🥥Visual Studio Code 编辑 Java 和 OpenCV利用YOLO DNN 实现 Raspberry Pi 图像检测和分析

关键词

Visual Studio Code | Java | OpenCV | 定向 FAST 和旋转 BRIEF | YOLO | 对象检测 | Raspberry Pi | 基于 Haar 的级联分类器 | 灰色滤镜 | 边淥保持滤镜 | Canny 滤镜 | 语音助手 | Mosquitto | MQTT

梗概

在具有深度神经网络的实时物联网成像中，学习如何利用最佳 DNN 模型，使用 Java 和 OpenCV 封装，检测图像中的对象。 在为远程编程准备 Visual Studio 代码时，仔细了解 Java 脚本在 Raspberry Pi 上的工作方式。

其次，您将探索 Java 如何连接到 MQTT 并处理参数化的 Rhasspy 语音命令。 语音控制系统准备就绪后，您将能够执行简单的任务，例如在您选择的环境中检测猫、人和咖啡壶。

本文目标包括：

1. 创建 OpenCV 过滤器

2. 执行一个 YOLO DNN 模型进行图像检测

3. 在 Raspberry Pi 4 上应用最好的 Java 脚本

4. 为实时远程编程准备设置

5. 使用 Rhasspy 语音平台处理语音命令并增强您的家庭自动化设置

Visual Studio Code 编辑 Java

编写 Java 代码，使用 OpenCV 运行基本图像处理，并了解不同的软件部分如何组合在一起。

视频流中对象检测

从处理图像到分析视频流开始，同时对图片和视频运行基于特征和基于网络的对象检测

Raspberry Pi 视觉控制

展示了如何在 Raspberry Pi 上运行代码，以最低限度设置正常工作所需条件。

Raspberry Pi 视觉分析

运行板载应用程序，主要关注实时视频流中的对象检测，包括录制的和实时性。

视觉和家庭自动化

将 Raspberry Pi 设置扩展为家庭自动化应用程序，将语音命令插入视频流分析。

源代码

🏈指点迷津 | Brief