Erkennen menschlicher Stürze mit OpenCV und Raspberry Pi – Teil 2
25 Nov 2024
0 Kommentare
Projektübersicht
Die Sturzerkennung ist eine unverzichtbare Technologie, insbesondere in der Altenpflege und der Sicherheit von Smart Homes. Mit Raspberry Pi und OpenCV können Sie ein effizientes Erkennungssystem aufbauen, das Stürze in Echtzeit überwacht und die Daten protokolliert. Dieses Projekt ist eine erweiterte Version des KNN 3D Human Skeleton Recognition-Projekts, das praktisch und einfach zu implementieren ist.
Hallo 👋! Willkommen zu OpenELAB’s Tutorial-Projekt! Dieser Artikel bietet eine detaillierte Anleitung, wie man ein Raspberry Pi 4B und OpenCV verwendet, um ein System zur Erkennung von menschlichen Stürzen zu implementieren. Das Tutorial ist in drei Teile unterteilt, und heute konzentrieren wir uns auf Teil 2, in dem wir die Kernfunktionalität implementieren. Dazu gehört:
-
Trainieren der Daten
-
Speichern der Ergebnisse in einer CSV Datei
-
Verwenden Sie eine Kamera, um Ihr Modell zu validieren
Lasst uns eintauchen und gemeinsam etwas Großartiges aufbauen! 🚀
Als nächstes führen wir Sie Schritt für Schritt 📜 durch die Quellcode, sodass Sie ganz einfach in dieses Projekt eintauchen können!
Sind Sie bereit? Fangen wir an 🚀
Schritte zum Befolgen
-
🚀 Öffnen Sie die Fernbedienung
-
Einrichten der Kamera
-
Konfigurieren VSCode
-
Ausführen des Projekts in VSCode
-
🔧 Befolgen Sie die Gebrauchsanweisung
Hinweis: Dieses Projekt ist eine modifizierte Version des KNN 3D Human Skeleton Recognition Projekts. Es bietet ein vollständiges Tutorial, um es nahtlos auf einem Raspberry Pi auszuführen.
Vorgehensweise
Fernbedienung öffnen:
Schritte zum Öffnen der Kamera:
IDE Python-Laufort auf Raspberry Pi:
Code konfigurieren: Vorteile, einfachere Fehlerbehebung:
Öffnungsprozess:
Installation erfolgreich: Führen Sie test.py aus
Kompilieren und Ausführen
-
Führen Sie zunächst den Testcode aus test.py um sicherzustellen, dass die Kamera ordnungsgemäß funktioniert.
-
Führen Sie die Datei First_train.py aus, um die Daten zu trainieren, und speichern Sie die Schlüsselpunkte des menschlichen Körpers als 1_Fall.csv- und 2_Normal.csv-Dateien. Der Benutzer kann die Esc-Taste drücken, um den Vorgang zu beenden und die Ergebnisse zu speichern.
-
Führen Sie die Dateisecond_KNN.py aus, um das KNN-Modell für die Konfiguration zu verwenden.
-
Führen Sie zur Überprüfung die Datei Third.py aus. Sie können ein Video mit vollständigen menschlichen Schlüsselpunkten hochladen oder Ihre Kamera zum Testen öffnen.
Endergebnis (einschließlich GIF-Dateien)
