Tabla de contenido:
Video: DETECCIÓN DE OBJETOS FRAMBUESA PI Pi CON MÚLTIPLES CÁMARAS: 3 Pasos
2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:41
Mantendré la introducción breve, ya que el título en sí sugiere cuál es el propósito principal del instructivo. En este instructivo paso a paso, le explicaré cómo conectar varias cámaras como la cámara 1-pi y al menos una cámara USB, o 2 cámaras USB. La configuración nos permitirá acceder a todas las transmisiones simultáneamente y realizar la detección de movimiento en cada una de ellas. La mejor parte de esto es que openCV se ejecuta en tiempo real (o casi en tiempo real, dependiendo de la cantidad de cámaras que haya conectado). Se puede utilizar para vigilancia domiciliaria.
Contenido
1. Configuración multicámara
2. Definición del detector de movimiento simple, acceso a las corrientes
4. Resultado final
Paso 1: Configuración multicámara
Al crear una configuración de Raspberry Pi para aprovechar varias cámaras, tiene dos opciones:
Simplemente use varias cámaras web USB.
O use un módulo de cámara Raspberry Pi y al menos una cámara web USB.
Hemos utilizado una cámara web Logitech c920.
La raspberry pi tiene un puerto de cámara interno, pero si desea usar varias cámaras raspberry pi en lugar de una cámara USB, debe obtener un escudo.
Ahora consideremos una configuración de 2 cámaras con una pi-cam y una cámara USB. La salida sería como la de image_2.
En la parte restante de esta publicación, primero definiremos el código del detector de movimiento simple para una sola cámara y luego lo implementaremos en varias cámaras.
Paso 2: Definición del detector de movimiento simple
En esta sección, definiremos un código Python simple para detectar objetos. Para mantener la eficiencia, consideremos que solo un objeto se mueve en una vista de cámara.
todos los archivos de código están adjuntos en mi enlace de Github:
Recomendado:
Detección de objetos con placas Sipeed MaiX (Kendryte K210): 6 pasos
Detección de objetos con placas Sipeed MaiX (Kendryte K210): como continuación de mi artículo anterior sobre el reconocimiento de imágenes con placas Sipeed MaiX, decidí escribir otro tutorial, centrado en la detección de objetos. Recientemente apareció un hardware interesante con el chip Kendryte K210, incluido S
CONECTANDO MÚLTIPLES SENSORES A FRAMBUESA PI: 6 Pasos (con Imágenes)
CONECTANDO MÚLTIPLES SENSORES A RASPBERRY PI: En este proyecto, conectaremos tres de los sensores EZO de Atlas Scientific (pH, oxígeno disuelto y temperatura) a una Raspberry Pi 3B +. En lugar de conectar los circuitos a la Raspberry Pi, usaremos el escudo Whitebox Labs Tentacle T3. T
Detección de objetos con Dragonboard 410c o 820c mediante OpenCV y Tensorflow: 4 pasos
Detección de objetos con Dragonboard 410c u 820c con OpenCV y Tensorflow: este instructivo describe cómo instalar OpenCV, Tensorflow y los marcos de aprendizaje automático para Python 3.5 para ejecutar la aplicación de detección de objetos
Analizador de patrones de tráfico con detección de objetos en vivo: 11 pasos (con imágenes)
Analizador de patrones de tráfico con detección de objetos en vivo: en el mundo actual, los semáforos son esenciales para una carretera segura. Sin embargo, muchas veces, los semáforos pueden ser molestos en situaciones en las que alguien se acerca al semáforo justo cuando se pone en rojo. Esto es una pérdida de tiempo, especialmente si la luz es pr
Detección visual de objetos con una cámara (TfCD): 15 pasos (con imágenes)
Detección visual de objetos con una cámara (TfCD): Los servicios cognitivos que pueden reconocer emociones, rostros de personas u objetos simples se encuentran actualmente en una etapa temprana de desarrollo, pero con el aprendizaje automático, esta tecnología se está desarrollando cada vez más. Podemos esperar ver más de esta magia en