Пошаговое руководство по реализации обнаружения лиц в реальном времени на Raspberry Pi с частотой 24 кадра в секунду.
В этом посте я проведу вас через пошаговый процесс реализации обнаружения лиц в режиме реального времени на Raspberry Pi с частотой 24 кадра в секунду на одном ядре.
Я буду использовать Raspberry Pi 3B + с Raspbian Buster в качестве операционной системы и камерой Pi.
Для распознавания лиц я буду использовать Xailient FaceSDK.
Шаг 1. Установите Python 3.7.3
Raspbian Buster поставляется с предустановленным Python 3.7.3, поэтому нет необходимости явно устанавливать Python 3.7.3. Для подтверждения используйте следующую команду, чтобы узнать, какая версия Python установлена на вашем Raspberry Pi.
python --version
Шаг 2. Установите tflite для Python 3.7
Чтобы установить tflite для Python 3.7, введите в терминале следующую команду установки pip3.
pip3 install https://dl.google.com/coral/python/tflite_runtime-1.14.0-cp37-cp37m-linux_armv7l.whl
Шаг 3: Установите OpenCV
Установите OpenCV, если он еще не установлен. Вы можете использовать apt install или pip3 install OpenCV на Raspberry Pi.
sudo apt install -y python3-opencv
or
pip3 install opencv-python
Шаг 4. Загрузите Xailient FaceSDK и разархивируйте его.
Перейдите на страницу Xailient SDK, зарегистрируйтесь как новый пользователь и войдите в систему.
Перейдите на вкладку SDK, где вы найдете инструкции по загрузке и установке Face SDK.
Для Raspberry Pi 3B + загрузите версию SDK для ARM32. Вы можете либо открыть ссылку в браузере вашего Raspberry Pi, чтобы загрузить ее прямо в него, либо вы можете использовать следующую команду wget:
wget -O sdk.tar.gz "SDK Link"
Разархивируйте загруженный FaceSDK.
Шаг 5: добавьте общую библиотеку в путь
Это необходимо, поскольку библиотека зависит от некоторых динамически загружаемых общих библиотек.
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$<Python_SDK path/Shared_arm32>
Вы можете добавить путь библиотеки к сценарию bashrc, чтобы вам не приходилось экспортировать каждый раз при входе в систему.
echo “export LD_LIBRARY_PATH=$LD_LIBRABRY_PATH:$<pathofSDK>/Shared_arm32” >> .bashrc
Шаг 6: Загрузите файл конфигурации
На странице Xailient SDK загрузите файл конфигурации, открыв ссылку в браузере Raspberry Pi на или используя следующую команду wget:
wget -O config.json "Config Link"
Скопируйте файл config.json в папку FaceSDK.
Шаг 7: Установите Xailient FaceSDK
Чтобы установить Xailient FaceSDK, запустите файл Install.sh, который находится внутри папки SDK. Перейдите в папку FaceSDK из вашего терминала и выполните следующую команду:
./Install.sh
Для получения дополнительных сведений о процессе установки вы можете обратиться к файлу Readme, который поставляется вместе с FaceSDK.
Шаг 8: запустите образец кода распознавания лиц
FaceSDK поставляется с образцом кода, который демонстрирует, как использовать и
взаимодействовать с библиотекой Python Xailient Face Detector.
Перейдите в папку samples и запустите сценарий picam_streaming_demo.py, чтобы запустить обнаружение лиц в реальном времени.
Теперь у вас есть обнаружение лиц в реальном времени на Raspberry Pi.
Считали этот пост полезным? Оставьте свои мысли в комментариях ниже.
Первоначально опубликовано в www.xailient.com/blog.
Другие истории:
Интегрируйте функцию распознавания лиц в свое приложение
Проблемы с обнаружением запущенных объектов на Raspberry Pi
Вам нужно перейти от облачных вычислений к пограничным вычислениям!
