Detección de caídas humanas utilizando OpenCV y Raspberry Pi - Parte 2
25 Nov 2024
0 Comentarios
Descripción general del proyecto
La detección de caídas es una tecnología esencial, especialmente en el cuidado de personas mayores y la seguridad del hogar inteligente. Con Raspberry Pi y OpenCV, puede crear un sistema de detección eficiente que monitoree las caídas en tiempo real y registre los datos. Este proyecto es una versión mejorada del proyecto KNN de reconocimiento de esqueleto humano 3D, diseñado para ser práctico y fácil de implementar.
¡Hola 👋! Bienvenido al OpenELAB tutorial del proyecto! Este artículo proporciona una guía detallada sobre cómo usar un Raspberry Pi 4B y OpenCV para implementar un sistema de detección de caídas humanas. El tutorial se divide en tres partes, y hoy nos centraremos en Parte 2, donde implementamos la funcionalidad principal. Esto incluye:
-
Entrenando los datos
-
Guardar los resultados en un CSV archivo
-
Usando una cámara para validar su modelo
¡Sumerjámonos y construyamos algo increíble juntos! 🚀
A continuación, lo guiaremos paso a paso 📜 a través del Código fuente, ¡haciendo que sea sencillo para usted sumergirse en este proyecto!
¿Estás listo? Empecemos 🚀
Pasos a seguir
-
🚀 Abrir control remoto
-
Configurar la cámara
-
Configurar VSCódigo
-
Ejecutar el proyecto en VSCode
-
🔧 Siga las instrucciones de uso
Nota: Este proyecto es una versión modificada del KNN 3D Human Skeleton Recognition. Proporciona un tutorial completo sobre cómo ejecutarlo sin problemas en una Raspberry Pi.
Curso de acción
Abrir control remoto:
Pasos para abrir la cámara:
Ubicación de ejecución de IDE Python en Raspberry Pi:
Configurar código: beneficios, solución de errores más sencilla:
Proceso de apertura:
Instalación exitosa: ejecute test.py
Compilar y ejecutar
-
Primero, ejecute el código de prueba test.py para garantizar que la cámara funcione correctamente.
-
Ejecute el archivo First_train.py para entrenar los datos y guarde los puntos clave del cuerpo humano como archivos 1_Fall.csv y 2_Normal.csv. El usuario puede presionar la tecla Esc para salir y guardar los resultados.
-
Ejecute el archivo second_KNN.py para utilizar el modelo KNN para la configuración.
-
Ejecute el archivo Third.py para su verificación. Puedes subir un vídeo con puntos clave humanos completos o abrir tu cámara para realizar pruebas.
Resultado final (incluye archivos GIF)
Enlaces de referencia:
