فهرست مطالب:
تصویری: RASPBERRY PI Pi تشخیص هدف با دوربین چندگانه: 3 مرحله
2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:53
من مقدمه را کوتاه می کنم ، زیرا عنوان از خود نشان می دهد که هدف اصلی از دستورالعمل چیست. در این دستورالعمل گام به گام ، نحوه اتصال چندین دوربین مانند دوربین 1-pi و حداقل یک دوربین USB یا 2 دوربین USB را برای شما توضیح خواهم داد. راه اندازی به ما امکان می دهد به طور همزمان به همه جریانها دسترسی پیدا کرده و در هر یک از آنها تشخیص حرکت را انجام دهیم. بهترین بخش در این مورد این است که openCV در زمان واقعی (بسته به تعداد دوربین هایی که وصل کرده اید) در حال اجرا است. می توان از آن برای نظارت بر خانه استفاده کرد.
فهرست
1. راه اندازی چند دوربین
2. تعریف آشکارساز حرکت ساده ، دسترسی به جریانها
4. نتیجه نهایی
مرحله 1: راه اندازی چند دوربین
هنگام ایجاد تنظیمات رزبری پای برای استفاده از چندین دوربین ، دو گزینه دارید:
به سادگی از چند وب کم USB استفاده کنید.
یا از یک ماژول دوربین رزبری پای و حداقل از یک دوربین وب USB استفاده کنید.
ما از دوربین وب Logitech c920 استفاده کرده ایم.
رزبری پی دارای یک درگاه دوربین داخلی است ، اما اگر می خواهید از چندین دوربین تمشک pi به جای دوربین USB استفاده کنید ، باید یک سپر تهیه کنید.
حالا اجازه دهید یک راه اندازی 2 دوربین با یک دوربین مدار بسته و یک دوربین USB را در نظر بگیریم. خروجی مانند خروجی در image_2 خواهد بود.
در قسمت باقیمانده از این پست ، ابتدا کد تشخیص حرکت ساده را برای یک دوربین واحد تعریف می کنیم و سپس آن را در چندین دوربین پیاده سازی می کنیم.
مرحله 2: تعریف آشکارساز حرکت ساده
در این بخش ، ما یک کد پایتون ساده برای تشخیص اشیا تعریف می کنیم. برای حفظ کارآیی اجازه دهید فقط یک جسم در یک نمای دوربین در حال حرکت باشد.
همه فایل های کد در پیوند Github من ضمیمه شده است:
توصیه شده:
تشخیص چهره ، آموزش و تشخیص Opencv: 3 مرحله
تشخیص چهره ، آموزش و تشخیص Opencv: OpenCV یک کتابخانه بینایی رایانه منبع باز است که برای انجام کارهای اصلی پردازش تصویر مانند تار شدن ، ترکیب تصویر ، افزایش تصویر و همچنین کیفیت فیلم ، آستانه و غیره بسیار محبوب است. علاوه بر پردازش تصویر ، اثبات می کند
تشخیص و تشخیص چهره - Arduino Face ID با استفاده از OpenCV Python و Arduino .: 6 مرحله
تشخیص و تشخیص چهره | شناسه صورت آردوینو با استفاده از OpenCV پایتون و آردوینو.: تشخیص چهره AK ID چهره یکی از مهمترین ویژگی های تلفن های همراه امروزه است. بنابراین ، من یک سوال داشتم & quot؛ آیا می توانم برای پروژه آردوینو خود شناسه چهره داشته باشم & quot؛ و پاسخ بله است … سفر من به شرح زیر آغاز شد: مرحله 1: دسترسی به ما
تشخیص حرکت و نابود کردن هدف! پروژه DIY خودمختار: 5 مرحله
تشخیص حرکت و نابود کردن هدف! Autonomous DIY Project: Detect Motion and Destroy Target! در این ویدئو به شما نشان می دهم که چگونه می توانید یک پروژه ردیابی حرکت DIY را با Raspberry Pi 3 بسازید. این پروژه مستقل است ، بنابراین هنگام تشخیص حرکت ، اسلحه را حرکت می دهد و شلیک می کند. من از ماژول لیزر برای این پروژه استفاده کردم ، اما شما
پردازش ساده Uldar (تشخیص و تشخیص اولتراسونیک): 3 مرحله
پردازش ساده Uldar (تشخیص و رتبه بندی اولتراسونیک): این یک پروژه ساده است که از Arduino UNO و Processing برای ایجاد یک لیدار ساده استفاده می کند. Lidar (همچنین LIDAR ، LiDAR و LADAR نیز نامیده می شود) یک روش نقشه برداری است که با روشن کردن فاصله تا یک هدف را اندازه گیری می کند. هدف با نور لیزری پالس و اندازه گیری
تشخیص چهره+تشخیص: 8 مرحله (همراه با تصاویر)
تشخیص چهره+تشخیص: این یک مثال ساده از اجرای تشخیص و تشخیص چهره با OpenCV از دوربین است. توجه: من این پروژه را برای مسابقه سنسور ساختم و از دوربین به عنوان سنسور برای ردیابی و شناسایی چهره ها استفاده کردم. بنابراین ، هدف ما در این جلسه ، 1. Anaconda را نصب کنید