Pagtuklas ng Totoong Oras sa Mukha sa RaspberryPi-4: 6 Mga Hakbang (na may Mga Larawan)

2024 May -akda: John Day | [email protected]. Huling binago: 2024-01-30 13:12

Sa Instructable na ito ay magsasagawa kami ng real time face-detection sa Raspberry Pi 4 kasama ang Shunya O / S gamit ang Shunyaface Library. Maaari mong makamit ang isang rate ng frame ng pagtuklas ng 15-17 sa RaspberryPi-4 sa pamamagitan ng pagsunod sa tutorial na ito.

Mga gamit

1. Raspberry Pi 4B (anumang variant)

2. Suplay ng kuryente na tumutugma sa Raspberry Pi 4B

3. 8GB o mas malaking micro SD card

4. Subaybayan

5. micro-HDMI Cable

6. Mouse

7. Keyboard

8. laptop o ibang computer (mas mabuti ang Ubuntu-16.04) upang mai-program ang memory card

9. USB Webcam

Hakbang 1: I-install ang Shunya OS sa Raspberry Pi 4

Kakailanganin mo ang isang laptop o computer (mas mabuti sa Ubuntu-16.04) at isang micro SD card reader / adapter upang mai-load ang micro SD card sa Shunya OS.

1) I-download ang Shunya OS mula sa opisyal na site ng paglabas

2) Flash Shunya OS sa SD-card gamit ang mga hakbang na ibinigay sa ibaba:

i) Mag-right click sa zip file na na-download at piliin ang Extract dito

ii) Kapag na-unzip ang imahe ng dobleng pag-click sa hindi naka-zip na imahe folder kung saan makikita mo ang imahe at ilabas ang impormasyon

iii) Pag-right click sa imahe (.img file)

iv) Piliin ang Buksan gamit ang -> Manunulat ng imahe ng disk

v) Piliin ang Patutunguhan bilang Reader ng SD Card

vi) Ipasok ang iyong password

Sisimulan nito ang pag-flash ng SD-card. Maging mapagpasensya at hintaying ma-flash ang Sd-card nang buong buo (100%)

Hakbang 2: Pag-setup at Mga Koneksyon

Tulad ng ipinakita sa larawan sa itaas kailangan mong gawin ang mga sumusunod na bagay:

1) Ipasok ang micro SD card sa Raspberry Pi 4.

2) Ikonekta ang mouse at keyboard sa Raspberry Pi 4.

3) Ikonekta ang Monitor sa Raspberry Pi 4 sa pamamagitan ng micro-HDMI

4) Ikonekta ang USB Webcam sa Raspberry Pi 4

5) Ikonekta ang power cable at Power SA Raspberry Pi 4.

Tatanggalin nito ang Shunya OS sa RaspberryPi-4. Ang unang boot ay maaaring magtagal ng oras habang nagbabago ang laki ng filesystem upang sakupin ang buong SD-card. Matapos ang OS boots up dapat mong makita ang isang login screen. Narito ang mga detalye sa pag-login:

Username: shunya

Password: shunya

Hakbang 3: I-install ang Shunyaface (mukha ng Deteksyon / pagkilala sa Library)

Upang mai-install ang Shunyaface kailangan naming ikonekta ang RaspberryPi-4 sa lan o wifi

1. Upang ikonekta ang RPI-4 sa wifi gamitin ang sumusunod na utos:

$ sudo nmtui

2. Upang mai-install ang shunyaface at cmake (isang dependency) para sa pagtitipon ng mga code at git (para sa pag-download ng aktwal na code), ipasok ang sumusunod na utos:

$ sudo opkg update && sudo opkg install shunyaface cmake git

Tandaan: Ang pag-install ay maaaring tumagal ng halos 5-6 minuto depende sa bilis ng iyong internet

Hakbang 4: I-download ang Code

Magagamit ang code sa github. Maaari mong i-download ito gamit ang sumusunod na utos:

$ git clone

Paliwanag sa code:

Ang ibinigay na code ay nakakakuha ng mga frame na patuloy na gumagamit ng pagpapaandar ng VideoCapture ng Opencv. Ang mga frame na ito ay ibinibigay sa pag-andar ng Shunyaface na ibinalik naman ang mga frame na may nakagapos na kahon na naka-plot sa mukha at mga tuldok na naka-plot sa mga mata, ilong at dulo ng labi. Upang umalis sa code pindutin ang pindutang "q". Pagkatapos ng pagpindot sa "q" ang Output FPS ay ipinapakita sa terminal.

Hakbang 5: Ipunin ang Code

Upang maipon ang code gamitin ang sumusunod na utos:

Mga halimbawa ng $ cd / halimbawa ng mukha

$./setup.sh

Hakbang 6: Patakbuhin ang Code

Minsan, naipon mo ang code maaari mo itong patakbuhin gamit ang utos.

$./ build/facedetect

Dapat mo na ngayong makita ang isang window na bukas. Kailan man ang isang mukha ay nasa harap ng camera, lalagyan nito ang bounding box at makikita ito ng gumagamit sa window na bumukas.

Binabati kita Matagumpay mong nakumpleto ang read-time face-detection sa RaspberryPi-4 gamit ang malalim na pag-aaral. Kung gusto mo ang tutorial na ito mangyaring gusto, ibahagi ang tutorial at lagyan ng star ang aming github repository na ibinigay dito.