Rilevamento delle cadute umane utilizzando OpenCV e Raspberry Pi - Parte 2
25 Nov 2024
0 Commenti
Panoramica del progetto
Il rilevamento delle cadute è una tecnologia essenziale, in particolare nell’assistenza agli anziani e nella sicurezza domestica intelligente. Con Raspberry Pi e OpenCV puoi creare un efficiente sistema di rilevamento che monitora le cadute in tempo reale e registra i dati. Questo progetto è una versione migliorata del progetto KNN 3D Human Skeleton Recognition, progettato per essere pratico e facile da implementare.
Ciao 👋! Benvenuto nel OpenELAB tutorial project! Questo articolo fornisce una guida dettagliata su come utilizzare un Raspberry Pi 4B e OpenCV per implementare un sistema di rilevamento delle cadute umane. Il tutorial è suddiviso in tre parti, e oggi ci concentreremo su Parte 2, dove implementiamo la funzionalità principale. Questo include:
-
Formazione dei dati
-
Salvataggio dei risultati in un Formato CSV file
-
Utilizzo di una fotocamera per convalidare il tuo modello
Immergiamoci e costruiamo qualcosa di straordinario insieme! 🚀
Successivamente, ti guideremo passo dopo passo 📜 attraverso codice sorgente, rendendoti semplice tuffarti in questo progetto!
Sei pronto? Cominciamo 🚀
Passaggi da seguire
-
🚀 Apri telecomando
-
Impostare la telecamera
-
Configura Codice VSC
-
Esegui il progetto in VSCode
-
🔧 Segui le istruzioni per l'uso
Nota: Questo progetto è una versione modificata del progetto KNN 3D Human Skeleton Recognition. Fornisce un tutorial completo su come eseguirlo senza problemi su un Raspberry Pi.
Corso d'azione
Apri remoto:
Passaggi per aprire la fotocamera:
Posizione di esecuzione IDE Python su Raspberry Pi:
Configura il codice: vantaggi, correzione degli errori più semplice:
Processo di apertura:
Installazione riuscita: esegui test.py
Compila ed esegui
-
Per prima cosa esegui il codice di prova test.py per garantire che la fotocamera funzioni correttamente.
-
Esegui il file First_train.py per addestrare i dati e salva i punti chiave del corpo umano come file 1_Fall.csv e 2_Normal.csv. L'utente può premere il tasto Esc per uscire e salvare i risultati.
-
Esegui il file second_KNN.py per utilizzare il modello KNN per la configurazione.
-
Esegui il file Third.py per la verifica. Puoi caricare un video con i punti chiave umani completi o aprire la fotocamera per testare.
Risultato finale (include file GIF)
Link di riferimento:
