Echtzeit-Gesichtserkennung auf dem RaspberryPi-4 - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:18

In diesem Instructable werden wir Echtzeit-Gesichtserkennung auf Raspberry Pi 4 mit Shunya O / S mit der Shunyaface-Bibliothek durchführen. Sie können eine Erkennungsbildrate von 15-17 auf dem RaspberryPi-4 erreichen, indem Sie diesem Tutorial folgen.

Lieferungen

1. Raspberry Pi 4B (beliebige Variante)

2. Raspberry Pi 4B konformes Netzteil

3. 8 GB oder größere Micro-SD-Karte

4. Überwachen

5. Micro-HDMI-Kabel

6. Maus

7. Tastatur

8. Laptop oder ein anderer Computer (vorzugsweise Ubuntu-16.04), um die Speicherkarte zu programmieren

9. USB-Webcam

Schritt 1: Installieren Sie Shunya OS auf Raspberry Pi 4

Sie benötigen einen Laptop oder Computer (vorzugsweise mit Ubuntu-16.04) und einen Micro-SD-Kartenleser/Adapter, um die Micro-SD-Karte mit Shunya OS zu laden.

1) Laden Sie Shunya OS von der offiziellen Veröffentlichungsseite herunter

2) Flashen Sie Shunya OS auf die SD-Karte, indem Sie die folgenden Schritte ausführen:

i) Klicken Sie mit der rechten Maustaste auf die heruntergeladene Zip-Datei und wählen Sie Hier extrahieren

ii) Sobald das Bild entpackt ist, doppelklicken Sie auf den entpackten Bildordner, in dem Sie das Bild und die Release-Informationen finden

iii) Rechtsklick auf das Bild (.img-Datei)

iv) Wählen Sie Öffnen mit -> Disk-Image-Writer

v) Wählen Sie das Ziel als SD-Kartenleser

vi) Geben Sie Ihr Passwort ein

Dies beginnt mit dem Flashen der SD-Karte. Seien Sie geduldig und warten Sie, bis die SD-Karte vollständig geflasht ist (100%)

Schritt 2: Einrichtung und Verbindungen

Wie im obigen Bild gezeigt, müssen Sie die folgenden Dinge tun:

1) Stecken Sie die Micro-SD-Karte in den Raspberry Pi 4.

2) Verbinden Sie Maus und Tastatur mit Raspberry Pi 4.

3) Monitor über Micro-HDMI mit Raspberry Pi 4 verbinden

4) Verbinden Sie die USB-Webcam mit dem Raspberry Pi 4

5) Schließen Sie das Stromkabel an und schalten Sie den Raspberry Pi ein 4.

Dadurch wird Shunya OS auf dem RaspberryPi-4 gestartet. Der erste Bootvorgang kann einige Zeit dauern, da das Dateisystem die Größe ändert, um die gesamte SD-Karte zu belegen. Nach dem Hochfahren des Betriebssystems sollten Sie einen Anmeldebildschirm sehen. Hier die Zugangsdaten:

Benutzername: shunya

Passwort: shunya

Schritt 3: Installieren Sie Shunyaface (Gesichtserkennungs- / Erkennungsbibliothek)

Um Shunyaface zu installieren, müssen wir den RaspberryPi-4 mit dem LAN oder WLAN verbinden

1. Um das RPI-4 mit dem WLAN zu verbinden, verwenden Sie den folgenden Befehl:

$ sudo nmtui

2. Um shunyaface und cmake (eine Abhängigkeit) zum Kompilieren der Codes und git (zum Herunterladen des eigentlichen Codes) zu installieren, geben Sie den folgenden Befehl ein:

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

Hinweis: Die Installation kann je nach Internetgeschwindigkeit etwa 5-6 Minuten dauern

Schritt 4: Laden Sie den Code herunter

Der Code ist auf github verfügbar. Sie können es mit dem folgenden Befehl herunterladen:

$ git-Klon

Code-Erklärung:

Der angegebene Code erfasst kontinuierlich Frames mit der VideoCapture-Funktion von Opencv. Diese Frames werden der Erkennungsfunktion von Shunyaface übergeben, die wiederum die Frames mit auf dem Gesicht aufgetragenen Begrenzungsrahmen und auf den Augen, Nase und Endpunkten der Lippen aufgetragenen Punkten zurückgibt. Um den Code zu verlassen, drücken Sie die Taste "q". Nach Drücken von "q" wird die Ausgabe-FPS auf dem Terminal angezeigt.

Schritt 5: Kompilieren Sie den Code

Um den Code zu kompilieren, verwenden Sie den folgenden Befehl:

$ cd Beispiele/Beispiel-Gesichtserkennung

$./setup.sh

Schritt 6: Führen Sie den Code aus

Sobald Sie den Code kompiliert haben, können Sie ihn mit dem Befehl ausführen.

$./build/facedetect

Sie sollten nun ein Fenster geöffnet sehen. Immer wenn sich ein Gesicht vor der Kamera befindet, zeichnet es den Begrenzungsrahmen und ist für den Benutzer im geöffneten Fenster sichtbar.

Herzliche Glückwünsche. Sie haben nun die Lesezeit-Gesichtserkennung auf dem RaspberryPi-4 mit Deep-Learning erfolgreich abgeschlossen. Wenn Ihnen dieses Tutorial gefällt, teilen Sie das Tutorial bitte und markieren Sie unser hier gegebenes Github-Repository.