Hej👋, välkommen till denna handledning om hur man använder Raspberry Pi 4B för att upptäcka om en person har fallit! Denna projektserie kommer att delas upp i tre delar, och idag går du in i den första delen, som fokuserar på hur man förbereder, kör koden och implementerar kärnfunktionaliteten.
Nästa kommer vi att guida dig genom följande steg 📜, dyka djupt i källkoden och göra det enkelt för dig att komma igång med detta projekt! Redo? Låt oss börja 🚀!
- 📝 Projektöversikt
-✨ Funktioner
-🏗 Projektstruktur
-🚀 Installation och körning
-🔧 Anvisningar för användning
-🔮 Förhandsvisning av nästa avsnitt
-Notera: Detta projekt är en modifiering av KNN 3D Human Skeleton Recognition-projektet, som visar en komplett handledning om hur man kör det på Raspberry Pi.
Projektöversikt
Detta projekt använder Raspberry Pi för att först ansluta till PC:n via SSH och överföra viktiga filer som VSCode. Sedan, efter att ha importerat kodpaketet till VSCode på Raspberry Pi, körs koden i följd. Först körs träningskoden för att extrahera och träna mänskliga nyckelpunkter, och nyckelpunkternas positioner sparas i en CSV-fil. Med denna CSV-fil kan vi testa koden genom att ladda upp en video eller öppna Raspberry Pi-kameran. Genom att stå framför kameran och utföra rörelser kommer systemet att upptäcka om ett fall har inträffat. Om ett fall upptäcks visas "fall"; om inget fall upptäcks och nyckelpunkterna är normala visas "normal."
Denna artikel ger också detaljerade instruktioner för att installera VSCode för programmering, använda FileZilla för filöverföring och använda MobaXterm för fjärranslutning till Raspberry Pi.
Artikeln sammanfattar vanliga felproblem som uppstår och tar upp problem med inkompatibilitet mellan Python-versioner.
Funktioner
-📏 Upptäck mänskliga nyckelpunkter.
-🎉 Avgör om ett fall har inträffat, vilket förbättrar räddningsgraden.
Projektbeskrivningsfiler
│── test.py # Kameratestningskod │── First_train.py # Steg 1: Träningsfil │── second_KNN.py # Steg 2: Anropa KNN-modellen │── Third_testing.py # Steg 3: Öppna kameran för testning eller ladda upp en video │── GIF # Resultatvisning
✔ Kopierat!
Förutsättningar
- Mjukvaruberoenden： Arduino IDE、VScode eller text.
- Maskinvarukrav: USB-C datakabel, Raspberry Pi 4B, Kamera för Raspberry Pi osv.
- Biblioteksberoenden: opencv, pandas.
Arduino IDE Installationssteg
Python-version Kompatibilitet Problem
⚠️ Viktigt: Avinstallera inte den förinstallerade Python-versionen på Raspberry Pi OS, eftersom det kan orsaka systeminstabilitet.
För närvarande är Python-versionen som tillhandahålls i Raspberry Pi-systemet den senaste (Python 3.11). Om kompatibilitetsproblem uppstår, här är steg för att installera om och justera Python-versionen
Rekommenderad version:
Installation av Python 3.7 rekommenderas för bättre stabilitet och kompatibilitet med Raspberry Pi-applikationer.
-
Uppdatera Raspberry Pi-systemet
sudo apt-get update sudo apt-get upgrade -y
✔ Kopierad
2. Installera förutsättningar
sudo apt-get install build-essential libsqlite3-dev sqlite3 bzip2 libbz2-dev
✔ Kopierat!
3. Ladda ner och installera 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
✔ Kopierat!
-
Verifiera Python-installationen
cd Python-3.7.1 sudo ./configure && sudo make && sudo make install
✔ Kopierat!
-
Skapa en symbolisk länk
Efter att ha installerat Python 3.7 kan vi kontrollera Python-versionen.
python --version python3 --version
✔ Kopierat!
-
Felproblem
sudo apt-get install libffi-dev
✔ Kopierat!
Lösning: “ModuleNotFoundError: No module named '_ctypes'”
7. Skapa en symbolisk länk
Efter att ha installerat Python 3.7 kan du kontrollera Python-versionen:
python --version python3 --version
✔ Kopierat!
8. För att förenkla användningen, skapa en symbolisk länk för Python 3.7.1 som pekar på Python-kommandot. Kontrollera platserna för kommandona python och python3.7:
which python which python3
✔ Kopierat!
9. Skapa den symboliska länken:
sudo mv /usr/bin/python /usr/bin/python2.7.13 sudo ln -s /usr/local/bin/python3 /usr/bin/python
✔ Kopierat!
10. Testa installationen
ls -al /usr/local/bin/python* python --version
✔ Kopierat!
11. Skapa en virtuell miljö
python -m venv pytorch
✔ Kopierat!
Aktivera den virtuella miljön:
source pytorch/bin/activate
✔ Kopierat!
Anpassa numpy-versionen:
Installation och körning
1. Steg för att installera OpenCVLadda ner opencv-python och opencv-contrib-python
-
opencv-python url: piwheels - opencv-python
-
opencv-contrib-python url: piwheels - opencv-contrib-python
3. Felsökning av installationsfel:
4. För att installera paketet på skrivbordet, navigera enligt följande:
cd Desktop ls pip3 install
✔ Kopierat!
5. Installera numpy-beroende
sudo apt-get install python3-h5py pip3 install numpy （Tab）
✔ Kopierat!
Beroenden
Installera Andra OpenCV-beroenden:
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
✔ Kopierat!
När bekräftelseskärmen visas, tryck direkt på Enter utan att skriva "y":
Efter att ha följt stegen ovan bör OpenCV vara installerat framgångsrikt:
Installera vscode:
