (Kendryte K210): בהמשך למאמר הקודם שלי בנושא זיהוי תמונות עם לוחות Sipeed MaiX, החלטתי לכתוב הדרכה נוספת, המתמקדת בזיהוי אובייקטים. לאחרונה צצה חומרה מעניינת עם שבב Kendryte K210, כולל S
מעקב אחר אובייקטים מבוססי זיהוי צבעים: 10 שלבים
מעקב אחר אובייקטים מבוססי זיהוי צבעים: סיפור עשיתי את הפרויקט הזה כדי ללמוד עיבוד תמונות באמצעות פטל PI ולפתוח קורות חיים. כדי להפוך את הפרויקט למעניין יותר השתמשתי בשני מנועי סרוו SG90 ועליו מצלמת הר. מנוע אחד נהג לנוע אופקית ומנוע שני נהג לתנועה אנכית
זיהוי אובייקטים W/ Dragonboard 410c או 820c באמצעות OpenCV ו- Tensorflow .: 4 שלבים
אובייקט זיהוי W/ Dragonboard 410c או 820c באמצעות OpenCV ו- Tensorflow .: הוראות הוראה אלה מתארות כיצד להתקין מסגרות OpenCV, Tensorflow ולמידת מכונה עבור Python 3.5 להפעלת היישום זיהוי אובייקטים
מנתח תבניות תנועה באמצעות זיהוי אובייקטים חיים: 11 שלבים (עם תמונות)
מנתח תבניות תנועה באמצעות זיהוי אובייקטים חיים: בעולם של היום, רמזורים חיוניים לכביש בטוח. עם זאת, פעמים רבות, רמזורים יכולים להטריד במצבים בהם מישהו מתקרב אל האור בדיוק כשהוא הופך לאדום. זה מבזבז זמן, במיוחד אם האור הוא מוקדם
זיהוי פנים+זיהוי: 8 שלבים (עם תמונות)
זיהוי פנים+זיהוי: זוהי דוגמה פשוטה לריצת זיהוי פנים וזיהוי באמצעות OpenCV ממצלמה. הערה: הכנתי את הפרויקט הזה לתחרות חיישנים והשתמשתי במצלמה כחיישן לאיתור מעקב והכרה. אז, המטרה שלנו בפגישה זו, 1. התקן את אנקונדה