Съдържание:
Видео: МАЛИНА PI Pi ОТКРИВАНЕ НА ОБЕКТИ С МНОЖЕСТВЕНА КАМЕРА: 3 стъпки
2024 Автор: John Day | [email protected]. Последно модифициран: 2024-01-30 07:51
Ще запазя интрото кратко, тъй като самото заглавие подсказва каква е основната цел на инструктажа. В тази инструкция стъпка по стъпка ще ви обясня как да свържете няколко камери като 1-пи камера и поне една USB камера или 2 USB камери. Настройката ще ни позволи да имаме достъп до всички потоци едновременно и да извършим откриване на движение на всеки един от тях. Най-хубавото в това е, че openCV работи в реално време (или почти в реално време, в зависимост от броя на камерите, които сте прикачили). Може да се използва за домашно наблюдение.
Съдържание
1. Настройка на няколко камери
2. Определяне на простия детектор на движение, достъп до потоците
4. Краен резултат
Стъпка 1: Настройка на няколко камери
Когато изграждате настройка на Raspberry Pi за използване на няколко камери, имате две възможности:
Просто използвайте няколко USB уеб камери.
Или използвайте един модул за камера на Raspberry Pi и поне една USB уеб камера.
Използвали сме уеб камера Logitech c920.
Raspberry pi има един вътрешен порт за камера, но ако искате да използвате няколко малинови pi камери вместо USB камера, трябва да получите щит.
Сега нека разгледаме настройка с 2 камери с една pi-cam и една USB камера. Изходът ще бъде като този в image_2.
В останалата част от тази публикация първо ще дефинираме простия код за детектор на движение за една камера и след това ще я внедрим в множество камери.
Стъпка 2: Определяне на простия детектор на движение
В този раздел ще определим прост код на python за откриване на обекти. За да се поддържа ефективността, нека да разгледаме само един обект, който се движи в един изглед на камерата.
всички кодови файлове са прикачени към моята връзка към Github:
Препоръчано:
Проследяване на обекти въз основа на откриване на цвят: 10 стъпки
Проследяване на обекти въз основа на откриване на цвят: История Направих този проект, за да науча обработката на изображения с помощта на Raspberry PI и отворена автобиография. За да направя този проект по -интересен, използвах два сервомотора SG90 и монтирам камера върху него. Един двигател, използван за хоризонтално движение, и втори двигател, използван за вертикално
Най -лесната уеб камера като охранителна камера - Откриване на движение и снимки по имейл: 4 стъпки
Най -лесната уеб камера като камера за сигурност - Откриване на движение и снимки по имейл: Вече не е необходимо да изтегляте или конфигурирате софтуер, за да получавате картини, открити от движение от вашата уеб камера, до вашия имейл - просто използвайте браузъра си. Използвайте актуален браузър Firefox, Chrome, Edge или Opera в Windows, Mac или Android, за да заснемете снимката
Откриване на обекти W/ Dragonboard 410c или 820c с помощта на OpenCV и Tensorflow .: 4 стъпки
Object Detection W/ Dragonboard 410c или 820c Използване на OpenCV и Tensorflow .: Тази инструкция описва как да инсталирате OpenCV, Tensorflow и рамки за машинно обучение за Python 3.5, за да стартирате приложението Object Detection
Откриване на обекти по време на шофиране на RC кола: 9 стъпки
Откриване на обекти по време на шофиране на RC кола: Този проект е за използването на ултразвукови сензори на автомобил за откриване на препятствия
Урок за откриване на обекти на четворни роботи на Jetson Nano: 4 стъпки
Урок за откриване на обекти на четворни роботи на Jetson Nano: Nvidia Jetson Nano е комплект за разработчици, който се състои от SoM (система на модул) и референтна платка за носене. Той е насочен предимно към създаване на вградени системи, които изискват висока процесорна мощност за машинно обучение, машинно виждане и видео