标签：10 DepthAI 模型 py OAK 集锦 main python3

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）。

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。

运行sbd_mask4.blob模型检测传入的面部图像中是否佩戴口罩。

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

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

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
  

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
  

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

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

标签：10,DepthAI,模型,py,OAK,集锦,main,python3
来源： https://blog.csdn.net/m0_54226098/article/details/112915951

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。