Arduino Object Detection Track

Aplikasi ini dirancang khusus untuk siswa dan insinyur elektronik dan penggemar yang bekerja dengan pengontrol mikro Arduino dan Raspberry Pi. Ini menggunakan perpustakaan OpenCV untuk deteksi dan klasifikasi penglihatan komputer termasuk pembelajaran mesin Google Tensorflow Lite.

Aplikasi ini dapat mendeteksi dan melacak berbagai jenis objek dari kamera ponsel Anda seperti garis, gumpalan warna, lingkaran, persegi panjang dan orang-orang. Jenis objek dan posisi layar yang terdeteksi kemudian dapat dikirim ke perangkat penerima Bluetooth seperti HC-05.

Jika menggunakan mikro-controller yang sesuai mis. Pengguna Arduino atau Raspberry Pi dapat menganalisis objek yang terdeteksi untuk proyek berbasis robot lebih lanjut. Contoh tipikalnya adalah memasang telepon ke kit robot 2 atau 4W yang kemudian dapat melacak / mengikuti bola atau orang.

Fitur Aplikasi Utama:
1. Color Blob Detect and Track
2. Deteksi Lingkaran dan Trek
3. Deteksi Saluran
4. Orang Mendeteksi dan Melacak Menggunakan Histogram of Gradients (HoG)
5. Deteksi Objek Label TensorFlow Lite Coco (Orang, Kucing, Mobil, TV, dll.)
6. Gunakan model Tensorflow khusus.
7. Kirim parameter objek yang terdeteksi melalui Bluetooth.

Perhatikan bahwa semua operasi pemrosesan gambar bekerja paling baik dalam kondisi pencahayaan yang baik. Jika Anda tidak dapat mendeteksi objek, coba ubah beberapa pengaturan konfigurasi. Perhatikan juga bahwa algoritme pelacakan yang diterapkan sederhana dan karenanya tidak akan berfungsi dengan andal ketika beberapa objek saling tumpang tindih.

Untuk menggunakan model Tensorflow khusus, muat model mobilenet yang kompatibel. Contoh untuk ini adalah pet_detect.tflite, dan pet_labels.txt. Namun Anda perlu mengubah nama ini menjadi custom.tflite dan custom.txt dan menempatkannya di folder dokumen publik penyimpanan internal ponsel Anda. Pastikan juga Anda mengaktifkan izin aplikasi android untuk akses penyimpanan.

Format Pengiriman Data Bluetooth:

Semua komunikasi data dikirim sebagai teks ASCII dalam format berikut:

"Jenis Objek": "ID": "XPos", "YPos", "Lebar", "Tinggi"
  
  Contoh Objek Gumpalan Warna: "CO: 0: -40,60,0,0"
  Di mana ID adalah angka antara 0 dan 4 tanpa pelacakan, atau bilangan bulat unik yang dilacak nomor ID dengan opsi pelacakan.
  Posisi x dan y berhubungan dengan pusat gumpalan warna dengan 0,0 berada di tengah layar pratinjau kamera.
   
  Contoh Lingkaran Objek Tanpa Pelacakan: "CC: 0: -40,60,20,0"
  Di mana posisi x, y memberi pusat lingkaran, dan lebar memberi jari-jari lingkaran.
  Dalam mode pelacakan, x, y, w, h menyediakan segi empat dalam lingkaran.

  Contoh Objek Lingkaran dengan Filter Pada Warna: "FC: 0: -40,60,20,0"
  Di mana posisi x, y memberi pusat lingkaran, dan lebar memberi jari-jari lingkaran.
  
  Contoh Objek Garis: "LO: 0: -40,60,20,200"
  Di mana posisi x, y memberikan titik garis pertama, dan w, h memberikan titik garis kedua.
  
  Contoh Orang Objek Tidak Ada Pelacakan: "PO: 0: -40,60,20,0"
  Di mana posisi x, y memberikan kiri atas persegi panjang, dan w, h memberikan lebar dan tinggi.
  
  Contoh Objek Orang dengan Filter Pada Warna: "FP: 0: -40,60,20,0"
  Di mana posisi x, y memberikan kiri atas persegi panjang, dan w, h memberikan lebar dan tinggi persegi panjang.

Semua objek yang dilacak: "TO: 0: -40,60,20,40".
di mana posisi x, y memberikan pusat persegi panjang, dan w, h memberikan lebar dan tinggi dari pusat persegi panjang. Perhatikan bahwa jika memfilter pada lingkaran dan orang, id objek yang dilacak akan diatur ulang ke nol untuk objek warna yang tumpang tindih.

Objek TensorFlow: "ObjectTitle: 0: -40,60,20,40"
Di mana ObjectTitle adalah objek TensorFlow rahasia, mis. "Orang", "Piala", "Botol" dll. Posisi X, Y memberikan pusat persegi panjang, dan w, h memberikan lebar dan tinggi dari pusat persegi. Perhatikan bahwa jika pemfilteran pada persimpangan gumpalan warna memastikan bahwa pelacakan gumpalan warna diaktifkan.

Format untuk Filter pada TensorFlow: "FTF: Orang: -40,60,20,40". Di mana "Orang" dapat menjadi salah satu dari jenis objek TensorFlow terdeteksi yang tersedia yang didefinisikan dalam coco_labels_list.txt (Lihat Google TensorFlowLite).
 
Bantuan online penuh di Git Hub: /
https://github.com/GemcodeStudios/ObjectDetectionTracking

Hak Cipta Gemcode Studios 2019