Arduino ऑब्जेक्ट डिटेक्शन ट्रैकिंग 2.0 APK

Description of Arduino ऑब्जेक्ट डिटेक्शन ट्रैकिंग 2.0 2.0:

इस एप्लिकेशन को विशेष रूप से छात्रों और इलेक्ट्रॉनिक्स इंजीनियरों और Arduino और रास्पबेरी पाई माइक्रो नियंत्रकों के साथ काम करने वाले हॉबीस्ट के लिए डिज़ाइन किया गया है। यह Google Tensorflow Lite मशीन सीखने सहित कंप्यूटर दृष्टि का पता लगाने और वर्गीकरण के लिए OpenCV कामगार का उपयोग करता है।

एप्लिकेशन आपके फ़ोन कैमरे से विभिन्न प्रकार की वस्तुओं का पता लगा सकता है और उन्हें ट्रैक कर सकता है जैसे कि लाइनें, रंग की बूँदें, मंडलियाँ, आयतें और लोग। पता लगाए गए ऑब्जेक्ट प्रकार और स्क्रीन स्थिति तब ब्लूटूथ रिसीवर डिवाइस जैसे कि एचसी -05 को भेजे जा सकते हैं।

यदि उपयुक्त माइक्रो-नियंत्रक जैसे Arduino या रास्पबेरी पाई का उपयोग करने वाले उपयोगकर्ता आगे की रोबोटिक्स आधारित परियोजनाओं के लिए ज्ञात वस्तुओं का विश्लेषण कर सकते हैं। एक विशिष्ट उदाहरण एक फोन को 2 या 4W रोबोट किट से जोड़ना हो सकता है जो तब गेंद या व्यक्ति को ट्रैक / अनुसरण कर सकता है।

मुख्य अनुप्रयोग सुविधाएँ:
1. रंग बूँद पता लगाने और ट्रैक
2. सर्कल का पता लगाने और ट्रैक
3. लाइन का पता लगाएं
4. लोग पता लगाते हैं और ट्रैक ग्रेडिस्ट (HoG) का उपयोग करते हुए
5. टेन्सरफ्लो लाइट कोको लेबल वस्तुओं (जैसे व्यक्तियों, बिल्लियों, कारों का पता लगाने ) , टीवी, आदि)
6. कस्टम टेंसरफ्लो मॉडल का उपयोग करें।
7. ब्लूटूथ पर पाया गया ऑब्जेक्ट पैरामीटर भेजें।

ध्यान दें कि सभी इमेज प्रोसेसिंग ऑपरेशन अच्छी रोशनी की स्थिति में सबसे अच्छा काम करते हैं। यदि आप ऑब्जेक्ट्स का पता लगाने में असमर्थ हैं, तो कृपया कुछ कॉन्फ़िगरेशन सेटिंग्स को बदलने का प्रयास करें। यह भी ध्यान दें कि कार्यान्वित ट्रैकिंग एल्गोरिदम सरल हैं और इसलिए जब एक से अधिक ऑब्जेक्ट एक-दूसरे को ओवरलैप करते हैं तो मज़बूती से काम नहीं करेंगे।

कस्टम Tensorflow मॉडल का उपयोग करने के लिए, एक संगत mobilenet tfile मॉडल लोड करें। इसके लिए एक उदाहरण pet_detect.tflite, और pet_labels.txt है। हालाँकि आपको इन्हें कस्टम.फ्लैट और कस्टम.टेक्स्ट में फिर से नाम बदलने की जरूरत है और इन्हें अपने फोन के आंतरिक भंडारण सार्वजनिक दस्तावेज़ फ़ोल्डर में रखें। कृपया यह भी सुनिश्चित करें कि आप स्टोरेज एक्सेस के लिए एंड्रॉइड ऐप अनुमति को सक्षम करें।

ब्लूटूथ डेटा ट्रांसमिट प्रारूप:

