Innehållsförteckning:
2025 Författare: John Day | [email protected]. Senast ändrad: 2025-01-23 15:10
I denna instruktionsbok kommer vi att utföra ansiktsigenkänning på Raspberry Pi 4 med Shunya O/S med hjälp av Shunyaface-biblioteket. Shunyaface är ett bibliotek för ansiktsigenkänning/upptäckt. Projektet syftar till att uppnå snabbaste detekterings- och igenkänningshastighet med lågeffektiv hårdvara så att entusiaster som du kan leva upp dina dröm AI -projekt snabbare.
Tillbehör
Raspberry Pi 4B (valfri variant)
Raspberry Pi 4B -kompatibel strömförsörjning
8 GB eller större micro SD -kort
Övervaka
mikro-HDMI-kabel
Mus
Tangentbord
bärbar dator eller annan dator för att programmera minneskortet
Steg 1: Installera Shunya OS på Raspberry Pi 4
Du behöver en bärbar dator eller dator med en micro SD -kortläsare/adapter för att ladda micro SD -kortet med Shunya OS.
Ladda ner Shunya OS från den officiella versionen
Blinkande Shunya OS på SD-kortet med hjälp av stegen som anges här: Blinkande Shunya OS på Raspberry Pi 4.
Sätt i micro SD -kortet i Raspberry Pi 4.
Anslut mus och tangentbord till Raspberry Pi 4.
Anslut bildskärmen till Raspberry Pi 4 via mikro-HDMI
Anslut strömkabeln och slå på Raspberry Pi 4.
Raspberry Pi 4 bör starta upp med Shunya OS.
Steg 2: Installera Shunyaface
Shunyaface är ett bibliotek för ansiktsigenkänning/-igenkänning för alla kort som stöds av Shunya OS.
För att installera Shunyaface måste vi ansluta den till wifi
1. Anslut till wifi med kommandot:
$ sudo nmtui
2. Det är enkelt att installera shunyaface och cmake, kör följande kommandon:
$ sudo apt uppdatering
$ sudo apt installera shunyaface cmake
Steg 3: Exempelkod och utmatning
I koden ovan läses en bild med funktionen imread. Denna ram överförs till detekteringsfunktionen som returnerar en avgränsande låda i ansiktet och även plottar punkterna på läpparnas slutpunkter och ögonens mitt.
Ladda ner koden tillsammans med de nödvändiga filerna nedan och Avmarkera filerna med kommandona nedan:
$ tar -xvzf sample -facedetect.tar.gz
$ cd sample-facedetect
Kompilera det med kommandot
$./setup.sh
Kör det med kommandot
$./build/facedetect
Detta visar dig en bild med ett upptäckt ansikte.
Skriv din egen kod och kompilera
1. Redigera filen src/facedetect-sample.cpp och lägg till din kod där.
2. kör sedan detta kommando för att kompilera och bygga binärt
$./setup.sh
3. Kör den med kommandot
$./build/facedetect
Slutsats: Shunyaface kan hjälpa dig att upptäcka eller känna igen ett ansikte i några koderader. Om du gillar den här självstudien, vänligen gilla den, dela och stjärna även vårt github -arkiv som ges här
Rekommenderad:
MATLAB Enkel ansiktsigenkänning: 4 steg
MATLAB Enkel ansiktsigenkänning: Huvudsyftet med dessa instruktioner är att visa hur enkelt bildbehandlingen kommer att vara. Med hjälp av MATLABFace har detektering och spårning varit ett viktigt och aktivt forskningsfält, så det är därför jag ska förklara hur kan man göra det
IP-kamera med ansiktsigenkänning med ESP32-CAM-kortet: 5 steg
IP-kamera med ansiktsigenkänning med ESP32-CAM-kortet: Det här inlägget är annorlunda jämfört med de andra och vi tar en titt på det mycket intressanta ESP32-CAM-kortet som är förvånansvärt billigt (mindre än $ 9) och lätt att använda. Vi skapar en enkel IP -kamera som kan användas för att strömma ett livevideoflöde med 2
Lås för ansiktsigenkänning: 8 steg
Dörrlås för ansiktsigenkänning: Ungefär en månad på gång presenterar jag dörrlåset för ansiktsigenkänning! Jag försökte få det att se så snyggt ut som jag kan, men jag kan bara göra så mycket som en 13-åring. Detta dörrlås för ansiktsigenkänning drivs av en Raspberry Pi 4, med en speciell bärbar
Ansiktsigenkänning och identifiering - Arduino Face ID med OpenCV Python och Arduino .: 6 steg
Ansiktsigenkänning och identifiering | Arduino Face ID Med OpenCV Python och Arduino .: Ansiktsigenkänning AKA face ID är en av de viktigaste funktionerna på mobiltelefoner nuförtiden. Så jag hade en fråga " kan jag ha ett ansikts -id för mitt Arduino -projekt " och svaret är ja … Min resa började enligt följande: Steg 1: Tillgång till vi
Ansiktsigenkänning i praktiken: 21 steg
Ansiktsigenkänning i praktiken: Det här är ett ämne jag är så fascinerad av, att det får mig att tappa sömn: Datorsyn, upptäckt av föremål och människor genom en förutbildad modell