1 Schritt:Schritt 1:

    OpenCV DSP-Beschleunigung - GSoC 2010 Es zielt darauf ab, OpenCV-Algorithmen in OMAP3 Plattformen mit Hilfe des On-Chip-C64x + DSP beschleunigen. Es verwendet OpenCV 2,1 als Referenz und ist abhängig von der gleiche. Die erste Version von diesem Projekt demonstriert die Beschleunigung der einige der OpenCV-Algorithmen wie cvSoble (), cvIntegral (), cvCvtColor () und cvDFT (). Diese Arbeit bietet eine separate Bibliothek 'libopencvdsp.so' für diese Algorithmen. Nutzer haben die Wahl, nur ARM-basierte API oder DSP basierte API auswählen. Alle DSP-basierte API sind mit 'DSP_' vorangestellt. Der Code wurde am Beagleboard Rev C4 getestet. Diese Arbeit verwendet C6Accel Bibliothek als Präsenzbibliothek und erweitert es um OpenCV unterstützen. Diese Arbeit zeigt signifikante Beschleunigung der OpenCV-Algorithmen, indem sie asynchrone Aufruf C64x + DSP. Student: Pramod Poudel Mentoren: Katie Roberts-Hoffman, Luis Gustavo Lira Repository: http://code.google.com/p/opencv-dsp-acceleration/ Schritt 1: $(function() {$("a.lightbox").lightBox();});

      4 Schritt:Schritt 1: Installation und Integration Schritt 2: Befestigen Servos und Kamera Schritt 3: Verdrahtung der Teile zusammen Schritt 4: Ressourcen

      UPDATES 20. Februar 2013: In Antwort auf eine Frage von Studenten Hala Abuhasna, ob Sie die .NET-Seriell-Klasse verwenden, verwenden Sie die Namenskonvention "\\\\ \\ COMn.", Und ersetzen Sie n mit einer Reihe von> 9 definieren möchten Ihr COM-Anschluss für COM-Anschlüsse über 9 wie COM10, COM11 etc. 23. März 2012: Vorgestellt Adafruit Blog 23. März 2012: Verwendet in Interactive Design 13. Dezember 2011: Sehenswerte auf Floss For Science Dieser Leitfaden wird auf meinem Blog aufrechterhalten werden http://techbitar.blogspot.com/2012/04/face-detection-and-tracking-with.html EINFÜHRUNG In diesem Projekt habe ich eine Gesichtserkennung und Tracking-System montiert. Sie können das Video des endgültigen Projekts finden Sie hier: Grundsätzlich sendet die Webcam Video-Frames zu OpenCV auf einem Windows-PC läuft. Wenn OpenCV ein Gesicht erkennt es sie zu verfolgen und berechnen die seine Mitte X, Y-Koordinaten. Die Koordinaten werden dann an den Arduino über eine serielle USB-Verbindung bestanden. Das Arduino steuert die Bewegung der Webcam mit der Hilfe von zwei Pan / Tilt-Servos um das erkannte Gesicht zu folgen. OpenCV (Open Source Computer Vision Library: http://opencv.willowgarage.com/wiki/ ) ist ein Open-Source-Bibliothek, die mehrere hundert Echtzeit-Computer-Vision-Algorithmen umfasst. Die OpenCV 2.x Bibliothek ist eine C ++ API. Dies ist ein Integrationsprojekt zwischen Hardware- und Software-Tools. Die Bildverarbeitung C ++ Code-Beispiele werden mit der OpenCV-Bibliothek zur Verfügung gestellt und alles, was ich tat, war, den Beispielcode für dieses Projekt zu ändern. Ich entfernte einige der unnötigen Code und das hinzugefügt serielle Kommunikation, um es so zu X Arduino senden kann, Y-Werte. CREDIT Dieses Projekt wäre nicht möglich gewesen ohne die Mannschaft, die OpenCV entwickelt möglich. Ich profitierte ebenfalls von Ryan Owens 'Tutorial (http://www.sparkfun.com/tutorials/304), die an Herstellung, Openframeworks basiert, und einer früheren Version von OpenCV. Ich habe versucht, Verarbeitung und Openframeworks ohne Glück zu installieren. So Stattdessen entschied ich mich für Microsoft Visual C ++ 2010 Express und die neueste Version von OpenCV 2.3.1, die ohne Middleware oder Wrapper ist. TOOLS Benötigte Software Arduino IDE 1.0 für Windows OpenCV 2.3.1 Superpack für Windows Microsoft Visual C ++ 2010 Express SP1 Serien C ++ Bibliothek für Win32 (von Thierry Schneider) Code Required - OpenCV C ++ (Anlage) techbitarFaceDetection.cpp (basierend auf OpenCV Vorbild facedetect.cpp) - Arduino (Anlage) cam_servo.ino (basierend auf Ryan Owens 'Beispiel SerialServoControl.pde) Benötigte Hardware - PC vorzugsweise unter Windows 7 SP1. Die schnellere CPU, desto besser. - Arduino Uno oder kompatibel + Stromquelle. - Standard-Servos X 2. - Webcam w / UBS-Schnittstelle. - Brotschneidebrett. - Jumper Drähte. - Hobby Draht Pan / Tilt-Servos und Webcam zusammen zu binden. Schritt 1: Installation und Integration 1) Laden Sie die OpenCV-2.3.1-win-superpack.exe, wenn Sie nicht wollen, mit der Erzeugung der Support-Dateien selbst umzugehen. Alles, was Sie von OpenCV, um dieses Projekt zu erstellen hat bereits in diesem Download generiert. http://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.3.1/ 2) Laden und installieren Sie Microsoft Visual C ++ 2010 Express http://www.microsoft.com/visualstudio/en-us/products/2010-editions/visual-cpp-express Die OpenCV Installationsdokumentation erklärt, wie Sie Visual C ++ kennen die OpenCV Support-Dateien (enthalten, bin, etc) zu machen. Dies ist keine Ein-Klick-Job. Besondere Aufmerksamkeit muss, wie Visual C ++ muss konfiguriert werden, dass OpenCV-Dateien zu erkennen gegeben. Die OpenCV Team getestete Version 2.3.1 und Visual C ++ 2010 Windows 7 SP1. Wenn Sie mit einer anderen Konfiguration sind, für ein paar hiccups.Step 2 hergestellt werden: Bringen Servos und Kamera Ich wollte nicht zu einem Projektteile dauerhaft zu befestigen, weil Ich mag meine Projekte auseinander nehmen, nachdem ich fertig bin. So habe ich Hobby Draht, der nicht mehr als ein steifer Draht, um die Servos und die Webcam zusammen zu binden. Ich wickelte die Basis der Webcam in die Pfanne Servohorn. Dann wickelte ich ein Kabel um das Horn des Neigungsservo und dem Körper der Pfanne Servo. Um die ganze Servo / Webcam Montage von beweglichen zufällig im Betrieb zu halten, habe ich einen Haken, um es dem Löten helfende Hände binden. Es behielt während Servodreh stabil. Es ist nicht schön, aber es funktioniert. Schritt 3: Verdrahtung der Teile zusammen Die Verdrahtung ist einfach. Ich habe ein Steckbrett, um die Verbindungen herzustellen. SERVOS Die gelb / Signalleitung für den pan (X-Achse) Servo geht in digitalen Stift 9. Die gelb / Signalleitung für die Neigung (y-Achse) Servo geht in digitalen Stift 10. Die rot / Vcc Drähte beider Servos gehen an die Arduino 5V Pin. Die schwarz / GND Drähte beider Servos gehen Arduino GND Pin. WEBCAM USB der Webcam geht an den PC. Die C ++ Code wird es über eine Zahl, die den USB-Anschluss angeschlossen sein, um zu identifizieren. . ARDUINO Das Arduino Uno mit dem PC über USB angeschlossen. Beachten Sie die COM-Port der USB angeschlossen ist. Sie können die COM-Schnittstelle aus dem Arduino Tools / Serial Ports Menü. Sie erhalten ein Häkchen neben der aktiven USB-Anschluss zu sehen. Dies ist der COM-Port, die Sie in Ihrem C ++ Code verwenden, um mit Arduino zu kommunizieren. Sie müssen das C ++ Code zu ändern, um COM-Port und Baudrate des PCs mit Arduino übereinstimmen. Außerdem muss der C ++ Code mitgeteilt werden, welche USB-Anschluss die Webcam mit. Schritt 4: Ressourcen Ich fand diese Webseiten informativ sein: OpenCV Gesichtserkennung / Tracking-Guides Face Tracking mit Pan / Tilt Servohalterung durch zagGrad http://www.sparkfun.com/tutorials/304 Arduino + Servo + OpenCV Tutorial [openframeworks] http://www.creativeapplications.net/tutorials/arduino-servo-opencv-tutorial-openframeworks OpenCV und Microsoft Visual C ++ Integration OpenCV 2.3.1 und Visual Studio 2010 http://www.deveature.com/2011/11/24/opencv-2-3-1-and-visual-studio-2010/ Erste Schritte mit OpenCV 2.3 in Microsoft Visual Studio 2010 in Windows gestartet http://siddhantahuja.wordpress.com/2011/07/18/getting-started-with-opencv-2-3-in-microsoft-visual-studio-2010-in-windows-7-64-bit OpenCV 2.1.0 mit Visual Studio 2010 http://blog.aguskurniawan.net/post/OpenCV-210-with-Visual-Studio-2010.aspx Wie man Anwendungen mit OpenCV innerhalb des Microsoft Visual Studio zu bauen http://opencv.itseez.com/doc/tutorials/introduction/windows_visual_studio_Opencv/windows_visual_studio_Opencv.html Verwendung OpenCV 2.3.1 mit Visual Studio 2010 (Tutorial) http://www.anlak.com/using-opencv-2-3-1-with-visual-studio-2010-tutorial

        1 Schritt:

        Video open cv + Arduino + viele Stunden == AWSOME !!!! das ist ziemlich dang süß. es geht um die coolste Sache ive mit meinem Arduino in eine lange Zeit getan. im Grunde habe ich die Gesichtsverfolgung Demo, die mit opencv kommt und modded es, bis es lief ein wenig schneller dann machte ich es so wäre es Infos über die Lage der Personen senden Gesicht über die serielle Schnittstelle. UPDATE: 2010.09.08 schließlich die instructable hat zum Tragen kamen! hier kann die Führung und den Code zu finden: http://www.instructables.com/id/how-to-build-MACKRA-a-serb-variant/

          5 Schritt:Schritt 1: Software-Installation Schritt 2: Anbringen Servomotoren und WebCam Schritt 3: Anschlüsse Schritt 4: Letzter Schritt: D UPLOADING Schritt 5: Quellen

          EINFÜHRUNG In diesem Projekt wird die Webcam sendet Video-Frames auf die Visual Studio C ++, das Öffnen CV Bibliothek auf unserem Computer ausgeführt enthält. Wenn Visual Studio C ++ Programm erkennt das Bild des Objekts von der Webcam dann die co Koordinaten von X, Y-Achse und Radius des Objekts berechnet sie zusammen Koordinaten werden entsprechend dem Arduino Mega / UNO über die serielle Kommunikation zwischen dem Arduino und geschickt Visual Studio C ++. Nach dem Empfang der Koordinaten die Servomotoren bewegt in X- und Y-Richtung und folgt dem Objekt. Hier ist das Video von it :) Sorry für die dumpfen Video ich müde war zu dieser Zeit :) ERFORDERLICHE: HARDWARE: 1. Servomotoren x 2 2. Webcam (jede Webcam) x 1 3. Arduino Mega / Uno x 1 4. Externe Stromversorgung 5V x 1 5. Steckbrett x 1 6. Single Core Anschlussdrähte SOFTWARE: 1. Arduino IDE 2. OpenCV 2.3.1 3. Visual Studio C ++ 2010 Express SP1 Code: 1. Visual Studio C ++ Code (siehe Anhang) 2. Arduino Programm-Code (siehe Anhang) Schritt 1: Software-Installation 1) Laden Sie die OpenCV -2.3.1. OpenCV enthält alle wichtigen Dateien für die Entstehung des Projekts benötigt werden. link :: http: //sourceforge.net/projects/opencvlibrary/files/opencv-win/2.3.1/ OpenCV Installation kann einige Probleme verursachen, also sehen Sie dieses Video es viel helfen würde. Dieses Video zeigt die ordnungsgemäße Installation von OpenCV. http://www.youtube.com/watch?v=cgo0UitHfp8 2) Laden und installieren Sie das Microsoft Visualstudio C ++ 2010 Express. link :: http: //www.microsoft.com/visualstudio/en-us/products/2010-editions/visual-cpp-express 3) Laden und installieren Sie Arduino IDE link :: http: //arduino.cc/en/Main/Software Schritt 2: Anbringen Servomotoren und WebCam Construction ist ziemlich einfach ... Erste-Servomotoren: Project i gemacht haben ist vorübergehend so habe ich die Servos mit verzinkter Bleche fixiert, sie sind leicht zu schneiden und zu verwenden und kann leicht gebohrt werden und sie flexibel sind. Sie können verschiedene Vorrichtungen aus anderem Material zu verwenden, um die Servos anzubringen, wie von Ihnen eignen sie dauerhaft oder vorübergehend zu machen. Nachdem Sie die Servomotoren angeschlossen haben jetzt seine Zeit, die Webcam zu befestigen. Webcam: Am Horn des zweiten Servo Steuern der Y-Richtung wie in dem Bild gezeigt ist. Schließen Sie die Webcam mit J-Locks. Es ist sicherlich nicht das schönste Projekt suchen, aber es macht die Arbeit: P Schritt 3: Anschlüsse SERVO Motoranschluss: 1.Schließen Lower Servomotor gelben Draht mit dem Pin-Nr. - 9 des Arduino UNO (Kontrollen x-Achse) 2.Verbinden Oberservomotor gelben Draht mit dem Pin-Nr -10 der Arduino UNO (Kontrollen y-Achse) 3. Verbinden Sie das rote Kabel des Servomotors mit 5V aus Arduino UNO kommen, wie oben in der Abbildung dargestellt. 4.Connect das schwarze Kabel der Servos mit der GND (Masse), die aus dem Arduino UNO, wie oben in der Abbildung dargestellt. WEB CAM CONNECTION: Schließen Sie die Webcam mit dem USB-Anschluss des Computers. ARDUINO UNO: Schließen Sie das Arduino UNO mit dem USB-Anschluss des Computers. Vor dem Hochladen Code in arduino wählen Sie die richtige COM-Port und der Kammer mit. Sie müssen das C ++ Code, um COM-Port und Baudrate des PCs mit Arduino UNO / Mega Match zu ändern. Außerdem muss der C ++ Code mitgeteilt, welche USB-Anschluss die Webcam verwenden werden. Schritt 4: Letzter Schritt: D UPLOADING Arduino UNO Das Programm in Arduino UNO hochladen Visual Studio C ++ Wenn alles richtig dann fertig war. Starten Sie das Programm und 4 Bildschirme eröffnen würde ... 1. Erster Bildschirm würde für die Auswahl der geeigneten HSV-Werte, so dass u für bestimmte Objekt, das Sie zum verfolgen möchten entscheiden. 2.Zweite Bildschirm würde das ursprüngliche Bild Ihrer Webcam zu zeigen. 3.Third Bildschirm würde das verarbeitete Bild Ihrer Webcam in der Regel ein binäres Bild zu zeigen. 4.Fourth Bildschirm würde u zeigen die x-Achse, y-Achse und Radius dieses Bild. Schritt 5: Quellen Einige der Links i gefolgt und half mir sehr. http://www.instructables.com/id/Face-detection-and-tracking-with-Arduino-and-OpenC/ http://aleksandarkrstikj.com/tracking-a-ball-and-rotating-camera-with-opencv-and-arduino/ http://www.youtube.com/watch?v=cgo0UitHfp8 http://www.youtube.com/watch?v=bSeFrPrqZ2A Wenn Sie weitere Hilfe benötigen, fühlen Sie sich frei, mich zu kontaktieren E-Mail: [email protected] Ich hoffe, u habe meinen instructable: P Vielen Dank: D: D

            4 Schritt:Schritt 1: Wie es funktioniert Schritt 2: Lassen Sie Verarbeitungssatz Up Schritt 3: Starten-Code Schritt 4: Probleme und Kritik

            Ohhh Timing. Sie ruinieren jede Sprungwurf. Du Countdown rechts, bevor Sie in die Luft springen und Ihr Freund ist auf dem Boden mit ihren Finger auf dem Auslöser kauerte. Sprung in der Luft mit einem herrlichen springen, stellen Sie für einen Bruchteil einer Sekunde. Vertrauen in Ihre Fähigkeit, die Sie an Ihren Freund laufen nur um festzustellen, dass es wieder einmal ein weiteres perfekt große Sprungwurf von der Verzögerung zwischen dem Drücken des Auslösers und das Foto tatsächlich gemacht ruiniert. Nun, nicht mehr! Verwendung Verarbeitung , OpenCV und eine hohe Qualität Web-Kamera, können Sie eine perfekte Sprungwurf (fast *) jedes Mal zu nehmen! * Hat einige lästige Einschränkungen (siehe den letzten Schritt!)

              6 Schritt:Schritt 1: Machen Sie eine farbige Handschuh Schritt 2: Implementieren Sie neuronales Netz Schritt 3: Machen Sie ein 3D-Modell lackiert Handschuh Schritt 4: Parameter Tune up neuronalen Netzwerks Schritt 5: Die Kombination von Hand-Tracking mit neuronalen Netzwerk basiert Handerkennung Schritt 6: Weitere Einzelheiten ...

              *** HINWEIS (May, 12, 2015) *** Wenn Sie das Video von der eingebettete Datei nicht sehen, können Sie es sehen können hier !! ******************************** Haben Sie den Film, "beobachtete Iron Man "? In dem Film, Tony manipuliert virtuelle Objekte durch seine Handbewegungen. Es ist wirklich cool! Also, warum nicht ich es bin? Das ist, was ich getan habe! Der Name meines Projektes ist "Manipit (manipulieren)". Dieses Projekt ist eine Hand Motion-Tracking-System, nutzt Xtion Pro Live und bemalt Handschuhe (die eine Art von Kamera wie Kinect ist). Denn es kann deine Hand erkennen darstellen (3D Position, 3D-Orientierung und Greifen), können Sie Eingabebefehle mit Ihrer Handbewegungen. Mit Manipit beispielsweise mit 3D-Computergrafik auf einem Display herumspielen kann und / oder manipulieren ein Roboterarm intuitiv. Es ist ganz ähnlich wie die Schnittstelle, die Sie in der Eisenmann Clip sehen. Manipit muss der Benutzer gemalt Handschuhe tragen. Glücklicherweise sind keine Sensoren an den Handschuhe erforderlich. Die Xtion erfasst die Position und Fläche jedes bestimmte Farbe. Manipit erkennt Handposition mit neuronalen Netzwerk , das eine Art von künstlicher Intelligenz Technologie in den Mittelpunkt dieser Software ist. HINWEIS: Manipit besteht aus 2 Teilen. Ein Teil ist Hand-Tracking, die, wo die Hand erfasst. Der andere Teil ist Haltungserkennungs, die die Haltung der Hand erkennt. Da die ehemaligen ist nicht so schwierig, werde ich über die letztere von Schritt 1 zu Schritt 4 zu sprechen.

                6 Schritt:Schritt 1: Einrichten der Kamera Schritt 2: Installieren von Python Steuerelemente Schritt 3: So haben wir es: Hacking Bewegung Schritt 4: So haben wir es: Hacking Video Schritt 5: So haben wir es: Hacking Audio Schritt 6: Die Zukunft

                In diesem Instructable erfahren Sie, wie Sie die Video, Mikrofon und Steuerungen der 30 € abfangen Kaicong SIP1602 Wireless-Schwenk-Neige-Kamera auf Windows, Linux oder OSX! Alles ist fein säuberlich in Python-Skripte gerollt; Sie können die Ausgangsdaten für Dinge wie Sprach Transkription, Computer Vision und automatische Richtungssteuerung zu verwenden. Wenn Sie etwas wirklich abenteuerlich, lesen Sie weiter und Sie werden meine Methoden lernen, entdecken und Reverse Engineering Wireless-Kameras! Einbauzeit: ~ 30 Minuten Du wirst brauchen: A Kaicong SIP1602 WiFi Pan-Tilt-Kamera HINWEIS: Offenbar ist die Popularität dieser Instructable ausgelöscht Amazon-Aktie. Andere haben berichtet, dass diese 45 € Tenvis Kamera ist ein guter Ersatz. Ein Computer oder ein Netzwerk-Router mit einem Ethernet-Anschluss Ein Arbeits 802.11b / g Wireless-Netzwerk (WLAN-N ist mit dieser Kamera nicht unterstützt) Grundkenntnisse der Eingabeaufforderung oder Terminal (ändern Verzeichnisse, führen Sie eine Datei) Für etwas anderes als nur die Installation und den Betrieb der Kamera-Code, wird mittelaktive Erfahrung in Python und OpenCV auch sehr nützlich sein. Lassen Sie uns um es zu bekommen! Wenn Sie diesen Hack mögen, vergessen Sie nicht, uns auf Instructables, folgen Sie Facebook oder Twitter , und schauen Sie sich unsere anderen Projekte auf unserer Website !

                  8 Schritt:Schritt 1: Ersatzteile Schritt 2: Wie funktioniert es? Schritt 3: Anschluss Schritt 4: PCB (optional) Schritt 5: Programm für Arduino Schritt 6: Android App Schritt 7: Android App (Quellcode) Schritt 8: Fazit

                  Vor einigen Wochen habe ich gedacht, um Roboter, der Gegenstand mit Android-Handy zu verfolgen tätigen. Am Anfang suchte ich darüber in google. Ich fand einige Artikel aber keiner Quellcode android app hatte. Mein erster Gedanke ist es ", es ist zu schwer für mich," und ich gab auf. Aber ich konnte es nicht ertragen, dass ich nicht etwas, was ich will zu machen. Also habe ich versucht wieder und nach Woche harter Arbeit mit Android Code Ich beendete mein Projekt. Bitte, wenn Sie mein Projekt, Abstimmung für mich in Bewegung es Wahlen mögen. Vielen Dank!

                  Seiten: