Publié le 27 novembre 2018 - par Stéphane KUENTZ

I.A : Réalisez un système de reconnaissance d’objets avec Raspberry Pi

Comment reconnaître différents objets en utilisant un Raspberry Pi et OpenCV ? Ce tutoriel vous explique comment faire. Vous pourrez ensuite envoyer un e-mail avec la photo de l’objet en pièce jointe.

Au sommaire :

1 Reconnaissance d’objet avec OpenCV sur un Raspberry Pi
2 Conclusion
- 2.1 Au sujet de l’auteur
3 Sources

Reconnaissance d’objet avec OpenCV sur un Raspberry Pi

L’intelligence artificielle est une science, qui aide les machines à interagir de la « même » manière que les humains. Une partie de ce vaste et passionnant domaine, est consacrée à la reconnaissance d’images.

Les applications sont multiples, comme le recensement de différentes espèces animales ou la reconnaissance de visages, en passant par la vidéosurveillance et la domotique…

Ce projet de reconnaissance d’objets, tourne autour du logiciel libre OpenCV (Open Source Computer Vision Library). Le programme python s’occupe de détecter un mouvement, de reconnaître l’objet (voiture, chat , chien…) et d’envoyer un e-mail avec une photo en pièce jointe.

OpenCV est utilisé pour effectuer des calculs de traitement d’images. Il conjugue vision et intelligence artificielle, autant vous dire que l’industrie des technos est attentive à ce genre de solution. Il est compatible avec les OS Windows, Android, MacOS et bien sur, Linux (Raspbian :))

Ici, OpenCV utilisera un modèle de réseaux neuronaux artificiels, développé par Google : les Mobilenet SSD. Conçu pour l’embarqué, Il est particulièrement performant sur l’ architecture ARM du Raspberry. 🙂

L’objectif du tutoriel, est de pouvoir détecter un objet, le reconnaître et envoyer un courriel avec photo en pièce jointe, au moment précis de la détection.

Le matériel

Le programme de reconnaissance requière pas mal de ressources processeur. Équipée de sa Picaméra, la Raspberry Pi 3B+ est bien adaptée pour la situation 🙂

Pour rappel, son alimentation doit fournir au minimum 2500mA.

Pour ce tutoriel, nous utiliserons une machine Linux (Ubuntu 18.04) qui contrôlera à distance le Raspberry Pi, à l’aide de la suite VNC (Viewer et Server) et son environnement graphique. VNC est compatible avec Windows et MacOS.

Il nous faudra une box, avec une connexion wifi ou filaire.

Préparation de Raspbian Stretch Desktop

Considérons le fait que la dernière version de Raspbian Desktop, est installée et mise à jour sur votre Raspberry et bien sûr, qu’elle est connectée au réseau local. Dans le menu de configuration, activez le serveur VNC, SSH et la Picaméra.

A titre personnel, je trouve que le contrôle à distance (version VNC) du Pi, est pratique pour 2 raisons. Vous dispensez la framboise d’un écran HDMI, donc le boîtier peut-être installé n’importe où. De plus, vous profitez du confort de l’environnement graphique ! Yo 🙂

Capture d’écran de mon PC Ubuntu, avec le bureau distant du Raspberry et OpenCV en exécution.

Pour installer VNC Viewer sur votre PC Linux, il suffit de télécharger le paquet Debian à cette adresse. Le gestionnaire de paquets présent par défaut sur Ubuntu, s’occupera d’installer le logiciel.

Avant de se connecter à distance sur votre Pi, il faudra récupérer son adresse IP. Vous pouvez scanner votre réseau local avec Zenmap. Ou plus simplement, si vous avez un smartphone connecté au wi-fi, téléchargez une application de scan.

Ouvrez VNC Viewer, entrez l’adresse IP du Raspberry dans la barre du dessus, une fenêtre de connexion vous invite à entrer login et mot de passe. Par défaut, ce sera pi en login et raspberry en mot de passe. Voilà, vous êtes connecté au bureau de Raspbian.

Installation de OpenCV avec pip

pip est un package qui permet de télécharger et d’installer rapidement des applications Python. Dernièrement, pour OpenCv, il était préférable de compiler les sources du logiciel, ce qui nécessite plus de 4 heures de compilation pour la Raspberry. Il est possible désormais d’installer OpenCV avec pip en quelques lignes de commande. Efficace et rapide 🙂

Avant toute chose, téléchargez les librairies requises.

$ sudo apt-get install libhdf5-dev libhdf5-serial-dev
$ sudo apt-get install libqtwebkit4 libqt4-test

1 2	$ sudo apt-get install libhdf5-dev libhdf5-serial-dev $ sudo apt-get install libqtwebkit4 libqt4-test

Installez pip avec ces 2 commandes,

$ wget https://bootstrap.pypa.io/get-pip.py
$ sudo python3 get-pip.py

1 2	$ wget https://bootstrap.pypa.io/get-pip.py $ sudo python3 get-pip.py

ainsi qu’ OpenCV et le module Python de la PI caméra.

$ sudo pip install opencv-contrib-python
$ sudo pip install "picamera[array]"
$ sudo pip install imutils
$ sudo pip install pyautogui

$ sudo pip install opencv-contrib-python

$ sudo pip install "picamera[array]"

$ sudo pip install imutils

$ sudo pip install pyautogui

Installez ces dépendances.

$ sudo apt-get install libatlas-base-dev
$ sudo apt-get install libjasper-dev
$ sudo apt-get install libqtgui4
$ sudo apt-get install python3-pyqt5

$ sudo apt-get install libatlas-base-dev

$ sudo apt-get install libjasper-dev

$ sudo apt-get install libqtgui4

$ sudo apt-get install python3-pyqt5

Tests de bon fonctionnement

Ouvrez la console de Python avec cette commande :

$ python3

$ python3

Pour info, nous utiliserons uniquement des programmes exécutés avec la version 3 de Python. A moins d’optimiser la syntaxe du code, ils ne fonctionneront pas sur la version 2.

Pour vérifier qu’OpenCV est opérationnel, tapez cette commande :

>>> import cv2

1	>>> import cv2

Si vous n’avez pas de message d’erreur, OpenCV est bien installé 🙂

Vous pouvez connaître la version en entrant cette commande :

>>> cv2.__version__

1	>>> cv2.__version__

Résultat:

Pour sortir et « tuer » le processus de l’interpréteur Python, tapez Ctrl + d.

Avant de rentrer dans le « grand bain » de la vision artificielle, testons la Pi Caméra, avec un programme Python, qui ouvre une fenêtre et une vidéo en direct.

Créez dans le répertoire de votre choix, un fichier picamera.py et écrivez le code suivant :

# test de la caméra picamera.py
# importer les paquets requis pour la Picaméra
from picamera.array import PiRGBArray
from picamera import PiCamera
import time
import cv2

# initialisation des paramètres pour la capture
camera = PiCamera()
camera.resolution = (800, 600)
camera.framerate = 32
rawCapture = PiRGBArray(camera, size=(800, 600))

# temps réservé pour l'autofocus
time.sleep(0.1)

# capture du flux vidéo
for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):

# recupère à l'aide de Numpy le cadre de l'image, pour l'afficher ensuite à l'écran
             image = frame.array

# affichage du flux vidéo
             key = cv2.waitKey(1) & 0xFF

# initialisation du flux 
             rawCapture.truncate(0)

# si la touche q du clavier est appuyée, on sort de la boucle
             if key == ord("q"):
                        break

# test de la caméra picamera.py

# importer les paquets requis pour la Picaméra

from picamera.array import PiRGBArray

from picamera import PiCamera

import time

import cv2

# initialisation des paramètres pour la capture

camera = PiCamera()

camera.resolution = (800, 600)

camera.framerate = 32

rawCapture = PiRGBArray(camera, size=(800, 600))

# temps réservé pour l'autofocus

time.sleep(0.1)

# capture du flux vidéo

for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):

# recupère à l'aide de Numpy le cadre de l'image, pour l'afficher ensuite à l'écran

image = frame.array

# affichage du flux vidéo

key = cv2.waitKey(1) & 0xFF

# initialisation du flux

rawCapture.truncate(0)

# si la touche q du clavier est appuyée, on sort de la boucle

if key == ord("q"):

break

Pour afficher la vidéo en streaming, tapez cette commande dans le terminal :

$ python3 picamera.py

1	$ python3 picamera.py

Le programme spécifie une résolution d’image de 800×600 pixels.

Vous pouvez modifier ce paramètre pour augmenter ou diminuer le nombre de pixels.

La Picamera version 2 est équipée d’un capteur Sony de 8MP. Elle offre une résolution maximale de 3280×2464.

Pour l’instant, le programme ne prend pas en charge cette définition d’image. Vous pouvez monter jusqu’à 3MP (2000×1504).

Le programme Python

Le code Python de détection et reconnaissance d’objets, se base sur un modèle d’entraînement déjà défini.

Pour ce cas de figure, MobileNet SSD a été entraîné pour reconnaître une liste de 21 objets tels qu’une bouteille, un chien, un chat, une personne…

Bien sur, la liste d’objet n’est pas exhaustive. Vous pouvez créer votre propre modèle, pour reconnaître un type d’objet précis. Un tutoriel complet pourrait y être consacré.

Commencez par créer un répertoire, nommons le « reconnaissance_objets » afin de stocker les fichiers nécessaires :

le programme Python : reconnaissance_objets.py
Le fichier entraîné aux 21 types d’objets : MobileNetSSD_deploy.caffemodel
Le fichier de configuration : MobileNetSSD_deploy.prototxt

Ci dessous, le code du programme, reconnaissance_objets.py :

# Ouvrir un terminal et executer la commande ci dessous
# python3 reconnaissance_objets.py --prototxt MobileNetSSD_deploy.prototxt.txt --model MobileNetSSD_deploy.caffemodel

# importer tout les packages requis
from imutils.video import VideoStream
from imutils.video import FPS
import numpy as np
import argparse
import imutils
import time
import cv2
# packages nécessaires pour la gestion des emails
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email import encoders
import ntpath
import pyautogui



# construction des arguments
ap = argparse.ArgumentParser()
ap.add_argument("-p", "--prototxt", required=True,
	help="path to Caffe 'deploy' prototxt file")
ap.add_argument("-m", "--model", required=True,
	help="path to Caffe pre-trained model")
ap.add_argument("-c", "--confidence", type=float, default=0.2,
	help="minimum probability to filter weak detections")
args = vars(ap.parse_args())

# initialiser la liste des objets entrainés par MobileNet SSD 
# création du contour de détection avec une couleur attribuée au hasard pour chaque objet
CLASSES = ["arriere-plan", "avion", "velo", "oiseau", "bateau",
	"bouteille", "autobus", "voiture", "chat", "chaise", "vache", "table",
	"chien", "cheval", "moto", "personne", "plante en pot", "mouton",
	"sofa", "train", "moniteur"]
COLORS = np.random.uniform(0, 255, size=(len(CLASSES), 3))

# chargement des fichiers depuis le répertoire de stockage 
print(" ...chargement du modèle...")
net = cv2.dnn.readNetFromCaffe(args["prototxt"], args["model"])

# initialiser la caméra du pi, attendre 2s pour la mise au point ,
# initialiser le compteur FPS
print("...démarrage de la Picamera...")
vs = VideoStream(usePiCamera=True, resolution=(1600, 1200)).start()
time.sleep(2.0)
fps = FPS().start()

# boucle principale du flux vidéo
while True:
	# récupération du flux vidéo, redimension 
	# afin d'afficher au maximum 800 pixels 
	frame = vs.read()
	frame = imutils.resize(frame, width=800)

	# récupération des dimensions et transformation en collection d'images
	(h, w) = frame.shape[:2]
	blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)),
		0.007843, (300, 300), 127.5)

	# determiner la détection et la prédiction 
	net.setInput(blob)
	detections = net.forward()

	# boucle de détection 
	for i in np.arange(0, detections.shape[2]):
		# calcul de la probabilité de l'objet détecté 
		# en fonction de la prédiction
		confidence = detections[0, 0, i, 2]
		
		# supprimer les détections faibles 
		# inférieures à la probabilité minimale
		if confidence > args["confidence"]:
			# extraire l'index du type d'objet détecté
			# calcul des coordonnées de la fenêtre de détection 
			idx = int(detections[0, 0, i, 1])
			box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
			(startX, startY, endX, endY) = box.astype("int")

			# creation du contour autour de l'objet détecté
			# insertion de la prédiction de l'objet détecté 
			label = "{}: {:.2f}%".format(CLASSES[idx],
				confidence * 100)
			cv2.rectangle(frame, (startX, startY), (endX, endY),
				COLORS[idx], 2)
			y = startY - 15 if startY - 15 > 15 else startY + 15
			cv2.putText(frame, label, (startX, y),
				cv2.FONT_HERSHEY_SIMPLEX, 0.5, COLORS[idx], 2)
			# enregistrement de l'image détectée 
			cv2.imwrite("detection.png", frame)
 			
			# envoi d'un email avec l'image en pièce jointe
			email = 'votre_e_mail@gmail.com'
			password = 'votre_mot_de_passe'
			send_to_email = 'votre_e_mail@gmail.com'
			subject = 'detection'
			message = 'detection'
			file_location = 'le_répertoire_de_votre_choix/detection.png'
			msg = MIMEMultipart()
			msg['From'] = email
			msg['To'] = send_to_email
			msg['Subject'] = subject
			body = message
			msg.attach(MIMEText(body, 'plain'))
			filename = ntpath.basename(file_location)
			attachment = open(file_location, "rb")
			part = MIMEBase('application', 'octet-stream')
			part.set_payload((attachment).read())
			encoders.encode_base64(part)
			part.add_header('Content-Disposition', "attachment; filename=%s" % filename)
			msg.attach(part)
			server = smtplib.SMTP('smtp.gmail.com', 587)
			server.starttls()
			server.login(email, password)
			text = msg.as_string()
			server.sendmail(email, send_to_email, text)
			server.quit()
			
	# affichage du flux vidéo dans une fenètre 

	cv2.imshow("Frame", frame)
	key = cv2.waitKey(1) & 0xFF

	# la touche q permet d'interrompre la boucle principale
	if key == ord("q"):
		break

	# mise à jour du FPS 
	fps.update()

# arret du compteur et affichage des informations dans la console
fps.stop()
print("[INFO] elapsed time: {:.2f}".format(fps.elapsed()))
print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))

cv2.destroyAllWindows()
vs.stop()

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

# Ouvrir un terminal et executer la commande ci dessous

# python3 reconnaissance_objets.py --prototxt MobileNetSSD_deploy.prototxt.txt --model MobileNetSSD_deploy.caffemodel

# importer tout les packages requis

from imutils.video import VideoStream

from imutils.video import FPS

import numpy as np

import argparse

import imutils

import time

import cv2

# packages nécessaires pour la gestion des emails

import smtplib

from email.mime.text import MIMEText

from email.mime.multipart import MIMEMultipart

from email.mime.base import MIMEBase

from email import encoders

import ntpath

import pyautogui

# construction des arguments

ap = argparse.ArgumentParser()

ap.add_argument("-p", "--prototxt", required=True,

help="path to Caffe 'deploy' prototxt file")

ap.add_argument("-m", "--model", required=True,

help="path to Caffe pre-trained model")

ap.add_argument("-c", "--confidence", type=float, default=0.2,

help="minimum probability to filter weak detections")

args = vars(ap.parse_args())

# initialiser la liste des objets entrainés par MobileNet SSD

# création du contour de détection avec une couleur attribuée au hasard pour chaque objet

CLASSES = ["arriere-plan", "avion", "velo", "oiseau", "bateau",

"bouteille", "autobus", "voiture", "chat", "chaise", "vache", "table",

"chien", "cheval", "moto", "personne", "plante en pot", "mouton",

"sofa", "train", "moniteur"]

COLORS = np.random.uniform(0, 255, size=(len(CLASSES), 3))

# chargement des fichiers depuis le répertoire de stockage

print(" ...chargement du modèle...")

net = cv2.dnn.readNetFromCaffe(args["prototxt"], args["model"])

# initialiser la caméra du pi, attendre 2s pour la mise au point ,

# initialiser le compteur FPS

print("...démarrage de la Picamera...")

vs = VideoStream(usePiCamera=True, resolution=(1600, 1200)).start()

time.sleep(2.0)

fps = FPS().start()

# boucle principale du flux vidéo

while True:

# récupération du flux vidéo, redimension

# afin d'afficher au maximum 800 pixels

frame = vs.read()

frame = imutils.resize(frame, width=800)

# récupération des dimensions et transformation en collection d'images

(h, w) = frame.shape[:2]

blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)),

0.007843, (300, 300), 127.5)

# determiner la détection et la prédiction

net.setInput(blob)

detections = net.forward()

# boucle de détection

for i in np.arange(0, detections.shape[2]):

# calcul de la probabilité de l'objet détecté

# en fonction de la prédiction

confidence = detections[0, 0, i, 2]

# supprimer les détections faibles

# inférieures à la probabilité minimale

if confidence > args["confidence"]:

# extraire l'index du type d'objet détecté

# calcul des coordonnées de la fenêtre de détection

idx = int(detections[0, 0, i, 1])

box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])

(startX, startY, endX, endY) = box.astype("int")

# creation du contour autour de l'objet détecté

# insertion de la prédiction de l'objet détecté

label = "{}: {:.2f}%".format(CLASSES[idx],

confidence * 100)

cv2.rectangle(frame, (startX, startY), (endX, endY),

COLORS[idx], 2)

y = startY - 15 if startY - 15 > 15 else startY + 15

cv2.putText(frame, label, (startX, y),

cv2.FONT_HERSHEY_SIMPLEX, 0.5, COLORS[idx], 2)

# enregistrement de l'image détectée

cv2.imwrite("detection.png", frame)

# envoi d'un email avec l'image en pièce jointe

email = 'votre_e_mail@gmail.com'

password = 'votre_mot_de_passe'

send_to_email = 'votre_e_mail@gmail.com'

subject = 'detection'

message = 'detection'

file_location = 'le_répertoire_de_votre_choix/detection.png'

msg = MIMEMultipart()

msg['From'] = email

msg['To'] = send_to_email

msg['Subject'] = subject

body = message

msg.attach(MIMEText(body, 'plain'))

filename = ntpath.basename(file_location)

attachment = open(file_location, "rb")

part = MIMEBase('application', 'octet-stream')

part.set_payload((attachment).read())

encoders.encode_base64(part)

part.add_header('Content-Disposition', "attachment; filename=%s" % filename)

msg.attach(part)

server = smtplib.SMTP('smtp.gmail.com', 587)

server.starttls()

server.login(email, password)

text = msg.as_string()

server.sendmail(email, send_to_email, text)

server.quit()

# affichage du flux vidéo dans une fenètre

cv2.imshow("Frame", frame)

key = cv2.waitKey(1) & 0xFF

# la touche q permet d'interrompre la boucle principale

if key == ord("q"):

break

# mise à jour du FPS

fps.update()

# arret du compteur et affichage des informations dans la console

fps.stop()

print("[INFO] elapsed time: {:.2f}".format(fps.elapsed()))

print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))

cv2.destroyAllWindows()

vs.stop()

Pour information, vous pouvez utiliser une webcam USB à la place de la Picamera. Il suffit de modifier cette ligne de code (juste avant la boucle while) : vs = VideoStream(usePiCamera=True, resolution=(1600, 1200)).start() en vs = VideoStream(0).start()

Mise en situation

Pour les essais, nous utiliserons donc, une Raspberry 3B+ équipée d’un trépied d’appareil photo.

Dans le répertoire où sont stockés vos fichiers, ouvrez une console et entrez la commande ci dessous:

$ python3 reconnaissance_objets.py --prototxt MobileNetSSD_deploy.prototxt.txt --model MobileNetSSD_deploy.caffemodel

Une mise en situation avec des bouteilles posées à différents endroits.

Au moment de la détection, le programme se charge d’envoyer un e-mail avec une photo en pièce jointe. Voici le résultat, en une série d’exemples par images :

La voiture de la poste, pratique lorsque l’on attend un colis 🙂

Conclusion

Pour aller plus loin, ce projet peut s’adapter en fonction de vos besoins, il suffit d’entraîner un groupe d’images d’un sujet particulier et réaliser une reconnaissance précise. A titre d’exemple, je suis entrain de réaliser un système autonome en énergie, alimenté par panneaux solaires. Le Rasperry est installé dans un arbre et connecté sur internet via un dongle 3G usb.

Il est chargé de m’envoyer un courriel à chaque détection d’un animal particulier. Pour ce faire, j’entraîne un modèle de 1000 images, pour chaque catégorie d’animal. Dans ma région, on trouve surtout des sangliers, des écureuils, lapins, lièvres, (peut-être des loups) ou autre renards…

Le but est d’effectuer un recensement des différentes populations dans une zone précise. Par exemple, le dispositif pourrait être intéressant dans le cadre d’une surveillance de troupeaux d’élévage, face aux attaques de loups. Le projet est pour l’instant, en cour de réalisation. Mais peut-être fera l’objet du nouveau tutoriel.

Au sujet de l’auteur

Electronicien de formation, je suis passionné par les possibilités du Raspberry Pi dont la vision artificielle. La portabilité du Pi, ouvre un champs d’applications aussi différentes les unes que les autres. Je me focalise sur la reconnaissance de formes ou d’objets sur site isolé.

Sources

149 réflexions au sujet de « I.A : Réalisez un système de reconnaissance d’objets avec Raspberry Pi »

Clemzo 27 novembre 2018 à 18 h 26 min

Superbe idée que ce tuto. J’étais à la recherche de tutos de base sur l’AI, me voilà servi. Je tenterai la mise en application dès que possible. Un grand merci.

Répondre ↓
ZCrin 27 novembre 2018 à 22 h 37 min

Super tutoriel ! Ça serait génial d’en faire un pour l’entraînement aussi !!

Répondre ↓
Alex 28 novembre 2018 à 7 h 24 min

Super tuto. Est ce que ça fonctionne si les objets à détecter sont en mouvement ? Est ce que l algorithme se trompe souvent ? En résumé quelles sont les limites d utilisation avec le raspberry ?

Répondre ↓
Daniel 28 novembre 2018 à 9 h 15 min

« Vous pouvez créer votre propre modèle, pour reconnaître un type d’objet précis. Un tutoriel complet pourrait y être consacré. » J’avoue que même si on doit pouvoir trouver ça tout seul en cherchant ce serait sympa ;). Tuto clair en français qui plus est !

Répondre ↓
Stéphane KUENTZ Auteur de l’article28 novembre 2018 à 10 h 47 min

Merci pour vos retours,
Je n’ai pas précisé les adresses des deux fichiers d’entraînement : Prototext et Caffemodel.
Ils sont téléchargeables sur GitHub
Prototext
https://github.com/chuanqi305/MobileNet-SSD/blob/master/voc/MobileNetSSD_deploy.prototxt
Caffemodel
https://github.com/C-Aniruddh/realtime_object_recognition/blob/master/MobileNetSSD_deploy.caffemodel
Le code, dans ce cas précis ne demande pas une charge processeur énorme. Ce serait plutôt l’affichage de la vidéo en direct qui demande des ressources. En fait, il faudrait enlever de la boucle while, cette fonction d’affichage d’opencv : cv2.imshow(« Frame », frame)

Au niveau des limites du programme, il y en a une de taille, la luminosité. Il faut aussi éviter les contres jour.
Je vais bientôt tester le code, avec ma boite solaire, équipée d’une batterie, la reconnaissance de nuit. J’ai un éclairage infrarouge à déclenchement. On verra bien 🙂

Dans tout les cas, il est préférable que le modèle d’entraînement se base sur un grand nombre d’images, du même objet. C’est un gage de précision. D’ailleurs on peut le voir avec le taux de prédiction affiché sur l’image. J’éditerais prochainement un tuto sur le sujet, avec un programme python et une API de Google ou de Bing qui permet de collecter un grand nombre d’images d’un sujet particulier.
@+

Répondre ↓
1. Tremblay 5 janvier 2019 à 22 h 43 min
  
  Merci Stephane, ce tuto marche impeccablement sauf des erreurs mineures qui obligent à nous bouger les neurones !
  Maintenant, je veux entraîner mon jeu d’images. Il y a beaucoup de tutos su le sujet, plus ou moins datés. Tu peux nous donner des pistes pour utiliser les outils les plus récents, probablement ceux de Google ?
  Raymond
  
  Répondre ↓
  1. léo chen 10 décembre 2020 à 20 h 10 min
    
    Salut j’ai quelques erreurs j’ai reproduit étape par étape ce qu’il y a sur le site mais ca ne marche pas. Quand je lance la commande final pour tout faire marcher il m’affiche :
    net = cv2.dnn.readNetFromCaffe
    cv2.error : OpenCV
    
    Répondre ↓
Landaisbenj 28 novembre 2018 à 13 h 34 min

Tout simplement magnifique.
En correspondance avec domoticz (ou autre logiciel de domotique) les possibilités sur la detection de presence, d’intrusion ou autre sont vraiment infini.
Je suis vraiment interressé aussi par un tuto pour entrainer l’ai sur d’autre modele. Peut etre aussi préciser des formes ou des couleurs. Par exemple la difference entre une voiture et une voiture de la poste…
Aussi pourquoi utiliser opencv 3 alors que la 4 a l’air disponible sur leur site ?
En tout cas merci pour tout. Je met ca de coté des que le temps me le permettra..

Répondre ↓
Stéphane KUENTZ Auteur de l’article28 novembre 2018 à 15 h 02 min

Pour le coup, les véhicules de la poste, ont une couleur carrosserie bien définie :). « jaune d’oeuf »
Il faut récupérer dans un premier temps, un maximum d’image de voitures de la poste, avec la quantité d’images, on s’affranchit des problèmes d’exposition.

Au sujet du choix entre la version 3 ou 4 d’OpenCV, j’ai la » vielle » habitude d’utiliser la version 3 avec Python3, j’ai moins de soucis d’interprétation de commande 🙂
Mais je vais essayer OpenCV4 sur Raspberry avec la méthode pip.

Répondre ↓
LINDENLAUB 28 novembre 2018 à 15 h 31 min

Bonjour,
Ce projet m’intéresse à titre personnel. Je suis en train de finaliser une machine viticole que j’avais en projet (je suis fils de vigneron et technicien de maitenance). Je souhaiterais faie un usage détourné de ce système : j’utilise un vérin pneumatique pour mouvoir ma machine, et ainsi l’engager et la désengager dans la rangée de vignes. Simplement certains obstacles sont indésirables et donc à éviter au risque de l’endommager. Open CV semble être une aubaine pour moi !

Serait-il possible de programmer un RPI avec open CV afin de piloter le distributeur qui actionne mon vérin, et ainsi de faire un système de désengagement automatique de protection ? (en fonction de la nature de l’obstacle).

D’avance, merci !

Répondre ↓
1. Stéphane KUENTZ Auteur de l’article28 novembre 2018 à 21 h 24 min
  
  Bonsoir LINDENLAUB,
  
  Avec Python, Il est possible de modifier la sortie du programme en actionnant un élément via le GPIO du Pi.
  
  Votre projet est réalisable, pourriez vous m’envoyer des photos de votre système ?
  
  Cordialement
  Stéphane Kuentz
  
  Répondre ↓
  1. Maxime 29 novembre 2018 à 11 h 34 min
    
    Bonjour Stéphane,
    
    Merci pour votre réponse ! Je vais essayer de prendre quelques photos représentatives ce week-end pour que vous puissiez voir de quoi il s’agit.
    
    Merci,
    
    Maxime
    
    Répondre ↓
    1. cherif 28 mai 2020 à 5 h 00 min
      
      bon soir,as que je peut fair une simulation sur le pc sans le raspbiry ?????!!!!!!
      
      Répondre ↓
      1. Lucas Dreher 19 janvier 2021 à 14 h 33 min
        
        Salut, oui tu peux le faire avec n’importe quel pc équipé d’un système d’exploitation classique (windows, linux, mac os). Tu vas avoir besoin d’installer un compilateur python (si il n’est pas installé par défaut) et d’une entrée vidéo. mais attention tu risques de devoir modifier la partie ou tu appelles la vidéo dans le programme
        
        Répondre ↓
  2. LINDENLAUB 29 novembre 2018 à 15 h 26 min
    
    Bonjour Stéphane,
    
    Merci pour votre réponse. Je vais essayer de prendre quelques photos représentatives ce week-end pour que vous puissiez voir de quoi il s’agit.
    
    Merci,
    
    Cordialement,
    
    Maxime
    
    Répondre ↓
  3. Maxime 17 décembre 2018 à 19 h 02 min
    
    Bonsoir Stéphane,
    
    Comment puis je vous faire parvenir des photos de mon système ?
    
    Cordialement,
    
    Maxime
    
    Répondre ↓
marc 28 novembre 2018 à 17 h 03 min

Bonjour,
j’ai un message d’erreur au test de la camera

Traceback (most recent call last):
File « picamera.py », line 3, in
from picamera.array import PiRGBArray
File « /home/pi/Documents/picamera.py », line 3, in
from picamera.array import PiRGBArray
ImportError: No module named ‘picamera.array’; ‘picamera’ is not a package

Répondre ↓
Stéphane KUENTZ Auteur de l’article28 novembre 2018 à 21 h 07 min

Bonsoir,
Essayer d’installer le paquet python3 pour la Picamera.

$ sudo apt-get install python3-picamera

Répondre ↓
1. marc 28 novembre 2018 à 21 h 29 min
  
  bonsoir,
  
  c’est ce que j’ai fait mais même erreur.
  
  je suis sur rpi 2, ça peut jouer ?
  merci
  
  Répondre ↓
  1. Stéphane KUENTZ Auteur de l’article28 novembre 2018 à 22 h 21 min
    
    Non, ce n’est pas un problème de pi2, j’ai essayé avec une pi zéro w, avec la dernière version de raspbian, tout fonctionne sans problème.
    Dans votre cas, il faut repartir avec un système neuf et mis à jour.
    Bonne soirée
    
    Répondre ↓
  2. AlexO 29 novembre 2018 à 10 h 30 min
    
    Bonjour Marc, Stéphane,
    
    Merci Stéphane pour ce super Tuto.
    J’avais la même erreur, j’ai complètement réinstallé le pi, toujours la même erreur.
    J’ai résolut en copiant les bibliothèques directement dans le répertoire du projet…
    j’ai eu ensuite une erreur avec import Xlib… J’ai du l’installer, puis la copier dans le répertoire du projet… Et roule.
    
    J’ai maintenant une nouvelle erreur, la picam s’allume, et j’ai le message suivant :
    …chargement du modèle…
    …démarrage de la Picamera…
    Traceback (most recent call last):
    File « reconnaissance_objets.py », line 109, in
    attachment = open(file_location, « rb »)
    FileNotFoundError: [Errno 2] No such file or directory: ‘/home/pi/Desktop/reconnaissance_objets/detection.png’
    
    Cordialement,
    AlexO
    
    Répondre ↓
Emric 28 novembre 2018 à 22 h 08 min

~/workarea/git/openCv2 $ python3
Python 3.5.3 (default, Sep 27 2018, 17:25:39)
[GCC 6.3.0 20170516] on linux
Type « help », « copyright », « credits » or « license » for more information.
>>> import picamera
Traceback (most recent call last):
File « », line 1, in
File « /home/pi/workarea/git/openCv2/picamera.py », line 3, in
from picamera.array import PiRGBArray
ImportError: No module named ‘picamera.array’; ‘picamera’ is not a package

Répondre ↓
Emric 28 novembre 2018 à 22 h 53 min

J’ai rencontré le même problème par ma solution est de faire un import dans le dossier des package

~/workarea/git/openCv2 $ python3
Python 3.5.3 (default, Sep 27 2018, 17:25:39)
[GCC 6.3.0 20170516] on linux
Type « help », « copyright », « credits » or « license » for more information.
>>> import picamera.array
Traceback (most recent call last):
File « », line 1, in
File « /home/pi/workarea/git/openCv2/picamera.py », line 3, in
from picamera.array import PiRGBArray
ImportError: No module named ‘picamera.array’; ‘picamera’ is not a package

Par contre ici cela marche dans le dossier /usr/lib/python3/dist-packages!