सभी डेटा संचार को निम्न प्रारूप में ASCII पाठ के रूप में भेजा जाता है:

"ऑब्जेक्ट प्रकार": "आईडी": "XPos", "YPos", "चौड़ाई", "ऊँचाई"

उदाहरण रंग बूँद ऑब्जेक्ट: "CO: 0: -40,60,0,0 "
जहां ID 0 और 4 के बीच एक नंबर है जिसमें कोई ट्रैकिंग नहीं है, या ट्रैकिंग विकल्प के साथ कोई भी अद्वितीय पूर्णांक ट्रैक आईडी नंबर है।
X और y स्थान 0 से रंग ब्लॉब के केंद्र से संबंधित हैं, जो कैमरा पूर्वावलोकन स्क्रीन के केंद्र में है।

उदाहरण सर्कल ऑब्जेक्ट नो ट्रैकिंग: "CC: 0: -40,60,20,0"
जहां x, y स्थान सर्कल का केंद्र देते हैं, और चौड़ाई सर्कल की त्रिज्या देती है।
ट्रैकिंग मोड में x, y, w, h सर्कल के अंदर की आयत प्रदान करते हैं।

उदाहरण सर्किल ऑब्जेक्ट ऑन फिल्टर विद कलर: "FC: 0: -40,60,20,0"
जहाँ x, y स्थिति वृत्त का केंद्र देते हैं, और चौड़ाई वृत्त की त्रिज्या देती है।

उदाहरण पंक्ति वस्तु: "LO: 0: -40,60,20,200"
जहाँ x, y स्थान पहली पंक्ति बिंदु और w, h दूसरी पंक्ति बिंदु givds देता है।

उदाहरण लोग ऑब्जेक्ट नो ट्रैकिंग: "PO: 0: -40,60,20,0"
जहाँ x, y स्थिति आयत के शीर्ष बाएँ और w को h, चौड़ाई और ऊँचाई देती है।

उदाहरण पीपल ऑन फिल्टर विद कलर: "एफपी: 0: -40,60,20,0"
जहां एक्स, वाई पोजिशन आयत के ऊपर बाईं ओर देता है, और डब्ल्यू, एच आयत की चौड़ाई और ऊंचाई देता है।

सभी ट्रैक की गई वस्तुएं: "TO: 0: -40,60,20,40"।
जहाँ x, y स्थान आयत का केंद्र देता है, और w, h आयत के केंद्र से चौड़ाई और ऊँचाई देता है। ध्यान दें कि यदि सर्कल और लोगों पर फ़िल्टर किया जाता है, तो ट्रैक की गई ऑब्जेक्ट आईडी ओवरलैप्ड कलर ऑब्जेक्ट के लिए शून्य पर रीसेट हो जाएगी।

TensorFlow ऑब्जेक्ट्स: "ऑब्जेक्टटाइटल: 0: -40,60,20,40"
जहाँ ObjectTitle कोई भी वर्गीकृत TensorFlow वस्तु है जैसे "व्यक्ति", "कप", "बोतल" आदि .. X, Y स्थान आयत का केंद्र देता है, और w, h, आयत के केंद्र से चौड़ाई और ऊँचाई देता है। ध्यान दें कि यदि रंग ब्लॉब चौराहे पर फ़िल्टरिंग सुनिश्चित करता है कि रंग बूँद ट्रैकिंग सक्षम है।

TensorFlow पर फ़िल्टर के लिए प्रारूप: "FTF: व्यक्ति: -40,60,20,40"। जहाँ "व्यक्ति" किसी भी उपलब्ध TensorFlow ऑब्जेक्ट प्रकार के coco_labels_list.txt (Google TensorFlowLite देखें) के भीतर परिभाषित किया जा सकता है।

Git Hub पर पूर्ण ऑनलाइन सहायता: /
https://github.com/GemcodeStudios/ObjectDetectionTracking

कॉपीराइट जेमोड स्टूडियो 2019