Hei👋, tervetuloa tähän opetusohjelmaan, jossa käytetään Raspberry Pi 4B:tä havaitsemaan, onko henkilö kaatunut! Tämä projektisarja on jaettu kolmeen osaan, ja tänään aloitat ensimmäisen osan, joka keskittyy siihen, miten valmistella, suorittaa koodi ja toteuttaa ydintoiminnallisuus.
Seuraavaksi käymme läpi seuraavat vaiheet 📜, sukellamme syvälle lähdekoodiin ja teemme projektin aloittamisesta sinulle helppoa! Valmiina? Aloitetaan 🚀!
- 📝 Projektin yleiskatsaus
-✨ Ominaisuudet
-🏗 Projektin rakenne
-🚀 Asennus ja käynnistys
-🔧 Käyttöohjeet
-🔮 Seuraavan jakson esikatselu
-Huom: Tämä projekti on muunnos KNN 3D Human Skeleton Recognition -projektista, joka esittelee täydellisen opastuksen sen suorittamisesta Raspberry Pi:llä.
Projektin yleiskatsaus
Tässä projektissa käytetään Raspberry Pi:tä yhdistämään ensin PC:hen SSH:n kautta ja siirtämään tärkeitä tiedostoja, kuten VSCode. Tämän jälkeen koodipaketti tuodaan VSCodeen Raspberry Pi:llä, ja koodi suoritetaan peräkkäin. Ensin suoritetaan koulutuskoodi ihmisen avainpisteiden poimimiseksi ja kouluttamiseksi, ja avainpisteiden sijainnit tallennetaan CSV-tiedostoon. Tämän CSV-tiedoston avulla voimme testata koodia lataamalla videon tai avaamalla Raspberry Pi -kameran. Kun seisot kameran edessä ja teet toimintoja, järjestelmä havaitsee, onko kaatuminen tapahtunut. Jos kaatuminen havaitaan, näytetään "fall"; jos kaatumista ei havaita ja avainpisteet ovat normaalit, näytetään "normal."
Tässä artikkelissa annetaan myös yksityiskohtaiset ohjeet VSCode:n asentamiseen ohjelmointia varten, FileZillan käyttöön tiedostojen siirrossa ja MobaXtermin käyttöön etäyhteyden muodostamiseksi Raspberry Pi:hin.
Artikkeli tiivistää yleiset virheongelmat ja käsittelee Python-version yhteensopimattomuusongelmat.
Ominaisuudet
-📏 Havaitse ihmisen avainpisteet.
-🎉 Määritä, onko kaatuminen tapahtunut, parantaen pelastusprosenttia.
Projektin kuvaustiedostot
│── test.py # Kameran testauskoodi │── First_train.py # Vaihe 1: Koulutustiedosto │── second_KNN.py # Vaihe 2: KNN-mallin kutsuminen │── Third_testing.py # Vaihe 3: Avaa kamera testaukseen tai lataa video │── GIF # Tulosten näyttö
✔ Kopioitu!
Esivaatimukset
- Ohjelmistoriippuvuudet： Arduino IDE, VScode tai tekstieditori.
- Laitteistovaatimukset: USB-C datakaapeli, Raspberry Pi 4B, Kamera Raspberry Pi:lle jne.
- Kirjastoriippuvuudet: opencv, pandas.
Arduino IDE Asennusvaiheet
Python-versio Yhteensopivuus Ongelma
⚠️ Tärkeää: Älä poista esiasennettua Python-versiota Raspberry Pi OS:ssä, sillä se aiheuttaa järjestelmän epävakautta.
Tällä hetkellä Raspberry Pi -järjestelmässä oleva Python-versio on uusin (Python 3.11). Jos yhteensopivuusongelmia ilmenee, tässä ovat vaiheet Python-version uudelleenasentamiseen ja säätämiseen
Suositeltu versio:
Python 3.7:n asentamista suositellaan paremman vakauden ja yhteensopivuuden vuoksi Raspberry Pi -sovellusten kanssa.
-
Päivitä Raspberry Pi -järjestelmä
sudo apt-get update sudo apt-get upgrade -y
✔ Kopioitu
2. Asenna vaatimukset
sudo apt-get install build-essential libsqlite3-dev sqlite3 bzip2 libbz2-dev
✔ Kopioitu!
3. Lataa ja asenna 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
✔ Kopioitu!
-
Vahvista Pythonin asennus
cd Python-3.7.1 sudo ./configure && sudo make && sudo make install
✔ Kopioitu!
-
Luo symbolinen linkki
Python 3.7:n asentamisen jälkeen voimme tarkistaa Python-version.
python --version python3 --version
✔ Kopioitu!
-
Virheongelmat
sudo apt-get install libffi-dev
✔ Kopioitu!
Ratkaisu: “ModuleNotFoundError: No module named '_ctypes'”
7. Luo symbolinen linkki
Python 3.7:n asentamisen jälkeen voit tarkistaa Python-version:
python --version python3 --version
✔ Kopioitu!
8. Käytön helpottamiseksi luo symbolinen linkki Python 3.7.1:lle, joka osoittaa Python-komentoon. Tarkista python- ja python3.7-komentojen sijainnit:
which python which python3
✔ Kopioitu!
9. Luo symbolinen linkki:
sudo mv /usr/bin/python /usr/bin/python2.7.13 sudo ln -s /usr/local/bin/python3 /usr/bin/python
✔ Kopioitu!
10. Testaa asennus
ls -al /usr/local/bin/python* python --version
✔ Kopioitu!
11. Luo virtuaaliympäristö
python -m venv pytorch
✔ Kopioitu!
Aktivoi virtuaaliympäristö:
source pytorch/bin/activate
✔ Kopioitu!
Sovita numpy-versio:
Asennus ja suoritus
1. Vaiheet OpenCV:n asentamiseenLataa opencv-python ja opencv-contrib-python
-
opencv-python url: piwheels - opencv-python
-
opencv-contrib-python url: piwheels - opencv-contrib-python
3. Asennusvirheiden vianmääritys:
4. Asentaaksesi paketin työpöydälle, siirry seuraavasti:
cd Työpöytä ls pip3 install
✔ Kopioitu!
5. Asenna numpy-riippuvuus
sudo apt-get install python3-h5py pip3 install numpy （Tab）
✔ Kopioitu!
Riippuvuudet
Asenna Muut OpenCV-riippuvuudet：
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
✔ Kopioitu!
Kun vahvistusnäyttö ilmestyy, paina Enter suoraan ilman, että kirjoitat "y":
Edellä mainittujen vaiheiden jälkeen OpenCV pitäisi olla asennettu onnistuneesti:
Asenna vscode:
