Innholdsfortegnelse:
Video: RASPBERRY PI Pi OBJECT DETECTION WITH MULTIPLE CAMERA'S: 3 Steps
2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:22
Jeg vil holde introen kort, ettersom tittelen i seg selv antyder hva hovedformålet med den instruerbare er. I denne trinnvise instruksjonen vil jeg forklare deg hvordan du kobler til flere kameraer som 1-pi-kamera og minst ett USB-kamera eller 2 USB-kameraer. Oppsettet gir oss tilgang til alle strømmer samtidig og utfører bevegelsesdeteksjon på hver av dem. Det beste med dette er at openCV kjører i sanntid (eller nær sanntid, avhengig av antall kameraer du har koblet til). Den kan brukes til hjemmeovervåking.
Innhold
1. Multi-cam oppsett
2. Definere den enkle bevegelsesdetektoren, få tilgang til bekkene
4. Sluttresultat
Trinn 1: Multi-cam-oppsett
Når du bygger et Raspberry Pi -oppsett for å utnytte flere kameraer, har du to alternativer:
Bare bruk flere USB -webkameraer.
Eller bruk en Raspberry Pi -kameramodul og minst ett USB -webkamera.
Vi har brukt et Logitech c920 webkamera.
Raspberry pi har en intern kameraport, men hvis du vil bruke flere bringebær pi -kameraer i stedet for et USB -kamera, må du skaffe deg et skjold.
La oss nå vurdere et oppsett med 2 kameraer med en pi-cam og ett USB-kamera. Utgangen vil være som den i image_2.
I den gjenværende delen av dette innlegget vil vi først definere den enkle bevegelsessensor -koden for et enkelt kamera og deretter implementere det for flere kameraer.
Trinn 2: Definere den enkle bevegelsesdetektoren
I denne delen definerer vi en enkel pythonkode for å oppdage objekter. For å opprettholde effektiviteten kan du vurdere at bare ett objekt beveger seg i en kameravisning.
alle kodefilene er vedlagt i min Github-lenke:
Anbefalt:
Raspberry Pi Object Detection: 7 trinn
Raspberry Pi Object Detection: Denne guiden gir trinnvise instruksjoner for hvordan du konfigurerer TensorFlows Object Detection API på Raspberry Pi. Ved å følge trinnene i denne veiledningen, vil du kunne bruke Raspberry Pi til å utføre gjenkjenning av objekter på livevideo fra en P
Raspberry Pi Object Counting: 5 trinn
Raspberry Pi Object Counting: Datasyn er uten tvil en fantastisk ting! Ved å bruke dette får en datamaskin muligheten til å " se " og oppdage miljøet rundt, hva som gjør det mulig å utvikle komplekse, nyttige og kule applikasjoner. Applikasjoner som fa
Opplæring i Jetson Nano Quadruped Robot Object Detection: 4 trinn
Jetson Nano Quadruped Robot Object Detection Tutorial: Nvidia Jetson Nano er et utviklerpakke, som består av et SoM (System on Module) og et referansebærerkort. Det er først og fremst målrettet for å lage innebygde systemer som krever høy prosessorkraft for maskinlæring, maskinsyn og video
Arduino Uno + SIM900 + DHT22 + Thingspeak [ENG /PL] MULTIPLE SENSOR DATA !: 3 trinn
![Arduino Uno + SIM900 + DHT22 + Thingspeak [ENG /PL] MULTIPLE SENSOR DATA !: 3 trinn](https://i.howwhatproduce.com/images/005/image-12970-16-j.webp "Arduino Uno + SIM900 + DHT22 + Thingspeak [ENG /PL] MULTIPLE SENSOR DATA !: 3 trinn")
Arduino Uno + SIM900 + DHT22 + Thingspeak [ENG /PL] MULTIPLE SENSOR DATA !: Hei, jeg så at det mangler informasjon om hvordan du sender flere sensordata til thingspeak av Arduino Uno med SIM900 -modul. Så jeg gjorde kort instruksjoner om tilkobling og konfigurasjon Arduino UNO med SIM900 og DHT22 sensor. Data fra DHT22 (temperament
Visual Object Detection With a Camera (TfCD): 15 trinn (med bilder)
Visual Object Detection With a Camera (TfCD): Kognitive tjenester som kan gjenkjenne følelser, ansikter til mennesker eller enkle objekter er for tiden på et tidlig utviklingsstadium, men med maskinlæring utvikler denne teknologien seg stadig mer. Vi kan forvente å se mer av denne magien i