Detekce pádů lidí pomocí OpenCV a Raspberry Pi - Část 2

Přehled projektu

Detekce pádů je zásadní technologie, zejména v péči o seniory a bezpečnosti chytrých domů. S Raspberry Pi a OpenCV můžete vytvořit efektivní detekční systém, který sleduje pády v reálném čase a zaznamenává data. Tento projekt je vylepšenou verzí projektu KNN 3D rozpoznávání lidského skeletu, navrženou tak, aby byla praktická a snadno implementovatelná.

Ahoj 👋! Vítejte v OpenELAB výukovém projektu! Tento článek poskytuje podrobný návod, jak použít Raspberry Pi 4B a OpenCV k implementaci systému detekce pádu člověka. Návod je rozdělen do tří částí a dnes se zaměříme na Část 2, kde implementujeme základní funkce. To zahrnuje:

Trénování dat
Ukládání výsledků do CSV soubor
Použití kamery k ověření vašeho modelu

Pojďme se do toho pustit a společně vytvořit něco úžasného! 🚀

Raspberry Pi 4B

Zobrazit produkt

Dále vás provedeme krok za krokem 📜 přes zdrojový kód, což vám usnadní ponořit se do tohoto projektu!

Jste připraveni? Pojďme začít 🚀

Kroky, které je třeba dodržovat

🚀 Otevřít vzdáleně
Nastavení kamery
Konfigurovat VSCode
Spusťte projekt ve VSCode
🔧 Dodržujte pokyny k použití

Poznámka: Tento projekt je upravenou verzí projektu KNN 3D Human Skeleton Recognition. Poskytuje kompletní návod, jak jej bez problémů spustit na Raspberry Pi.

Postup

Otevřít dálkové ovládání：

Kroky k otevření kamery:

Umístění spuštění IDE Python na Raspberry Pi:

Konfigurace kódu: Výhody, Snazší oprava chyb:

Proces otevírání：

Instalace úspěšná: Spusťte test.py

Kompilace a spuštění

Nejprve spusťte testovací kód test.py zajistit správnou funkci kamery.
Spusťte soubor First_train.py pro trénování dat a uložte klíčové body lidského těla jako soubory 1_Fall.csv a 2_Normal.csv. Uživatel může stisknout klávesu Esc pro ukončení a uložení výsledků.
Spusťte soubor second_KNN.py pro použití modelu KNN pro konfiguraci.
Spusťte soubor Third.py pro ověření. Můžete nahrát video s kompletními klíčovými body člověka nebo otevřít kameru pro testování.