Hej👋, velkommen til denne vejledning om brug af Raspberry Pi 4B til at opdage, om en person er faldet! Denne projektserie vil blive opdelt i tre dele, og i dag går du i gang med den første del, som fokuserer på, hvordan man forbereder, kører koden og implementerer kernefunktionen.
Næste vil vi guide dig gennem følgende trin 📜, dykke dybt ned i kildekoden og gøre det nemt for dig at komme i gang med dette projekt! Klar? Lad os komme i gang 🚀!
- 📝 Projektoversigt
-✨ Funktioner
-🏗 Projektstruktur
-🚀 Installation og kørsel
-🔧 Brugsanvisning
-🔮 Forhåndsvisning af næste afsnit
-Bemærk: Dette projekt er en modificering af KNN 3D Human Skeleton Recognition-projektet, der demonstrerer den komplette vejledning i, hvordan det kører på Raspberry Pi.
Projektoversigt
Dette projekt bruger Raspberry Pi til først at oprette forbindelse til PC'en via SSH og overføre vigtige filer som VSCode. Derefter, efter import af kodepakken til VSCode på Raspberry Pi, køres koden i rækkefølge. Først køres træningskoden for at udtrække og træne menneskelige nøglepunkter, og nøglepunktpositionerne gemmes i en CSV-fil. Ved hjælp af denne CSV-fil kan vi teste koden ved at uploade en video eller åbne Raspberry Pi-kameraet. Ved at stå foran kameraet og udføre handlinger vil systemet registrere, om der er sket et fald. Hvis et fald registreres, vises "fall"; hvis der ikke registreres fald, og nøglepunkterne er normale, vises "normal."
Denne artikel giver også detaljerede instruktioner om installation af VSCode til programmering, brug af FileZilla til filoverførsel og brug af MobaXterm til fjernforbindelse til Raspberry Pi.
Artiklen opsummerer almindelige fejlproblemer og adresserer inkompatibilitetsproblemer med Python-versioner.
Funktioner
-📏 Registrer menneskelige nøglepunkter.
-🎉 Bestem om et fald er sket, hvilket forbedrer redningsraten.
Projektbeskrivelsesfiler
│── test.py # Kameratestkode │── First_train.py # Trin 1: Træningsfil │── second_KNN.py # Trin 2: Kald KNN-modellen │── Third_testing.py # Trin 3: Åbn kameraet til test eller upload en video │── GIF # Resultatvisning
✔ Kopieret!
Forudsætninger
- Softwareafhængigheder: Arduino IDE, VScode eller tekst.
- Hardwarekrav: USB-C datakabel, Raspberry Pi 4B, Kamera til Raspberry Pi osv.
- Biblioteksafhængigheder: opencv, pandas.
Arduino IDE Installations trin
Python-version Kompatibilitet Problem
⚠️ Vigtigt: Afinstaller ikke den forudinstallerede Python-version på Raspberry Pi OS, da det vil forårsage systemustabilitet.
I øjeblikket er den Python-version, der leveres i Raspberry Pi-systemet, den nyeste (Python 3.11). Hvis der opstår kompatibilitetsproblemer, er her trin til at geninstallere og justere Python-versionen
Anbefalet version:
Installation af Python 3.7 anbefales for bedre stabilitet og kompatibilitet med Raspberry Pi-applikationer.
-
Opdater Raspberry Pi-systemet
sudo apt-get update sudo apt-get upgrade -y
✔ Kopieret
2. Installer forudsætninger
sudo apt-get install build-essential libsqlite3-dev sqlite3 bzip2 libbz2-dev
✔ Kopieret!
3. Download og installer Python 3.7
wget https://www.python.org/ftp/python/3.7.1/Python-3.7.1.tgz tar zxvf Python-3.7.1.tgz
✔ Kopieret!
-
Bekræft Python-installationen
cd Python-3.7.1 sudo ./configure && sudo make && sudo make install
✔ Kopieret!
-
Opret et symbolsk link
Efter installation af Python 3.7 kan vi tjekke Python-versionen.
python --version python3 --version
✔ Kopieret!
-
Fejlproblemer
sudo apt-get install libffi-dev
✔ Kopieret!
Løsning: “ModuleNotFoundError: No module named '_ctypes'”
7. Opret et symbolsk link
Efter installation af Python 3.7 kan du tjekke Python-versionen:
python --version python3 --version
✔ Kopieret!
8. For at forenkle brugen, opret et symbolsk link til Python 3.7.1, der peger på Python-kommandoen. Tjek placeringerne af python- og python3.7-kommandoerne:
which python which python3
✔ Kopieret!
9. Opret det symbolske link:
sudo mv /usr/bin/python /usr/bin/python2.7.13 sudo ln -s /usr/local/bin/python3 /usr/bin/python
✔ Kopieret!
10. Test installationen
ls -al /usr/local/bin/python* python --version
✔ Kopieret!
11. Opret et virtuelt miljø
python -m venv pytorch
✔ Kopieret!
Aktivér det virtuelle miljø:
source pytorch/bin/activate
✔ Kopieret!
Tilpasning af numpy-versionen:
Installation og udførelse
1. Trin til installation af OpenCVDownload opencv-python og opencv-contrib-python
-
opencv-python url: piwheels - opencv-python
-
opencv-contrib-python url: piwheels - opencv-contrib-python
3. Fejlfinding af installationsfejl:
4. For at installere pakken på skrivebordet, naviger som følger:
cd Desktop ls pip3 install
✔ Kopieret!
5. Installer numpy-afhængighed
sudo apt-get install python3-h5py pip3 install numpy （Tab）
✔ Kopieret!
Afhængigheder
Installer Andre OpenCV-afhængigheder：
sudo apt-get install libhdf5-dev sudo apt-get install libatlas-base-dev sudo apt-get install libjasper-dev sudo apt-get install libqt4-test sudo apt-get install libqtgui4 sudo apt-get update
✔ Kopieret!
Når bekræftelsesskærmen vises, tryk direkte på Enter uden at skrive "y":
Følger du ovenstående trin, skulle OpenCV være installeret med succes:
Installer vscode:
