Projektin yleiskatsaus
Kaatumisen tunnistus on olennainen teknologia, erityisesti vanhusten hoidossa ja älykodin turvallisuudessa. Raspberry Pi:n ja OpenCV:n avulla voit rakentaa tehokkaan tunnistusjärjestelmän, joka valvoo kaatumisia reaaliajassa ja kirjaa tiedot. Tämä projekti on parannettu versio KNN 3D Human Skeleton Recognition -projektista, joka on suunniteltu käytännölliseksi ja helposti toteutettavaksi.
Hei 👋! Tervetuloa OpenELABn opetusprojektiin! Tämä artikkeli tarjoaa yksityiskohtaisen oppaan siitä, miten käyttää Raspberry Pi 4B:tä ja OpenCV:tä ihmisen kaatumisen tunnistusjärjestelmän toteuttamiseen. Opetus on jaettu kolmeen osaan, ja tänään keskitymme Osa 2:een, jossa toteutamme ydintoiminnallisuuden. Tämä sisältää:
-
Datan kouluttaminen
-
Tulosten tallentaminen tiedostoon CSV tiedosto
-
Kameran käyttäminen mallisi validoimiseen
Sukelletaan sisään ja rakennetaan jotain mahtavaa yhdessä! 🚀
Seuraavaksi opastamme sinua vaihe vaiheelta 📜 läpi lähdekoodi, tehden projektin aloittamisesta sinulle helppoa!
Oletko valmis? Aloitetaan 🚀
Seurattavat vaiheet
-
🚀 Avaa etäyhteys
-
Aseta kamera
-
Määritä VSCode
-
Suorita projekti VSCodessa
-
🔧 Noudata käyttöohjeita
Huomautus: Tämä projekti on muokattu versio KNN 3D Human Skeleton Recognition -projektista. Se tarjoaa täydellisen opastuksen sen sujuvaan ajamiseen Raspberry Pi:llä.
Toimenpiteet
Avaa etäyhteys：
Vaiheet kameran avaamiseen：
IDE Pythonin suorituspaikka Raspberry Pi:llä：
Konfigurointikoodi: Edut, helpompi virheiden korjaus：
Avausprosessi：
Asennus onnistui: Suorita test.py
Käännä ja suorita
-
Aloita suorittamalla testikoodi test.py varmistamaan, että kamera toimii oikein.
-
Suorita First_train.py-tiedosto kouluttaaksesi dataa ja tallentaaksesi ihmisen kehon avainpisteet tiedostoihin 1_Fall.csv ja 2_Normal.csv. Käyttäjä voi painaa Esc-näppäintä poistuakseen ja tallentaakseen tulokset.
-
Suorita second_KNN.py-tiedosto käyttääksesi KNN-mallia konfigurointiin.
-
Suorita Third.py-tiedosto varmennusta varten. Voit ladata videon, jossa on täydelliset ihmisen avainpisteet, tai avata kamerasi testaukseen.
Lopullinen tulos (sisältää GIF-tiedostot)