/usr/lib/python3/dist-packages $ python3
Python 3.5.3 (default, Sep 27 2018, 17:25:39)
[GCC 6.3.0 20170516] on linux
Type « help », « copyright », « credits » or « license » for more information.
>>> import picamera.array

La solution pour le problème :
https://stackoverflow.com/questions/46305203/python-import-only-works-when-run-from-inside-package-directory

Répondre ↓
Emric 29 novembre 2018 à 10 h 48 min

Une autre solution qui marche chez moi c’est de changer le nom de script et de ne pas l’appeler picamera.py par ce que python essai de chercher le package dans le fichier avec le même nom et il ne le trouve pas !!

Répondre ↓
1. fred 12 juin 2020 à 16 h 16 min
  
  pour moi aussi.
  
  Répondre ↓
AlexO 29 novembre 2018 à 12 h 28 min

Ok pour l’erreur, detection.png, je n’avais pas vu que le chemin était codé en dur… il n’y a pas le /Desktop/ chez moi. J’ai modifié, ça roule.

Répondre ↓
Stéphane KUENTZ Auteur de l’article29 novembre 2018 à 13 h 49 min

Effectivement, j’ai mis arbitrairement, le chemin à la ligne 101: file_location = ‘/home/pi/Desktop/reconnaissance_objets/detection.png’
J’ai modifié le code dans le tuto. 🙂

Répondre ↓
Stéphane KUENTZ Auteur de l’article29 novembre 2018 à 21 h 27 min

Pourquoi opposer Python et C++ ? Les 2 fonctionnent avec leur syntaxe similaire .
La Raspberry fonctionne avec tout les langages de programmation. Le Python est populaire, car accessible.
Le code est lisible à l’instar d’une recette de cuisine.
« on importe les éléments nécessaires »
« on réalise notre recette »
« on sert le résultat »
De plus l’interprétation du code n’impacte pas les performances du Pi.

Je n’ai pas essayé de compiler les sources d’OpenCV4. En tout cas la compil fonctionne avec OpenCV3.
Comme toute nouvelle version de logiciel, OpenCV4 débute. Nous travaillons sur le sujet 🙂
C’est pour cela que le tutoriel est basé sur OpenCV3 & Python3, avec pip. Le code est fonctionnel sur une version de Raspbian mise à jour.

Répondre ↓
Pajrle 29 novembre 2018 à 22 h 26 min

Chez moi le script picamera.py n’ouvre pas la fenêtre vidéo. En quittant le script par Ctrl c je vois une erreur :
‘Incorect buffer length for résolution %d%d’ % (width, height)) picamera.exc.PiCameraValueError: Incorrect buffer length for résolution 800×600.
Avez vous une idée ?
Pour éviter les problèmes déjà évoqués j’ai renommé le fichier picamera.py en videotest.py. Il se lance bien mais n’ouvre rien et donne l’erreur ci-dessus.
Merci

Répondre ↓
1. Stéphane KUENTZ Auteur de l’article29 novembre 2018 à 22 h 54 min
  
  Bonsoir, le fait de renommer un fichier, ne change rien au déroulement du programme. Vous avez une Picamera?
  
  Répondre ↓
Pajrle 30 novembre 2018 à 8 h 41 min

Oui j’ai une picamera. Elle fonctionne notamment avec l’utilitaire raspivid.

Répondre ↓
1. pajrle 30 novembre 2018 à 16 h 47 min
  
  De plus j’ai cette erreur quand e lance la reconnaissance:
  $ python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt.txt –model MobileNetSSD_deploy.caffemodel
  Traceback (most recent call last):
  File « reconnaissance_objets.py », line 19, in
  import pyautogui
  File « /usr/local/lib/python3.5/dist-packages/pyautogui/__init__.py », line 115, in
  from . import _pyautogui_x11 as platformModule
  File « /usr/local/lib/python3.5/dist-packages/pyautogui/_pyautogui_x11.py », line 7, in
  from Xlib.display import Display
  ImportError: No module named ‘Xlib’
  
  Répondre ↓
  1. Stéphane KUENTZ Auteur de l’article30 novembre 2018 à 17 h 07 min
    
    Salut, essayez d’installer les librairies Xlib pour Python3
    
    $ sudo pip install python3_xlib
    
    @++
    
    Répondre ↓
    1. Pajrle 30 novembre 2018 à 19 h 03 min
      
      La reconnaissance fonctionne . Néanmoins j’ai rajouté l’extension txt qui manquait au fichier MobileNetSSD_deploy.prototxt.txt après l’avoir téléchargé.
      Curieusement le script de test de la picamera ne fonctionne toujours pas, mais peu importe puisque le script de reconnaissance lui fonctionne bien.
      Merci
      Bonne soirée
      
      Répondre ↓
Landais 30 novembre 2018 à 10 h 12 min

J’en profite, pourrait-on l’adapter à une caméra ip?

Répondre ↓
Stéphane KUENTZ Auteur de l’article1 décembre 2018 à 10 h 51 min

Je n’ai pas de caméra IP pour tester, mais on peut adapter la fonction (ligne 48) :
vs = VideoStream(usePiCamera=True, resolution=(1600, 1200)).start()
en
vs = VideoStream(« adresse_ip_de_la_caméra »).start()
@++

Répondre ↓
1. François xavier 22 mai 2019 à 17 h 07 min
  
  Je voudrais recevoir le flux vidéo d’un serveur de stream RTMP, une idée de la syntaxe ? As tu une expérience d’openCV sous ubuntu ? J’ai pas de raspberry de dispo sous la main. On trouve pas mal de tuto mais je sais pas trop par ou commencer.
  Merci
  
  Répondre ↓
Landais 1 décembre 2018 à 11 h 07 min

Merci beaucoup !

Répondre ↓
Ungrim 1 décembre 2018 à 12 h 01 min

Bonjour,
Avant tout merci la framboise pour ce que vous faites.
Sinon j’ai un souci quand je lance le script de test camera rien ne s’affiche.
J’ai corriger le nom du fichier la résolution car 800X600 ne lui plaisait pas. J’ai changé en 800×608 comme le message d’erreur me le conseillé.
J’ai installé la librairie python3_Xlib mais rien ne s’affiche.

maconfig : pi3 / cameraPI / os rapsbian neuf / vnc et ssh / pas d’écran de branché sur le pi.

Avez vous une idée ?

Répondre ↓
alba 1 décembre 2018 à 13 h 13 min

bonjour,
j’abandonne l’idée de faire fonctionner le test….

maintenant quand je lance la reconnaissance, j’ai le message suivant :
…chargement du modèle…
Traceback (most recent call last):
File « reconnaissance_objets.py », line 43, in
net = cv2.dnn.readNetFromCaffe(args[« prototxt »], args[« model »])
cv2.error: OpenCV(3.4.3) /home/pi/packaging/opencv-python/opencv/modules/dnn/src/caffe/caffe_io.cpp:1121: error: (-2:Unspecified error) FAILED: fs.is_open(). Can’t open « MobileNetSSD_deploy.prototxt.txt » in function ‘ReadProtoFromTextFile’

une idée d’une personne dévouée?

Répondre ↓
1. Ungrim 1 décembre 2018 à 14 h 21 min
  
  Bonjour,
  
  je n’ai pas réussi avec le test mais la reconnaissance fonctionne.
  J’ai commenté de la ligne 95 à 120 du fichier reconnaissance_objet.py pour l’envoie de mail.
  et J’ai télécharge les deux fichiers utile avec la commande :
  wget https://raw.githubusercontent.com/chuanqi305/MobileNet-SSD/master/voc/MobileNetSSD_deploy.prototxt
  et
  wget https://github.com/C-Aniruddh/realtime_object_recognition/blob/master/MobileNetSSD_deploy.caffemodel?raw=true
  à mettre avec le fichier reconnaissance_objets.py
  j’ai lancé la commande
  python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt –model MobileNetSSD_deploy.caffemodel?raw=true
  
  En espérant que cela puisse vous aider.
  
