2025 Autor: John Day | [email protected]. Última modificação: 2025-01-23 15:03
Vou manter a introdução curta, pois o próprio título sugere qual é o objetivo principal do instrutível. Neste passo a passo instrutível, vou explicar como conectar várias câmeras como câmera de 1 pi e pelo menos uma câmera USB, ou 2 câmeras USB. A configuração nos permitirá acessar todos os streams simultaneamente e realizar a detecção de movimento em cada um deles. A melhor parte sobre isso é que o openCV está sendo executado em tempo real (ou quase em tempo real, dependendo do número de câmeras conectadas). Pode ser usado para vigilância doméstica.
Conteúdo
1. Configuração de múltiplas câmeras
2. Definindo o detector de movimento simples, acessando os fluxos
4. Resultado final
Etapa 1: configuração de várias câmeras
Ao construir uma configuração do Raspberry Pi para alavancar várias câmeras, você tem duas opções:
Basta usar várias webcams USB.
Ou use um módulo de câmera Raspberry Pi e pelo menos uma câmera web USB.
Usamos uma câmera da web Logitech c920.
O raspberry pi tem uma porta de câmera interna, mas se você quiser usar várias câmeras do raspberry pi em vez de uma câmera USB, você precisa de um escudo.
Agora vamos considerar uma configuração de 2 câmeras com uma pi-cam e uma câmera USB. A saída seria como a de image_2.
Na parte restante deste post, iremos definir o código simples do detector de movimento para uma única câmera primeiro e, em seguida, implementá-lo em várias câmeras.
Etapa 2: Definindo o detector de movimento simples
Nesta seção, definiremos um código python simples para detectar objetos. Para manter a eficiência, vamos considerar que apenas um objeto está se movendo em uma visão da câmera.
todos os arquivos de código estão anexados ao meu link do Github:
Recomendado:
Detecção de objetos com placas Sipeed MaiX (Kendryte K210): 6 etapas
Detecção de objetos com placas Sipeed MaiX (Kendryte K210): Como continuação do meu artigo anterior sobre reconhecimento de imagem com placas Sipeed MaiX, decidi escrever outro tutorial, com foco na detecção de objetos. Houve algum hardware interessante surgindo recentemente com o chip Kendryte K210, incluindo S
Rastreamento de objetos com base em detecção de cores: 10 etapas
Rastreamento de objetos baseado em detecção de cores: história Eu fiz este projeto para aprender o processamento de imagens usando Raspberry PI e CV aberto. Para tornar este projeto mais interessante, usei dois servo motores SG90 e montei a câmera nele. Um motor usado para mover horizontalmente e o segundo motor usado para mover verticalmente
Tutorial de detecção de objetos do robô Jetson Nano quadrúpede: 4 etapas
Jetson Nano Quadruped Robot Object Detection Tutorial: Nvidia Jetson Nano é um kit de desenvolvedor, que consiste em um SoM (System on Module) e uma placa de transporte de referência. Ele é direcionado principalmente para a criação de sistemas embarcados que requerem alto poder de processamento para aprendizado de máquina, visão de máquina e vide
Analisador de padrões de tráfego usando detecção de objetos ao vivo: 11 etapas (com imagens)
Analisador de padrões de tráfego usando detecção de objetos ao vivo: no mundo de hoje, semáforos são essenciais para uma estrada segura. No entanto, muitas vezes, os semáforos podem ser irritantes em situações em que alguém está se aproximando do semáforo no momento em que ele está ficando vermelho. Isso é uma perda de tempo, especialmente se a luz estiver pr
Detecção visual de objetos com uma câmera (TfCD): 15 etapas (com imagens)
Detecção visual de objetos com uma câmera (TfCD): os serviços cognitivos que podem reconhecer emoções, rostos de pessoas ou objetos simples ainda estão em um estágio inicial de desenvolvimento, mas com o aprendizado de máquina, essa tecnologia está se desenvolvendo cada vez mais. Podemos esperar ver mais dessa magia em