Registrering af menneskelige fald ved hjælp af OpenCV og Raspberry Pi - Del 2

Projektoversigt

Faldregistrering er en vigtig teknologi, især inden for ældrepleje og sikkerhed i smarte hjem. Med Raspberry Pi og OpenCV kan du bygge et effektivt detektionssystem, der overvåger fald i realtid og logger dataene. Dette projekt er en forbedret version af KNN 3D Human Skeleton Recognition-projektet, designet til at være praktisk og nemt at implementere.
    
    
Hej 👋! Velkommen til OpenELAB’s vejledningsprojekt! Denne artikel giver en detaljeret guide til, hvordan man bruger en Raspberry Pi 4B og OpenCV til at implementere et system til detektion af fald hos mennesker. Vejledningen er opdelt i tre dele, og i dag fokuserer vi på Del 2, hvor vi implementerer kernefunktionaliteten. Dette inkluderer:
  1. Træning af dataene
  2. Gemmer resultaterne i en CSV fil
  3. Brug af et kamera til at validere din model
Lad os dykke ned og bygge noget fantastisk sammen! 🚀
Raspberry Pi 4

Raspberry Pi 4B

Se produkt
Næste vil vi guide dig trin for trin 📰 gennem kildekode, hvilket gør det nemt for dig at dykke ned i dette projekt!
Er du klar? Lad os komme i gang 🚀

    

Trin at følge

  1. 🚀 Åbn fjernforbindelse
  2. Opsæt kameraet
  3. Konfigurer VSCode
  4. Kør projektet i VSCode
  5. 🛠️ Følg brugsanvisningen
Bemærk: Dette projekt er en modificeret version af KNN 3D Human Skeleton Recognition projektet. Det giver en komplet vejledning i at køre det problemfrit på en Raspberry Pi.

   

Handlingsforløb

Åbn fjernbetjening:

 

Trin til at åbne kameraet:

IDE Python kørselsplacering på Raspberry Pi:

Konfigurationskode: Fordele, nemmere fejlretning:

Åbningsproces:

Installation lykkedes: Kør test.py

Kompilér og kør

  1. Kør først testkoden test.py for at sikre, at kameraet fungerer korrekt.
  2. Kør filen First_train.py for at træne dataene og gem de menneskelige kropsnøglepunkter som filerne 1_Fall.csv og 2_Normal.csv. Brugeren kan trykke på Esc-tasten for at afslutte og gemme resultaterne.
  3. Kør filen second_KNN.py for at bruge KNN-modellen til konfiguration.
  4. Kør filen Third.py for verifikation. Du kan uploade en video med komplette menneskelige nøglepunkter eller åbne dit kamera til test.

Endeligt resultat (inkluderer GIF-filer)

Efterlad en kommentar

Din e-mailadresse vil ikke blive offentliggjort. Obligatoriske felter er markeret med *

Sidebjælke

Seneste indlæg

Denne sektion indeholder i øjeblikket ikke noget indhold. Tilføj indhold til denne sektion ved hjælp af sidepanelet.

Tilmeld dig vores nyhedsbrev

Få de seneste oplysninger om vores produkter og særlige tilbud.