  Répondre ↓
  1. ingfred 24 février 2019 à 15 h 24 min
    
    Merci Ungrim.
    Idem pour moi pour le test.
    J’ai ensuite suivi tes conseils et la reco fonctionne.
    
    Répondre ↓
alba 1 décembre 2018 à 15 h 32 min

En effet j’avance, merci beaucoup, mais je bloque légèrement plus loin.

…chargement du modèle…
…démarrage de la Picamera…
Traceback (most recent call last):
File « reconnaissance_objets.py », line 48, in
vs = VideoStream(usePiCamera=True, resolution=(1600, 1200)).start()
File « /usr/local/lib/python3.5/dist-packages/imutils/video/videostream.py », line 13, in __init__
from .pivideostream import PiVideoStream
File « /usr/local/lib/python3.5/dist-packages/imutils/video/pivideostream.py », line 2, in
from picamera.array import PiRGBArray
File « /usr/lib/python3.5/picamera.py », line 3, in
from picamera.array import PiRGBArray
ImportError: No module named ‘picamera.array’; ‘picamera’ is not a package

je n’en peu plus, la boucle se reboucle sur le fichier de test

Répondre ↓
1. Ungrim 1 décembre 2018 à 15 h 53 min
  
  J’ai l’impression que la librairie picamera.array n’est pas installé
  relance les commandes suivante :
  sudo pip install « picamera[array] »
  sudo pip3 install python3_xlib
  sudo pip3 install picamera
  sudo apt-get install numpy
  
  redémarre le pi au cas ou un process bloquerais l’utilisation de la camera.
  Quelle config avez vous ? « camera, OS, ecran «
  
  Répondre ↓
  1. Ungrim 1 décembre 2018 à 15 h 56 min
    
    erreur sur la dernière commande :
    c’est sudo apt-get install python3-numpy
    
    Répondre ↓
    1. alba 1 décembre 2018 à 16 h 04 min
      
      merci pout votre retour.
      j’ai retour disant que tout est installé.
      j’utilise une cam pi avec raspbian et un écran, et j’utilise Kerberos.io.
      
      Répondre ↓
      1. alba 1 décembre 2018 à 19 h 06 min
        
        j’ai oublié de dire. Le problème reste le même
        
        Répondre ↓
Olivier33 2 décembre 2018 à 18 h 21 min

Même problème qu’Alba (celui de 13H13)
Résolu par les conseils de Ungrim

Un grand merci à Stéphane pour cet excellent Tuto, très clair et très bien expliqué. Grâce à toi, c’est ma première tentative réussie en Deep Learning (même si tu as fait le plus dur…) càd l’apprentissage)

Vivement un second tuto pour l’apprentissage

Répondre ↓
alba 5 décembre 2018 à 19 h 27 min

Bonsoir,
je suis reparti avec un système vierge (Rasbian). J’ai suivi (me semble t-il) le tuto dans les règles et pas moyen de faire fonctionner le fichier de test.
je continu malgré tout.
j’ai suivi les conseil de Ungrim et malgré tout j’ai maintenant ce message d’erreur :

python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt –model MobileNetSSD_deploy.caffemodel?raw=trueMobileNetSSD_deploy.caffemodel
…chargement du modèle…
Traceback (most recent call last):
File « reconnaissance_objets.py », line 43, in
net = cv2.dnn.readNetFromCaffe(args[« prototxt »], args[« model »])
cv2.error: OpenCV(3.4.3) /home/pi/packaging/opencv-python/opencv/modules/dnn/src/caffe/caffe_io.cpp:1121: error: (-2:Unspecified error) FAILED: fs.is_open(). Can’t open « MobileNetSSD_deploy.prototxt » in function ‘ReadProtoFromTextFile’

je commence à devenir fou…
Si quelqu’un a une idée je suis preneur.

Merci à tous

Répondre ↓
alba 6 décembre 2018 à 11 h 39 min

Bonjour,

J’ai finalement réussi en mettant tous les fichiers dans usr/lib/python3/dist-packages
Je ne comprends pas pourquoi mais bon…
Question, est-il possible de « streamer » facilement ce flux en rtsp pour être affichable en l’état avec VLC sur un autre PC?

Merci

Répondre ↓
alba 7 décembre 2018 à 13 h 24 min

Bonjour,

Est-il possible de faire envoyer le mail sur une condition en fonction des détections?

Merci

Répondre ↓
Stéphane KUENTZ Auteur de l’article8 décembre 2018 à 10 h 55 min

Bonjour,
Oui c’est possible en rajoutant une condition « if » avant les instructions d’envoi d’e-mail.
Il faut récupérer le « label » qui défini la prédiction, et l’affiche sur l’image.
Par exemple, si le résultat est une personne, on exécute les instructions d’envoi d’un mail, mais pas si c’est une voiture.

@++

Répondre ↓
erwan 8 décembre 2018 à 16 h 15 min

Bonjour puis je avoir vos coordonées mail cordialement

Répondre ↓
1. François MOCQ 8 décembre 2018 à 18 h 53 min
  
  Bonjour
  Elles sont en bas de page
  
  Répondre ↓
Stéphane KUENTZ Auteur de l’article8 décembre 2018 à 22 h 25 min

Bonsoir,
Après avoir passé quelques jours à étudier les réseaux neuronaux aux travers de la technologie Tensorflow, j’ai pu enfin créer mon propre modèle avec opencv 🙂
Il est préférable d’entraîner le modele avec un PC équipé d’un processeur graphique (GPU), car ce dernier est particulièrement spécialisé dans le traitement d’images. Sinon, le CPU fera l’affaire à condition d’être patient.
Si François est ok, je lui proposerais un tuto sur le sujet.

Répondre ↓
1. François MOCQ 9 décembre 2018 à 0 h 03 min
  
  Avec plaisir bien entendu ?
  
  Répondre ↓
Thierry QUENET 10 décembre 2018 à 17 h 10 min

Bonjour à tous,

Avec un Raspberry Modèle B+ et une picamera 2, j’ai suivi à la lettre l’installation.
Mais à l’exécution du fichier de test (renommé en test-video.py), pas d’ouverture de la fenêtre vidéo.
J’ai réinstallé la carte SD, re suivi à la lettre les instructions, mais toujours le même souci.
Y-a t’il quelqu’un qui a résolu ce problème ?

Merci d’avance pour vos réponses

Répondre ↓
Peronnau 10 décembre 2018 à 18 h 37 min

Bonjour
Est il possible de faire de la reconnaissance d’objet sur une vidéo avec une raspberry sans qu’elle soit connectée à un ordinateur ? Je dois faire un système portable non connecté.
Merci

Répondre ↓
galinette 11 décembre 2018 à 12 h 57 min

Bonjour,

J’ai eu cette erreur :
Traceback (most recent call last):
File « reconnaissance_objets.py », line 58, in
frame = imutils.resize(frame, width=800)
File « /usr/lib/python3.4/site-packages/imutils/convenience.py », line 69, in resize
(h, w) = image.shape[:2]
AttributeError: ‘tuple’ object has no attribute ‘shape’

Corrigé avec :
57 ret, frame = vs.read()

Répondre ↓
Sébastien 11 décembre 2018 à 22 h 33 min

Pour le script de test de la picamera, il faut ajouter dans la boucle for une instruction pour afficher l’image:
cv2.imshow(« Frame », image)

Répondre ↓
Yves Rigutto 12 décembre 2018 à 12 h 05 min

Pour votre projet de recensement est-ce que vous utiliserez un Module détecteur de présence PIR ? ?

Répondre ↓
Maxime 20 décembre 2018 à 13 h 51 min

Bonjour Stéphane,

Comment peut on vous faire parvenir des photos ?

Merci,

Maxime

Répondre ↓
niko 21 décembre 2018 à 3 h 44 min

bonjour,
merci pour ce tuto franchement c’est top. !!

j’ai un petit soucis, au premier code python, quand je réalise le test je vois bien que la caméra fonctionne en revanche je n’ai pas de fenêtre qui s’ouvre pour visualiser ce que filme la cam.

j’ai cette erreur qui s’affiche, sauf que là j’attaque un domaine que je ne maîtrise absolument pas et j’ai du mal à déchiffrer ces erreurs :
Traceback (most recent call last):
File « picamtest2.py », line 18, in
for frame in camera.capture_continuous(rawCapture, format= »bgr », use_video_port=True):
File « /usr/lib/python3/dist-packages/picamera/camera.py », line 1702, in capture_continuous
if not encoder.wait(self.CAPTURE_TIMEOUT):
File « /usr/lib/python3/dist-packages/picamera/encoders.py », line 393, in wait
result = self.event.wait(timeout)
File « /usr/lib/python3.5/threading.py », line 549, in wait
signaled = self._cond.wait(timeout)
File « /usr/lib/python3.5/threading.py », line 297, in wait
gotit = waiter.acquire(True, timeout)
KeyboardInterrupt

voilà,
si quelqu’un à 5 min à perdre pour m’aider à comprendre ce qui ne va pas svp…
merci.

Répondre ↓
1. QUENET 21 décembre 2018 à 16 h 02 min
  
  Bonjour,
  
  Comme l’a indiqué Sébastien, il suffit de rajouter cette ligne :
  cv2.imshow(“Frame”, image)
  
  avant la ligne 24, ce qui donne :
  # affichage du flux vidéo
  cv2.imshow(“Frame”, image)
  key = cv2.waitKey(1) & 0xFF
  
  Et le tour est joué.
  
  Thierry
  
  Répondre ↓
Thierry QUENET 21 décembre 2018 à 16 h 09 min

Bonjour,

Comme l’a indiqué Sébastien un peu plus haut, il suffit d’insérer cette ligne :
cv2.imshow(“Frame”, image)
avant la ligne 24, ce qui donne :
# affichage du flux vidéo
cv2.imshow(“Frame”, image)
key = cv2.waitKey(1) & 0xFF
Et le tour est joué !

Thierry

Répondre ↓
1. niko 22 décembre 2018 à 21 h 44 min
  
  salut thierry,
  
  merci pour ta réponse rapide,
  j’ai bien effectuer les modifications mais j’ai cette erreur qui s’affiche :
  File « picamtest2.py », line 24
  cv2.imshow(“Frame”, image)
  ^
  IndentationError: unindent does not match any outer indentation level
  
  du coup toujours perdu..lol..
  
  passez de bonnes fêtes de fin d’année !!!
  
  Répondre ↓
Stéphane KUENTZ Auteur de l’article26 décembre 2018 à 14 h 51 min

Bonjour,
Le problême d’indentation, vient du fait qu’il y a dans le code, une confusion entre l’emploi des espaces et de la tabulation.
En Python, il est préférable de rédiger son code avec « uniquement » la touche TAB pour séparer chaque instruction. Le code est plus cohérent et facilement « décrypté » par l’interpréteur.
N’hésitez pas à m’envoyer votre fichier picamtest2.py, par courriel.
stephane.kuentz@hotmail.com
@++

Répondre ↓
Arbras 28 décembre 2018 à 13 h 51 min

Merci pour ce tutoriel très sympa et simple qui m’a donné envie d’en savoir plus sur le deep learning. D’un point de vue pratique, le code proposé envoie des mails à courir si on le laisse tourner, ce qui fait « ramer » le raspberrypi et sature la boîte mail 😉 Je cherche donc à filtrer la détection ou l’envoi à des objets plus ciblés. Celà pourrait passer par un entraînement du réseau sur des sujets précis. Un bon champ d’investigation en perspective…

Répondre ↓
Nabla 2 janvier 2019 à 11 h 15 min

Salut stef-k,

Très bonne idée de tuto qui me donne envie de m’y mettre enfin (avant, la compil … Pfff).
Bon, le seul truc qui m’embête, comme tu peux t’en douter avec moi, c’est la relation avec Google 😉

Au plaisir,
ici ou ailleurs

Répondre ↓
1. Fréd59 12 janvier 2019 à 14 h 55 min
  
  Super le tuto.
  
  OpenCV enfin installé sur mon RPI3B+ avec PIP.
  Le test fonctionne parfaitement avec l’astuce de Sébastien, attention au ‘ au lieu des « .
  
  Je veux utiliser Opencv pour faire de la reconnaissance de caractères pour lire mon compteur d’eau. Est ce que quelq’un a déjà fait?
  
  Fréd.
  
  Répondre ↓
  1. Hervé 30 janvier 2019 à 22 h 46 min
    
    Bonsoir,
    Je me souviens avoir vu ça. Le principe utilisé était :
    – capture de l’image
    – découpe, une image pour chaque chiffre unitaire
    – comparaison des images récupérées avec les images des chiffres compteur de 0 à 9 capturées préalablement.
    
    Répondre ↓
    1. Hervé 30 janvier 2019 à 23 h 29 min
      
      Lien retrouvé 🙂
      https://sebastien.warin.fr/2015/03/24/2478-senergy-la-solution-de-monitoring-des-ressources-energetiques-de-la-maison-geek-is-in-da-house-2015/#prettyPhoto
      
      Répondre ↓
      1. François MOCQ 31 janvier 2019 à 8 h 50 min
        
        ah oui ! la lecture de son compteur d’eau. Sébastien est un passionné, j’ai déjà parlé de lui ici :
        https://www.framboise314.fr/?s=warin
        et en particulier cette vidéo que j’adore : https://youtu.be/sPl1WnNsCkU
        
        Répondre ↓
Fred59 3 février 2019 à 16 h 38 min

Bonjour,

Oui, c’est à cause ou plutôt grâce à Sébastien WARIN que je me suis lancé dans ce projet.
Mais est ce que quelqu’un à mis en pratique?
Moi oui et je galère un peu sur le post-traitement des images avec opencv.
J’ai un méchant reflet générer par les LED utilisées pour éclairer les chiffres à lire.
Je ne sais plus combien d’essais j’ai fait. Tantôt avec les LED IR, des LED blanches (6) puis seulement 3 puis 3 +3 afin de générer des reflets à des endroits différent en espérant qu’un traitement d’image de type logique pourrait supprimer les reflets mais rien n’y fait.
Je séche complètement. Je ne sais pas comment mettre des images sur le blog pour me faire plus comprendre.
Merci pour vos propositons….

Fréd

Répondre ↓
alba 5 février 2019 à 13 h 45 min

Bonjkour,

J’ai besoin d’aide, suite à un plantage total… j’ai refait l’installation mais maintenant j’ai ce propblème, comme si la caméra était déjà utilisée :
python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt.txt –model MobileNetSSD_deploy.caffemodel?raw=true
…chargement du modèle…
…démarrage de la Picamera…
mmal: mmal_vc_port_enable: failed to enable port vc.null_sink:in:0(OPQV): ENOSPC
mmal: mmal_port_enable: failed to enable connected port (vc.null_sink:in:0(OPQV))0x10742f0 (ENOSPC)
mmal: mmal_connection_enable: output port couldn’t be enabled
Traceback (most recent call last):
File « reconnaissance_objets.py », line 48, in
vs = VideoStream(usePiCamera=True, resolution=(1280,720)).start()
File « /usr/local/lib/python3.5/dist-packages/imutils/video/videostream.py », line 18, in __init__
framerate=framerate)
File « /usr/local/lib/python3.5/dist-packages/imutils/video/pivideostream.py », line 10, in __init__
self.camera = PiCamera()
File « /usr/lib/python3/dist-packages/picamera/camera.py », line 433, in __init__
self._init_preview()
File « /usr/lib/python3/dist-packages/picamera/camera.py », line 513, in _init_preview
self, self._camera.outputs[self.CAMERA_PREVIEW_PORT])
File « /usr/lib/python3/dist-packages/picamera/renderers.py », line 558, in __init__
self.renderer.inputs[0].connect(source).enable()
File « /usr/lib/python3/dist-packages/picamera/mmalobj.py », line 2212, in enable
prefix= »Failed to enable connection »)
File « /usr/lib/python3/dist-packages/picamera/exc.py », line 184, in mmal_check
raise PiCameraMMALError(status, prefix)
picamera.exc.PiCameraMMALError: Failed to enable connection: Out of resources

Merci d’avance

Répondre ↓
yoann 6 février 2019 à 9 h 11 min

Bonjour,

Merci pour ce tuto je l’ai essayé et c’est assez sympa!
Cependant le fps est juste horrible, de l’ordre de 1 image toute les 2s.
Est-ce le cas chez vous? ceci est du a la puissance du raspberry?

