Detección de rostros en tiempo real en RaspberryPi-4: 6 pasos (con imágenes)

2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:42

En este Instructable vamos a realizar la detección de rostros en tiempo real en Raspberry Pi 4 con Shunya O / S usando la Biblioteca Shunyaface. Puede lograr una velocidad de fotogramas de detección de 15-17 en RaspberryPi-4 siguiendo este tutorial.

Suministros

1. Raspberry Pi 4B (cualquier variante)

2. Fuente de alimentación compatible con Raspberry Pi 4B

3. Tarjeta micro SD de 8 GB o más

4. Supervisar

5. Cable micro-HDMI

6. Ratón

7. Teclado

8. computadora portátil u otra computadora (preferiblemente Ubuntu-16.04) para programar la tarjeta de memoria

9. Cámara web USB

Paso 1: Instale el sistema operativo Shunya en Raspberry Pi 4

Necesitará una computadora portátil o computadora (preferiblemente con Ubuntu-16.04) y un lector / adaptador de tarjetas micro SD para cargar la tarjeta micro SD con el sistema operativo Shunya.

1) Descargue el sistema operativo Shunya desde el sitio oficial de lanzamiento

2) Flash Shunya OS en la tarjeta SD siguiendo los pasos que se indican a continuación:

i) Haga clic derecho en el archivo zip descargado y seleccione Extraer aquí

ii) Una vez descomprimida la imagen, haga doble clic en la carpeta de la imagen descomprimida en la que encontrará la imagen y la información de liberación.

iii) Haga clic derecho en la imagen (archivo.img)

iv) Seleccione Abrir con -> Grabador de imágenes de disco

v) Elija el destino como lector de tarjetas SD

vi) Ingrese su contraseña

Esto comenzará a parpadear en la tarjeta SD. Tenga paciencia y espere a que la tarjeta Sd se actualice por completo (100%)

Paso 2: configuración y conexiones

Como se muestra en la imagen de arriba, debe hacer lo siguiente:

1) Inserte la tarjeta micro SD en Raspberry Pi 4.

2) Conecte el mouse y el teclado a Raspberry Pi 4.

3) Conecte el monitor a Raspberry Pi 4 a través de micro-HDMI

4) Conecte la cámara web USB a la Raspberry Pi 4

5) Conecte el cable de alimentación y encienda la Raspberry Pi 4.

Esto iniciará el sistema operativo Shunya en RaspberryPi-4. El primer arranque puede llevar tiempo ya que el sistema de archivos cambia de tamaño para ocupar toda la tarjeta SD. Después de que se inicie el sistema operativo, debería ver una pantalla de inicio de sesión. Aquí están los detalles de inicio de sesión:

Nombre de usuario: shunya

Contraseña: shunya

Paso 3: Instale Shunyaface (biblioteca de detección / reconocimiento de rostros)

Para instalar Shunyaface necesitamos conectar la RaspberryPi-4 a la lan o wifi

1. Para conectar el RPI-4 al wifi, use el siguiente comando:

$ sudo nmtui

2. Para instalar shunyaface y cmake (una dependencia) para la compilación de los códigos y git (para descargar el código real), ingrese el siguiente comando:

$ sudo opkg update && sudo opkg install shunyaface cmake git

Nota: la instalación puede tardar entre 5 y 6 minutos, según la velocidad de Internet

Paso 4: descarga el código

El código está disponible en github. Puedes descargarlo usando el siguiente comando:

$ git clon

Explicación del código:

El código dado captura fotogramas continuamente usando la función VideoCapture de Opencv. Estos marcos se asignan a la función de detección de Shunyaface, que a su vez devuelve los marcos con un cuadro delimitador trazado en la cara y puntos trazados en los ojos, la nariz y los puntos finales de los labios. Para salir del código presione el botón "q". Después de presionar "q", la salida FPS se muestra en el terminal.

Paso 5: compila el código

Para compilar el código, use el siguiente comando:

$ cd ejemplos / example-facedetect

$./setup.sh

Paso 6: Ejecute el código

Una vez que haya compilado el código, puede ejecutarlo usando el comando.

$./build/facedetect

Ahora debería ver una ventana abierta. Siempre que una cara esté frente a la cámara, trazará el cuadro delimitador y será visible para el usuario en la ventana que se abrió.

Felicidades. Ahora ha completado con éxito la detección de rostros en tiempo de lectura en RaspberryPi-4 mediante el aprendizaje profundo. Si le gusta este tutorial, comparta el tutorial y destaque nuestro repositorio de github que se proporciona aquí.