Câmera de detecção de multidão baseada em Python para impedir a propagação do COVID-19

Câmera de detecção de multidão baseada em Python para impedir a propagação do COVID-19

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


FIG

Neste momento em que o COVID-19 está se espalhando rapidamente, é essencial manter distância social e evitar grandes reuniões públicas em um local para quebrar a cadeia de infecção por coroa.

Mas manter isso não é fácil. Muitas pessoas, consciente ou inconscientemente, se reúnem e vagam pelas ruas. Manter um olho em todas essas atividades não é uma tarefa fácil. As autoridades precisam de uma tecnologia confiável que possa inspecionar esses locais para evitar movimentos desnecessários.

Então, hoje decidimos fazer uma câmera inteligente de detecção de multidões que vigie todas as atividades ilegais e detecte qualquer multidão / pessoa / veículo na estrada. O dispositivo também pode alertar as autoridades sobre reuniões desnecessárias.

No entanto, esta câmera não se limita apenas a isso. Pode ser usado para:

  • Detectar tráfego intenso nas estradas.
  • Identifique qualquer entrada humana não autorizada em uma área restrita.
  • Observe o número de pessoas em um salão / auditório.
  • Mantenha e monitore o fluxo da multidão em uma demonstração de protesto.

Como funciona?

Vamos usar um RPi com uma câmera para capturar vídeo ao vivo. O vídeo é então processado quadro a quadro.

Usando o processamento de imagem com a ajuda do TensorFlow, as pessoas e os veículos no vídeo são identificados. Quando isso acontece, o dispositivo emite um alerta falando e / ou acionando as luzes / lâmpada.

Lista de materiais

Vamos começar nosso projeto coletando os seguintes componentes.

Pré-requisitos

Supondo que você já tenha o RPi pronto com a configuração do ambiente Raspbian Image e Python, podemos instalar as bibliotecas e módulos necessários.

Primeiramente, instale as seguintes bibliotecas no Python.

  • Falar
  • Numpy
  • Scipy
  • Opencv
  • Dlib
  • Keras
  • TensorFlow / TensorFlow Lite

Para instalar as bibliotecas acima, abra o terminal LX e digite os seguintes comandos:

sudo apt-get update

sudo apt-get upgrade

sudo nano / etc / dphys-swapfile

Então mude a linha CONF_SWAPSIZE=100 para CONF_SWAPSIZE=1024

sudo /etc/init.d/dphys-swapfile stop

sudo /etc/init.d/dphys-swapfile start

sudo pip3 instala opencv

sudo pip3 install numpy

wget https://bootstrap.pypa.io/get-pip.py

pip3 install dlib

pip3 install tensorflow

Após a instalação, você pode prosseguir com a clonagem de módulos TF e exemplos e arquivos usando o seguinte comando:

git clone https://github.com/tensorflow/tensorflow.git

Após a clonagem com êxito, vá para o diretório → pasta de pesquisa → crie um novo arquivo Python e cole o código anexado ao artigo.

Codificação

Na primeira parte do código, precisamos inicializar a biblioteca necessária. Em seguida, teremos o código que usa o módulo da câmera para gravar vídeo ao vivo e processá-lo quadro a quadro para detectar os objetos desejados, como:

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
  • Bicicleta
  • Bicicleta
  • Pessoas
  • Ônibus
  • Carro

Agora, usando a condição if (), verificaremos se algum objeto desejado foi detectado. Se nada for detectado, nenhuma ação será tomada. Mas, se detectado, o código acionará o alto-falante para emitir um alerta. Você também pode conectar uma lâmpada / campainha ao pino 17 para receber a notificação de alerta.

Figura 1.
Figura 2.
Fig 3
Fig 4.

Conexão

Agora conecte a câmera à placa RPi4 usando um cabo de fita e ligue o Raspberry Pi usando um adaptador. Para obter uma saída de vídeo ao vivo da câmera, você pode usar um cabo RCA com entrada RCA da TV ou usar um cabo HDMI na TV.

Você também pode usar um VNC. Basta conectar o RPi e o PC / Laptop à sua rede / ponto de acesso e espelhar sua tela usando o VNC. Agora, conecte um alto-falante à porta de áudio do RPI e ligue-o. Se você quiser algum alerta usando a lâmpada / campainha, conecte a campainha ao pino GPIO 17 do Raspberry Pi.

Fig 5.

Teste

Fig 6.

Leia Também  Esta máquina controlada por joystick desenha trilhas leves usando um laser - Open Electronics
Fig 7. Detectando as pessoas na estrada

Depois de fazer todas as conexões e configurações, agora vamos testar nosso projeto. Abra a pasta e execute o código. Aguarde alguns segundos para permitir que o Python inicialize todos os módulos. Em seguida, execute o código. Após alguns segundos, uma nova janela se abre e mostra os resultados da câmera. As pessoas detectadas são mostradas na janela e um alerta é dado sobre sua presença na estrada.

Código



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br