Détection des chutes humaines à l'aide d'OpenCV et Raspberry Pi - Partie 2
25 Nov 2024
0 commentaires
Aperçu du projet
La détection des chutes est une technologie essentielle, notamment dans les soins aux personnes âgées et la sécurité des maisons intelligentes. Avec Raspberry Pi et OpenCV, vous pouvez créer un système de détection efficace qui surveille les chutes en temps réel et enregistre les données. Ce projet est une version améliorée du projet KNN 3D Human Skeleton Recognition, conçu pour être pratique et facile à mettre en œuvre.
Bonjour 👋! Bienvenue dans le projet tutoriel de OpenELAB ! Cet article fournit un guide détaillé sur la façon d'utiliser un Raspberry Pi 4B et OpenCV pour mettre en œuvre un système de détection de chutes humaines. Le tutoriel est divisé en trois parties, et aujourd'hui nous allons nous concentrer sur Partie 2, où nous mettons en œuvre la fonctionnalité principale. Cela inclut :
-
Entraîner les données
-
Sauvegarde des résultats dans un CSV déposer
-
Utiliser une caméra pour valider votre modèle
Plongeons-nous et construisons ensemble quelque chose d’incroyable ! 🚀
Ensuite, nous vous guiderons étape par étape 📜 à travers le code source, ce qui vous permet de vous plonger facilement dans ce projet !
Es-tu prêt? Commençons 🚀
Étapes à suivre
-
🚀 Ouvrir à distance
-
Configurer la caméra
-
Configurer Code VS
-
Exécuter le projet dans VSCode
-
🔧 Suivez les instructions d'utilisation
Remarque : Ce projet est une version modifiée du projet KNN 3D Human Skeleton Recognition. Il fournit un tutoriel complet sur son exécution sans problème sur un Raspberry Pi.
Plan d'action
Ouvrir à distance :
Étapes pour ouvrir l'appareil photo :
Emplacement d'exécution de l'IDE Python sur Raspberry Pi :
Configurer le code : avantages, correction d'erreur plus facile :
Processus d'ouverture :
Réussite de l'installation : exécutez test.py
Compiler et exécuter
-
Tout d’abord, exécutez le code de test test.py pour garantir le bon fonctionnement de la caméra.
-
Exécutez le fichier First_train.py pour entraîner les données et enregistrez les points clés du corps humain sous les fichiers 1_Fall.csv et 2_Normal.csv. L'utilisateur peut appuyer sur la touche Échap pour quitter et enregistrer les résultats.
-
Exécutez le fichier second_KNN.py pour utiliser le modèle KNN pour la configuration.
-
Exécutez le fichier Third.py pour vérification. Vous pouvez télécharger une vidéo avec des points clés humains complets ou ouvrir votre caméra pour la tester.
Résultat final (inclut les fichiers GIF)
Liens de référence :
