Wykrywanie upadków ludzi za pomocą OpenCV i Raspberry Pi - Część 2

Przegląd projektu

Wykrywanie upadków to istotna technologia, szczególnie w opiece nad osobami starszymi i bezpieczeństwie inteligentnego domu. Dzięki Raspberry Pi i OpenCV możesz zbudować wydajny system wykrywania, który monitoruje upadki w czasie rzeczywistym i rejestruje dane. Ten projekt jest ulepszoną wersją projektu KNN 3D Human Skeleton Recognition, zaprojektowaną tak, aby była praktyczna i łatwa do wdrożenia.

Cześć 👋! Witamy w OpenELAB’s projekcie tutorialowym! Ten artykuł zawiera szczegółowy przewodnik, jak użyć Raspberry Pi 4B i OpenCV do implementacji systemu wykrywania upadku człowieka. Tutorial jest podzielony na trzy części, a dziś skupimy się na Części 2, gdzie implementujemy podstawową funkcjonalność. Obejmuje to:

Szkolenie danych
Zapisywanie wyników w CSV plik
Używanie aparatu do weryfikacji modelu

Zanurzmy się i stwórzmy coś niesamowitego razem! 🚀

Raspberry Pi 4B

Zobacz produkt

Następnie przeprowadzimy Cię krok po kroku 📜 przez kod źródłowy, co ułatwia Ci zanurzenie się w tym projekcie!

Jesteś gotowy? Zaczynajmy 🚀

Kroki do wykonania

🚀 Otwórz Remote
Skonfiguruj kamerę
Konfiguruj VSCode
Uruchom projekt w VSCode
🔧 Postępuj zgodnie z instrukcjami użytkowania

Uwaga: Ten projekt jest zmodyfikowaną wersją projektu KNN 3D Human Skeleton Recognition. Zapewnia kompletny samouczek dotyczący jego płynnego uruchamiania na Raspberry Pi.

Plan działania

Otwórz zdalny dostęp：

Kroki do otwarcia aparatu:

Lokalizacja uruchamiania IDE Python na Raspberry Pi:

Konfiguracja kodu: korzyści, łatwiejsze naprawianie błędów:

Proces otwierania：

Instalacja zakończona sukcesem: Uruchom test.py

Kompiluj i Uruchom

Najpierw uruchom kod testowy test.py aby zapewnić prawidłowe działanie kamery.
Uruchom plik First_train.py, aby wytrenować dane i zapisać kluczowe punkty ciała ludzkiego jako pliki 1_Fall.csv oraz 2_Normal.csv. Użytkownik może nacisnąć klawisz Esc, aby wyjść i zapisać wyniki.
Uruchom plik second_KNN.py, aby użyć modelu KNN do konfiguracji.
Uruchom plik Third.py w celu weryfikacji. Możesz przesłać wideo z kompletnymi punktami kluczowymi człowieka lub otworzyć kamerę do testów.