OpenCVを使うと，難しい画像処理も簡単なコードで実現できるみたいです。というわけで，Raspberry Piにインストールしてみました。やり方がなかなかわからず，あーでもないこーでもないとしているうちになんとかできたので，手順をメモしておきます。 RaspbianとOpenCVのバージョンは下記のとおりです。 2013-02-09-wheezy-raspbian OpenCV 2.4.4 および 2.3.1 インストールには，『①ソースコードをRaspberry Pi上でビルドする方法』と，『②apt-getコマンドを使う方法』とがあります。「Raspberry Pi　OpenCV」などで検索すると①の方法がヒットするため，最初はこの方法で頑張っていたのですが，Raspberry Pi上でのビルドには4～10時間かかるので注意です（10時間待ったあとでビルドの失敗に気づいたときとか…も

１、モジュールの読み込み（必要な材料を揃える） ・node_moduleの読み込み ・routesフォルダにあるオリジナルjsファイル（モジュール）の読み込み ・自分で入れたjsファイル（モジュール）の読み込み ２、Expressインスタンスの作成。個人的に「モジュールはここまでだよ」という目印にしている。ここからExpressインスタンスを加工していく。（調理スタート） ３、レンダラーエンジンの指定（MVCの内、Vを指定する） ４、ミドルウェアの追加（nodeモジュール（材料）を組み込んで、Expressインスタンス自体は完成） ５、ルーティングの追加（配達先を指定しておく。） ６、エラー処理（配達先が見つからない場合、廃棄する） ７、最後にExpressインスタンスをエクスポート //１、モジュールの読み込み //node_module var express = require('e

Yolo の検出遅延 (前回紹介したカメラ付きプラレール+Yolo 検出についての続きですが、機械学習から少し離れ、デバッグ寄りの内容になります。) Darknet の Yolo 実装では、以下のようなコマンドラインで MJPG Streamer の URL を渡すことにより、プラレールカメラのストリームを Yolo に渡すことが出来ます。 $ ./darknet detector demo cfg/voc.data cfg/tiny-yolo-voc.cfg tiny-yolo-voc.weights http://192.168.1.104:8080/?action=stream -i 0 -thresh 0.2 しかし、ブラウザ上の画像はほぼリアルタイムに表示されるのに対して、Yolo の検出は、この動画のように数秒遅れることがわかりました。 この遅延の原因、ボトルネックを調べること

本日はWatchdog Timer(ウォッチドッグタイマー)の使い方を紹介したいと思います。マイコンでは当たり前の機能ですが、なんとRaspberry Piでも同じことができます。Raspberry Piが予期せずフリーズしても自動で再起動してくれるので、長期に動かく場合は設定しておくことをお勧めします。それでは使い方を紹介します。 watchdogのインストール まず、下記のコマンドでモジュールをインストールを行います。 sudo apt-get install watchdog watchdog.serviceファイルの編集 まず、/lib/systemd/system/watchdog.serviceファイルを下記のコマンドで開きます。 sudo nano /lib/systemd/system/watchdog.service 以下のように編集します。 [Install]の下に"W

February 8th, 2017 Editor’s note: This post is part of our Trainspotting series, a deep dive into the visual and audio detection components of our Caltrain project. You can find the introduction to the series here. SVDS has previously used real-time, publicly available data to improve Caltrain arrival predictions. However, the station-arrival time data from Caltrain was not reliable enough to make

大学でロボットを作る機会ができたので家で埃をかぶっていたPlaystationEyeを使って顔認識を試して見た。 使ったもの Raspberry Pi 3 OpenCV Webカメラ（PlaystationEye） セットアップ sudo apt-get install libopencv-dev sudo apt-get install python-opencv wget http://eclecti.cc/files/2008/03/haarcascade_frontalface_alt.xml USBにカメラを挿す 簡単なコード import cv2.cv as cv import cv2 cv.NamedWindow("camera", 1) capture = cv2.VideoCapture(0) faceCascade = cv2.CascadeClassifier('ha