Arduino Object Detection Track

Bu uygulama özellikle Arduino ve Raspberry Pi mikro kontrolörleri ile çalışan öğrenciler ve elektronik mühendisleri ve hobileri için tasarlanmıştır. Google Tensorflow Lite makine öğrenmesi de dahil olmak üzere bilgisayarla görü algılama ve sınıflandırma için OpenCV kütüphanelerini kullanır.

Uygulama, telefonunuzdaki kamerada çizgiler, renkli lekeler, daireler, dikdörtgenler ve insanlar gibi çeşitli nesneleri algılayabilir ve izleyebilir. Tespit edilen nesne tipleri ve ekran konumları daha sonra HC-05 gibi bir Bluetooth alıcı cihazına gönderilebilir.

Uygun bir mikro kontrolcü kullanıyorsanız, ör. Arduino veya Raspberry Pi kullanıcıları tespit edilen nesneleri daha ileri robotik projeler için analiz edebilir. Tipik bir örnek, 2 veya 4W'lık bir robot kitine bir telefon bağlamak veya daha sonra bir topu veya kişiyi takip etmek / takip etmek olabilir.

Temel Uygulama Özellikleri:
1. Renk Blob Tespit ve Takip
2. Çember Algılama ve İzleme
3. Çizgi Algılama
4. İnsanlar Gradyanlar Histogramını Kullanarak Algılıyor ve İzliyor (HoG)
5. TensorFlow Lite Coco Etiket Nesnelerinin Tespiti (Örn. Kişiler, Kediler, Arabalar, TV, vb.)
6. Özel Tensorflow modellerini kullanın.
7. Algılanan nesne parametrelerini Bluetooth üzerinden gönderin.

Tüm görüntü işleme işlemlerinin iyi aydınlatma koşullarında en iyi şekilde çalıştığını unutmayın. Nesneleri tespit edemiyorsanız, lütfen yapılandırma ayarlarından bazılarını değiştirmeyi deneyin. Ayrıca, uygulanan izleme algoritmalarının basit olduğunu ve bu nedenle birden çok nesne birbiriyle çakıştığında güvenilir şekilde çalışmayacağını unutmayın.

Özel Tensorflow modellerini kullanmak için uyumlu bir mobilenet dosya modeli yükleyin. Buna bir örnek pet_detect.tflite ve pet_labels.txt'dir. Bununla birlikte, bunları custom.tflite ve custom.txt olarak yeniden adlandırmanız ve telefonunuzun dahili depolama ortak belge klasörüne yerleştirmeniz gerekir. Ayrıca, depolama erişimi için android uygulamasının iznini etkinleştirdiğinizden emin olun.

Bluetooth Veri İletim Formatları:

Tüm veri iletişimi aşağıdaki formatta ASCII metin olarak gönderilir:

"Nesne Türü": "Kimlik": "XPos", "YPos", "Genişlik", "Yükseklik"
  
  Örnek Renk Blob Nesnesi: "CO: 0: -40,60,0,0"
  Kimlik, izlemesi olmayan 0 ile 4 arasında bir sayı veya izleme seçeneği olan herhangi bir benzersiz tam sayı izlenen kimlik numarası.
  X ve y konumları, 0,01 kamera ön izleme ekranının ortasındayken renk bloğunun merkezi ile ilgilidir.
   
  Örnek Daire Nesnesi İzlemesi Yok: "CC: 0: -40,60,20,0"
  Burada x, y konumları dairenin merkezini verir ve genişliğin dairenin yarıçapı verir.
  İzleme modunda x, y, w, h dairenin iç dikdörtgenini sağlar.

  Renkli Filtreli Örnek Daire Nesnesi: "FC: 0: -40,60,20,0"
  Burada x, y konumları dairenin merkezini verir ve genişliğin dairenin yarıçapı verir.
  
  Örnek Satır Nesnesi: "LO: 0: -40,60,20,200"
  Burada x, y pozisyonları ilk satır noktasını verir ve w, h ikinci satır noktasını verir.
  
  Örnek Kişiler Obje No Tracking: "PO: 0: -40,60,20,0"
  X, y konumu dikdörtgenin sol üstünü verirken, w, h genişlik ve yükseklik verir.
  
  Renkli Filtreli Nesne Örneği: "FP: 0: -40,60,20,0"
  X, y konumları dikdörtgenin sol üstünü verirken, w, h dikdörtgenin genişliğini ve yüksekliğini verir.

İzlenen tüm nesneler: "Kime: 0: -40,60,20,40".
x, y konumları dikdörtgenin merkezini verirken, w, h dikdörtgenin merkezinden genişlik ve yükseklik verir. Daire ve insanları filtrelemek durumunda, izlenen nesne kimlikleri örtüşen renkli nesneler için sıfıra sıfırlanacaktır.

TensorFlow Nesneleri: "ObjectTitle: 0: -40,60,20,40"
ObjectTitle herhangi bir sınıflandırılmış ise, TensorFlow nesnesi; "Kişi", "Kupa", "Şişe" vb. Renk bloğu kesişiminde filtrelemenin, renk bloğu izlemesinin etkin olduğundan emin olun.

TensorFlow'da Filtre Biçimi: "FTF: Kişi: -40,60,20,40". Burada "Kişi", coco_labels_list.txt içinde tanımlanan mevcut algılanan TensorFlow nesne türlerinden herhangi biri olabilir (Google TensorFlowLite sayfasına bakın).
 
Git Hub'da tam çevrimiçi yardım: /
https://github.com/GemcodeStudios/ObjectDetectionTracking

Telif Hakkı Gemcode Studios 2019