在 raspberry pi 上 运行 快速准确的人员检测算法
fast light and accurate person-detection algorithm to run on raspberry pi
祝你一切顺利。
我正在尝试构建一个跟随人的跟随机器人。
我有一个 raspberry pi 和一个校准的立体相机 setup.Using 相机设置，我可以找到相对于相机参考帧的任何像素的深度值。
我的计划是使用摄像头的馈送来检测人，然后使用立体摄像头找到平均深度值，从而计算距离，并据此计算人相对于摄像头的位置，运行 我的机器人的电机相应地使用 PID。
现在我有了机器人 运行ning 和使用 HOGdescriptor 的人检测 opencv.But 问题是，即使有 nomax 抑制，检测器在机器人上实施也不稳定，因为太多误报和跟踪丢失经常发生。
所以我的问题是，你们能推荐一个只跟踪人的好方法吗？也许是某种轻型神经网络，因为我计划在 raspberry pi 3b+ 上 运行 它。
我使用 intel d435 作为我的深度相机。
TIA
您可以使用预训练模型。现在有plenty of them to choose from. There're also lighter versions for mobile devices. Check this blog post. It's also worth to check TensorFlow Lite。一些架构会给你边界框，一些掩码。我猜你会对面具更感兴趣。
Raspberry pi 没有执行对象检测和 realsense 驱动程序支持的计算能力，请在启动 realsense 应用程序后检查处理器负载。最简单的人员检测模型之一是您使用的 opencv 的 HOGdescripto。
祝你一切顺利。
我正在尝试构建一个跟随人的跟随机器人。 我有一个 raspberry pi 和一个校准的立体相机 setup.Using 相机设置，我可以找到相对于相机参考帧的任何像素的深度值。
我的计划是使用摄像头的馈送来检测人，然后使用立体摄像头找到平均深度值，从而计算距离，并据此计算人相对于摄像头的位置，运行 我的机器人的电机相应地使用 PID。
现在我有了机器人 运行ning 和使用 HOGdescriptor 的人检测 opencv.But 问题是，即使有 nomax 抑制，检测器在机器人上实施也不稳定，因为太多误报和跟踪丢失经常发生。
所以我的问题是，你们能推荐一个只跟踪人的好方法吗？也许是某种轻型神经网络，因为我计划在 raspberry pi 3b+ 上 运行 它。 我使用 intel d435 作为我的深度相机。 TIA
您可以使用预训练模型。现在有plenty of them to choose from. There're also lighter versions for mobile devices. Check this blog post. It's also worth to check TensorFlow Lite。一些架构会给你边界框，一些掩码。我猜你会对面具更感兴趣。
Raspberry pi 没有执行对象检测和 realsense 驱动程序支持的计算能力，请在启动 realsense 应用程序后检查处理器负载。最简单的人员检测模型之一是您使用的 opencv 的 HOGdescripto。