10个DepthAI 经典使用案例集锦（易上手）

2024-02-09 13:17:40

1.社交距离

DepthAI监视图像中检测到的人的3D位置，防止两人之间距离过近。Github链接
我们测试的效果请看这个视频：社交距离-OAK中国

在下图的场景中有3个人，DepthAI会监控他们的3D位置，当他们之间的距离低于1米时（这个值可调）就会显示too close，同时也会一直叠加人与人之间的距离，以及每个人距离摄像头的3D位置（以米为单位）。
10个DepthAI 经典使用案例集锦（易上手）
0）硬件
DepthAI模组：OAK-D或OAK-1

1）安装社交距离示例

python3 -m pip install -r requirements.txt

2）运行示例

python3 main.py

2.人脸识别

这个示例展示了第二代模型管道构建器的基本架构，将多个神经网络模型并行或串联组合在一起，ROI从一个网络传递到一个或多个后续的网络中。

此示例使用3个模型构建了一个管道，该管道能够检测视频上的面部，及其面部特征点，并使用提供的面部数据库识别人员。Github链接

视频教程：人脸识别-OAK中国

1）安装依赖

python -m pip install -r requirements.txt

2）拍照并保存到人脸库

python main.py -pho -n (your name)

按’s’保存图片，按’q’退出程序。
3）使用设备运行程序

python main.py -cam

4）使用视频运行程序

python main.py -vid <path>

3. 车辆车牌识别

本演示展示了车辆和车牌检测网络，以及在检测结果之上应用的车辆属性识别和车牌识别网络。Github链接
你可以在演示中使用以下一组预先训练的模型：

  • vehicle-license-plate-detection-barrier-0106 是查找车辆和车牌的主要检测网络
  • vehicle-attributes-recognition-barrier-0039会根据第一个网络的结果执行，并报告常规车辆属性，例如车辆类型（car / van / bus /track）和颜色
  • license-plate-recognition-barrier-0007 在第一个网络的结果之上执行，并报告每个识别的牌照的字符串

其他演示目标包括：

  • 视频 / 摄像头作为输入（通过 OpenCV ）
  • 复杂异步网络管道的示例：在车辆检测结果之上执行车辆属性和车牌识别网络
  • 可视化每个检测对象的车辆属性和车牌信息

1）安装依赖

pip3 install -r requirements.txt

2）运行演示

python3 main.py -cam

或

python3 main.py -vid <path_to_video>

使用 -h 选项运行应用程序会产生以下用法消息：

usage: main.py [-h] [-nd] [-cam] [-vid VIDEO] [-db] [-n NAME]

optional arguments:
  -h, --help            show this help message and exit
  -nd, --no-debug       阻止调试输出
  -cam, --camera        使用 DepthAI 4K RGB 摄像头进行推理 (与 -vid 冲突)
  -vid VIDEO, --video VIDEO
                        用于推理的视频文件的路径 (与 -cam 冲突)
  -db, --databases      保存数据（仅在运行识别网络时使用）
  -n NAME, --name NAME  数据名称（和 -db 一起使用）

使用空的选项列表运行应用程序会产生一条错误消息

要运行该演示，可以使用公共或预训练的模型。要下载预训练的模型，请使用 OpenVINO 模型下载器。

4.口罩检测

此示例展示了用于构建模型管道的基本架构，该模型管道支持在不同设备上放置模型以及使用python中的DepthAI库同时并行或顺序串行。

此示例使用2个模型构建了一个管道，该管道能够检测图像上的人脸及面部是否佩戴口罩。GitHub链接

先运行face-detection-retail-0004.blob模型检测图像中的人脸，并截取面部图像。
10个DepthAI 经典使用案例集锦（易上手）
运行sbd_mask4.blob模型检测传入的面部图像中是否佩戴口罩。
10个DepthAI 经典使用案例集锦（易上手）

1）安装依赖

python -m pip install -r requirements.txt

2）使用设备运行程序

python main.py -cam

或使用视频运行程序

python3 main.py -vid <path_to_video>

按’q’退出程序。

5. 简单的人员/人脸检测

DepthAI通过运行模型可以实现对人脸，人体的检测。
我们测试的效果请看这个视频：简单的人员/人脸检测-OAK中国

6. 情绪识别

DepthAI通过运行模型实现情绪识别。
我们测试的效果请看这个视频：情绪识别-OAK中国
10个DepthAI 经典使用案例集锦（易上手）

7.注视估计

DepthAI运行模型可以实现估计眼睛的凝视方向。GitHub链接10个DepthAI 经典使用案例集锦（易上手）

8.立体神经推理结果可视化

此示例展示了DepthAI立体神经推断。GitHub链接
关于立体神经推断，更多信息请参考：立体神经推理

你可以看到五个窗口：

  • previewout-left将显示左单声道摄像机的输出
  • previewout-right将显示右侧单声道摄像机的输出
  • left窗口将显示基于左单帧的神经网络结果
  • right窗口将显示基于右边单帧的神经网络结果
  • pygame窗口将显示三角测量的结果
    10个DepthAI 经典使用案例集锦（易上手）

1）安装依赖

sudo apt-get install python3-pygame
python3 -m pip install -r requirements.txt

2）使用设备运行程序

python3 main.py

9.人数统计

DepthAI可以统计镜头里出现的人的数量。GitHub链接
示例使用的模型：

  • person_detection_retail_0013
  • pedestrian_detection_adas_0002
  • mobilenet_ssd
    10个DepthAI 经典使用案例集锦（易上手）

1）安装依赖

python3 -m pip install -r requirements.txt

2）使用设备运行程序
使用默认网络

python3 main.py

使用特定网络(可以是person_detection_retail_0013, pedestrian_detection_adas_0002 或 mobilenet_ssd)

python3 main.py -m mobilenet_ssd

你可以看到一个调试窗口和控制台输出，显示有多少人被检测到。此外，你应该看到带有时间戳结果的results.json文件。

如果你想在没有预览的情况下运行它，只是收集数据，你可以修改main.py，然后设置为

- debug = True
+ debug = False

然后，应用程序将运行，没有预览窗口，也没有调试信息，只是将结果保存到result.json。

10.人物跟踪

DepthAI能够统计有多少人从镜头前走过，让你收集到有多少人进入一个房间或穿过一条走廊的信息。GitHub链接
使用到的模型：person_detection_retail_0013
10个DepthAI 经典使用案例集锦（易上手）

国内在哪里能买到DepthAI?

目前国内唯一的购买渠道是派驰的淘宝店:
OAK-D -派驰电子 淘宝
OAK-1 -派驰电子 淘宝

参考链接:
OAK 中国
OAK 中国 - 文档
luxonis.com
OAK中国：史上最全面的AI推理框架对比–OpenVINO、TensorRT、Mediapipe
首款开源软硬一体OpenCV AI Kit - DepthAI介绍

上一篇：开源软硬一体OpenCV AI Kit（OAK）


下一篇：java的单身