Sommario:
- Passaggio 1: ottieni la tua chiave API
- Passaggio 2: raccogli il tuo hardware
- Passaggio 3: saldare insieme il tuo LCD
- Passaggio 4: scarica NOOBS per il tuo Raspberry Pi
- Passaggio 5: iniziare con Picamera
- Passaggio 6: individuare la porta della fotocamera e collegare la fotocamera
- Passaggio 7: Apri lo strumento di configurazione Raspberry Pi dal menu principale
- Passaggio 8: assicurati che il software della fotocamera sia abilitato
- Passaggio 9: anteprima della fotocamera
- Passaggio 10: immagini fisse
- Passaggio 11: la tua fotocamera funziona
- Passaggio 12: prendi il tuo kit LCD assemblato e prova
- Passaggio 13: Ottieni il codice per installarlo sul tuo dispositivo fai da te
- Passaggio 14: scatta una foto
- Passaggio 15: fatto
Video: Rilevamento di oggetti visivi con una fotocamera (TfCD): 15 passaggi (con immagini)
2024 Autore: John Day | [email protected]. Ultima modifica: 2024-01-30 10:04
I servizi cognitivi in grado di riconoscere emozioni, volti di persone o semplici oggetti sono attualmente ancora in una fase iniziale di sviluppo, ma con il machine learning questa tecnologia si sviluppa sempre più. Possiamo aspettarci di vedere più di questa magia in futuro.
Per un progetto della TU Delft per TfCD, abbiamo deciso di utilizzare i servizi cognitivi di visione forniti da Microsoft per dimostrare come eseguire un'analisi di riconoscimento della vista sulle foto. (Vedi il video).
NOTA!
L'elettronica e il codice funzionano correttamente, ma la connessione Internet al TU Delft era disattivata, quindi non abbiamo un video adeguato. Ne caricheremo una corretta più tardi! Grazie per la comprensione!
Passaggio 1: ottieni la tua chiave API
Innanzitutto, vai al sito dei servizi cognitivi di Azure e ottieni la chiave API di Visione artificiale dal sito Microsoft. Il collegamento è in basso:
EXTRA: Se vuoi provare l'API per divertirti un po', ottieni anche la chiave per il riconoscimento facciale e il riconoscimento delle emozioni. Scarica Visual Studios (va bene la versione community) e scarica anche il codice da github da inserire in Visual Studios.
Visual Studios:
Github:
Passaggio 2: raccogli il tuo hardware
Inizia con il modulo fotocamera Raspberry Pi, utilizzando Python e picamera. Scatterai foto, registrerai video e applicherai effetti alle immagini. Per cominciare, avrai bisogno di:
- Raspberry Pi, scheda fotocamera V2, 8MP
- Raspberry Pi 3, modello B, 1 GB di RAM per la codifica
- LCD Adafruit 16x2 caratteri
- Mouse da collegare al Raspberry Pi
- Tastiera da collegare al Raspberry Pi
- Monitor da collegare al Raspberry Pi
- Cavo Ethernet per collegare il Raspberry Pi al web
- Computer portatile per l'input
- Set di saldatura per saldare il tuo LCD
Passaggio 3: saldare insieme il tuo LCD
Usa il sito Adafruit per saldare correttamente il tuo LCD. Il link è in basso:
learn.adafruit.com/adafruit-16x2-character…
Passaggio 4: scarica NOOBS per il tuo Raspberry Pi
Scarica Raspbian per far funzionare il tuo Raspberry Pi!
www.raspberrypi.org/downloads/noobs/
Guarda il tuo Raspberry Pi come un piccolo computer. Ha bisogno di un monitor, mouse, tastiera e internet. Collegali al tuo Raspberry Pi.
Passaggio 5: iniziare con Picamera
Il modulo fotocamera è un ottimo accessorio per Raspberry Pi, che consente agli utenti di scattare foto e registrare video in full HD. Prima di tutto, con il Pi spento, dovrai collegare il modulo fotocamera alla porta della fotocamera del Raspberry Pi, quindi avviare il Pi e assicurarti che il software sia abilitato. Segui le immagini per gli ulteriori passaggi!
Passaggio 6: individuare la porta della fotocamera e collegare la fotocamera
Passaggio 7: Apri lo strumento di configurazione Raspberry Pi dal menu principale
Passaggio 8: assicurati che il software della fotocamera sia abilitato
Passaggio 9: anteprima della fotocamera
Ora che la tua fotocamera è collegata e il software è abilitato, puoi iniziare provando l'anteprima della fotocamera.
- Apri Python 3 dal menu principale
- Apri un nuovo file e salvalo come camera.py. È importante non salvarlo come picamera.py.
