forum.hwkitchen.cz

Diego píše: ↑

31 led 2025, 04:44

Tak na tohle potřebuješ Raspberry Pi. Je tam kamera a rozpoznávání obrazu. Případně kameru zapojit do PC a rozpoznávání dělat tam a pak to řídit přes Arduino.

Caster píše: ↑

31 led 2025, 11:13

Zrovna pracuji na něčem podobném, laserová hračka pro kočku. Program jsem předělal pro ATtiny202 a v pohodě funguje, kočka Kačka ráda běhá za světýlkem na koberci.

Brácha si ale stěžoval, že laser občas svítí na kočku. Převedl jsem proto program do Pythonu pro RPi4 a pomocí rozpoznání kočky ve videu (docker ultralytics yolo 8/11 vypnu laser, případně vygeneruji jiný bod, pokud by měl na ni laser svítit.

Pro rychlé zpracování signálu videa zvažuji koupit Jetson Orin Nano Super Developer Kit.

Od detekce kočky v obraze je to jen malý krůček k detekci člověka .

Kód: Vybrat vše

# Import necessary libraries
import cv2
from ultralytics import YOLO

# Initialize the YOLO model
# We'll use YOLOv8n (nano) for better performance on Raspberry Pi
model = YOLO('yolov8n.pt')  # Downloads the model automatically

# Define the target class
# COCO dataset class for 'cat' is usually class 15
TARGET_CLASS = 'cat'

# Initialize video capture
# 0 is usually the default camera. Change if you have multiple cameras.
cap = cv2.VideoCapture(0)

# Function to get class names
def get_class_names():
    # Load COCO class names
    return model.names

class_names = get_class_names()

# Verify if 'cat' is in the class names
if TARGET_CLASS not in class_names:
    print(f"'{TARGET_CLASS}' class not found in the model's classes.")
    exit()

# Get the index of the 'cat' class
cat_class_id = list(class_names).index(TARGET_CLASS)

# Initialize variables to store bounding box info
cat_bbox = ()
cat_size = 0

while True:
    # Read a frame from the camera
    ret, frame = cap.read()
    
    if not ret:
        print("Failed to grab frame")
        break
    
    # Perform object detection
    results = model(frame)
    
    # Parse results
    for result in results:
        boxes = result.boxes  # Bounding boxes
        for box in boxes:
            cls_id = int(box.cls[0])  # Class ID
            if cls_id == cat_class_id:
                # Get bounding box coordinates
                x1, y1, x2, y2 = box.xyxy[0]
                # Calculate width and height
                width = x2 - x1
                height = y2 - y1
                # Store the coordinates and size
                cat_bbox = (int(x1), int(y1), int(x2), int(y2))
                cat_size = (int(width), int(height))
                
                # Draw bounding box on the frame (optional)
                cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)
                cv2.putText(frame, f'Cat: {width}x{height}', (int(x1), int(y1)-10),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
                
                # Since we only need to detect one cat, break after finding it
                break
    
    # Display the frame (optional)
    cv2.imshow('Cat Detector', frame)
    
    # Exit on pressing 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Release resources
cap.release()
cv2.destroyAllWindows()

# Print the bounding box and size
if cat_bbox:
    print(f"Cat Bounding Box Coordinates: {cat_bbox}")
    print(f"Cat Size (Width x Height): {cat_size}")
else:
    print("No cat detected.")

Pablo74 píše: ↑

31 led 2025, 09:20

Jak už zmínil Diego, tohle bude vyžadovat výkonnější HW; buď to zmíněný Raspberry Pi nebo ESP32, samozřejmě s kamerou, např. https://www.laskakit.cz/esp32-cam-2-4gh ... ex-antena/