- Inserisci il seguente codice:
- da picamera import PiCamera
- dal tempo importa il sonno
- fotocamera = PiCamera()
- camera.start_preview() sleep(10) camera.stop_preview()
- Salva con Ctrl + S ed esegui con F5. L'anteprima della telecamera dovrebbe essere mostrata per 10 secondi, quindi chiusa. Muovi la telecamera per vedere in anteprima cosa vede la telecamera.
- L'anteprima della telecamera dal vivo dovrebbe riempire lo schermo
Passaggio 10: immagini fisse
L'uso più comune del modulo fotocamera è scattare foto.
Modifica il tuo codice per ridurre il sonno e aggiungi una riga camera.capture():
camera.start_preview()
dormire(5)
camera.capture('/home/pi/Desktop/image.jpg')
camera.stop_preview()
- Esegui il codice e vedrai l'anteprima della fotocamera aperta per 5 secondi prima di acquisire un'immagine fissa. Vedrai che l'anteprima si adatta momentaneamente a una risoluzione diversa mentre viene scattata la foto.
- Vedrai la tua foto sul desktop. Fare doppio clic sull'icona del file per aprirlo.
Passaggio 11: la tua fotocamera funziona
SÌ! Passo successivo!
Passaggio 12: prendi il tuo kit LCD assemblato e prova
Abilita il display LCD seguendo i passaggi secondari:
Configurazione dell'LCD
un.
Installazione dell'LCD e verifica se il tuo LCD è saldato correttamente!
B.
Passaggio 13: Ottieni il codice per installarlo sul tuo dispositivo fai da te
Ottieni il codice da github:
NOTA: il codice non sembra funzionare bene nel Tronny. Usa il Terminale di Raspbian per avviare il codice. Posiziona il codice (ComputerVision.py) nella mappa: home/pi/Adafruit_Python_CharLCD/examples (Per qualche motivo funziona solo in questo modo, altri metodi daranno solo errori inspiegabili)
Apri il tuo terminale e digita:
cd Adafruit_Python_CharLCD/esempi
./ComputerVision.py
Passaggio 14: scatta una foto
Consigliato:
Programmazione orientata agli oggetti: creazione di oggetti Metodo/tecnica di apprendimento/insegnamento utilizzando Shape Puncher: 5 passaggi
Programmazione orientata agli oggetti: creazione di oggetti Metodo/tecnica di apprendimento/insegnamento utilizzando Shape Puncher: metodo di apprendimento/insegnamento per studenti nuovi alla programmazione orientata agli oggetti. Questo è un modo per consentire loro di visualizzare e vedere il processo di creazione di oggetti dalle classi.Parti:1. EkTools punzone grande da 2 pollici; le forme solide sono le migliori.2. Pezzo di carta o c
Cursore della telecamera di rilevamento degli oggetti con asse di rotazione. Stampato in 3D e costruito su RoboClaw DC Motor Controller e Arduino: 5 passaggi (con immagini)
Cursore della telecamera di rilevamento degli oggetti con asse di rotazione. Stampato in 3D e costruito sul RoboClaw DC Motor Controller e Arduino: questo progetto è stato uno dei miei progetti preferiti da quando ho avuto modo di combinare il mio interesse per la creazione di video con il fai-da-te. Ho sempre guardato e voluto emulare quegli scatti cinematografici nei film in cui una telecamera si muove su uno schermo mentre fa una panoramica per tracciare
Robot di Halloween con rilevamento del volto e rilevamento del sorriso: 8 passaggi (con immagini)
Monitoraggio del viso e rilevamento del sorriso Robot di Halloween: Halloween sta arrivando! Abbiamo deciso di costruire qualcosa di interessante. Incontra i robot Ghosty e Skully. Possono seguire il tuo viso e sanno quando sorridi per ridere con te! Questo progetto è un altro esempio dell'utilizzo dell'app iRobbie che converte l'iPhone in
Programmazione orientata agli oggetti: creazione di oggetti Metodo/tecnica di apprendimento/insegnamento con le forbici: 5 passaggi
Programmazione orientata agli oggetti: creazione di oggetti Metodo/tecnica di apprendimento/insegnamento Utilizzo delle forbici: metodo di apprendimento/insegnamento per studenti nuovi alla programmazione orientata agli oggetti. Questo è un modo per consentire loro di visualizzare e vedere il processo di creazione di oggetti dalle classi. Parti: 1. Forbici (va bene qualsiasi tipo). 2. Pezzo di carta o cartoncino. 3. Indicatore
Analizzatore di modelli di traffico che utilizza il rilevamento di oggetti in tempo reale: 11 passaggi (con immagini)
Analizzatore del modello di traffico che utilizza il rilevamento di oggetti in tempo reale: nel mondo di oggi, i semafori sono essenziali per una strada sicura. Tuttavia, molte volte, i semafori possono essere fastidiosi in situazioni in cui qualcuno si avvicina al semaforo proprio mentre sta diventando rosso. Questo fa perdere tempo, soprattutto se la luce è pr