Merci

Répondre ↓
Nico 10 février 2019 à 14 h 47 min

pi@raspberrypi:~/Desktop/Raspberry/reconnaissance_objetswebcamusb $ sudo python3 reconnaissance_objets.py
usage: reconnaissance_objets.py [-h] -p PROTOTXT -m MODEL [-c CONFIDENCE]
reconnaissance_objets.py: error: the following arguments are required: -p/–prototxt, -m/–model

J’ai tout suivi à la lettre, si une personne aurait la solution à mon problème je lui serrais éternellement reconnaissant.

Répondre ↓
1. alba 10 février 2019 à 16 h 18 min
  
  A essayer (il y a 2 tirets) :
  
  python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt.txt –model MobileNetSSD_deploy.caffemodel?raw=true
  
  Répondre ↓
  1. Alex 17 février 2019 à 10 h 57 min
    
    Bonjour j’ai le même problème que vous avez vous trouvé la solution ?
    
    Répondre ↓
2. ascqannapes1 11 mai 2020 à 21 h 37 min
  
  bonjour,
  
  Même problème de mon côté….
  Avez vous trouvé la solution ?
  
  Merci !!!
  
  Répondre ↓
Nico 10 février 2019 à 16 h 23 min

Même problème .

Répondre ↓
1. Nico 15 février 2019 à 18 h 05 min
  
  Je n’ai pas trouvé de solution mais j’ai trouvé ce site très intéressant : http://www.ebenezertechs.com/mobilenet-ssd-using-opencv-3-4-1-deep-learning-module-python/
  
  Répondre ↓
Chico33 15 février 2019 à 15 h 57 min

Test avec un Raspberry Zero :
…chargement du modèle…
…démarrage de la Picamera…
Instruction non permise

Répondre ↓
1. Kentor 20 mars 2019 à 11 h 02 min
  
  Bonjour,
  
  As tu trouvé une solution ? car je suis dans le même cas que toi ?
  Je pense que cela vient d’une lib qui n’est pas fait pour une RPI Z et qu’il faudrait recompiler mais pas sur.
  
  Répondre ↓
2. arthur46 18 juin 2019 à 22 h 36 min
  
  J’ai le même problème. j’ai changé le rezize de 800 à 1600 et ca marche.
  Je ne sais pas pourquoi ça marche. si quelqu’un à une idée ?
  
  Répondre ↓
Yann 16 février 2019 à 15 h 20 min

Bonjour à tous

J’ai un problème avec l’une des premières commandes :
$ sudo pip install opencv-contrib-python
Selon la console aucun distribution ne correspond à opencv-contrib-python.
J’ai essayé plusieurs fois, même après reboot du Raspberry et j’ai toujours la même erreur.
Est-ce que quelqu’un a déjà rencontré ce problème et quelle solution avez vous trouvé svp ?
Merci par avance !

Répondre ↓
Alex 17 février 2019 à 11 h 05 min

Bonjour j’ai un problème quelqu’un a une solution ?

pi@raspberrypi:~/Desktop/reconnaissance_objets $ python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt.txt –model MobileNetSSD_deploy.caffemodel?raw=true
usage: reconnaissance_objets.py [-h] -p PROTOTXT -m MODEL [-c CONFIDENCE]
reconnaissance_objets.py: error: the following arguments are required: -p/–prototxt, -m/–model

Alex

Répondre ↓
Yann 17 février 2019 à 15 h 50 min

Ok problème apparemment résolu en passant par le site https://www.piwheels.org/ pour télécharger le package opencv-contrib-python.
Il suffit d’ajouter l’adresse https://www.piwheels.org/simple dans le fichier config de pip pour que pip télécharge automatiquement opencv-contrib-python depuis piwheels.
Cette solution évite de devoir compiler « à la main » pour ceux qui rencontreraient le même problème que moi.

Répondre ↓
1. jerome 9 mars 2019 à 20 h 02 min
  
  bonjour,
  j’ai le meme problème que vous avec l installation d’opencv,mais je ne sais pas comment ajouter l’adresse https://www.piwheels.org/simple dans le fichier config de pip .
  
  merci.
  
  Répondre ↓
Alex 17 février 2019 à 20 h 24 min

Bonjour merci de votre réponse rapide mais mon fichier pip.conf contenais deja l’adresse donc j’ai toujours le meme probleme si vous avez une autre solution je suis preneur !

Alex

Répondre ↓
Rudboy1234 9 mars 2019 à 11 h 02 min

Bonjour,
j’aurais voulu savoir comment faire ses propres modèles avec des photos personnelles. Car ce que je veux identifier n’est pas disponible dans google image (trop particulier). Est-ce qu’il suffit de mettre ses photos dans un dossier images/mesphotos . De plus comment faire pour les intégrer dans le réseau afin qu’elles puissent être ‘entrainer’ ? Et pour finir, est-ce que la taille des photos a une importance pour la suite ?
Même si vous avez un lien qui traite ce sujet en n’importe quelle langue, j’ai mon ami google translate qui n’est jamais très loin.
Merci
Rudy

Répondre ↓
thierry 16 mars 2019 à 23 h 18 min

Bonjour,

J’ai le problème suivant à l’exécution :

python3 reco.py -p deploy.prototxt -m MobileNetSSD_deploy.caffemodel
…
File « reco.py », line 65, in
detections = net.forward()
cv2.error: OpenCV(3.4.4) /home/pi/packaging/opencv-python/opencv/modules/dnn/src/layers/batch_norm_layer.cpp:36: error: (-215:Assertion failed) blobs.size() >= 2 in function ‘BatchNormLayerImpl’

Quelqu’un a t’il rencontré le meme problème.

Répondre ↓
Maxime 43 19 mars 2019 à 21 h 38 min

Bonjour tout le monde,
j’ai un problème quand ma vidéo est ouverte, j’ai des messages d’erreur en rouge « missing picture in access unit with size » ou alors « no frame! »

si quelqu’un à la solution je suis preneur, dejà plusieurs jours passés à chercher mais je ne trouve pas l’origine du problème.

PS: excellent tuto.

Maxime

Répondre ↓
1. alba 19 mars 2019 à 21 h 50 min
  
  bonsoir,
  
  Je pense que vous avez un pb de débit. La caméra est en wifi.
  Baissez la résolution et la qualité de l’image.
  
  Répondre ↓
  1. Maxime 43 20 mars 2019 à 18 h 13 min
    
    Bonjour,
    Déjà merci d’avoir pris le temps de répondre.
    Pour faire mes tests, je n’utilise pas le flux d’une camera mais une vidéo enregistrée au format AVI (vidéo d’une camera ip).
    
    avez vous une autre idée?
    Maxime
    
    Répondre ↓
alba 20 mars 2019 à 18 h 55 min

c’est la même chose, si vous faites traiter au RPI un nombre d’images trop important, une résolution trop grande, il n’y arrivera pas. Essayez avec un petite vidéo, et en plus en AVI, je pense qu’il y a un travail de décompression supérieur au h264 brut.

Répondre ↓
1. Maxime 43 21 mars 2019 à 19 h 00 min
  
  Bonjour,
  effectivement avec une vidéo de moins bonne qualité et surtout un format différent le message d’erreur n’apparaît plus!
  par contre je vais certainement avoir le même problème en lisant le flux de ma cam ip qu’en pensez vous?
  quelle résolution préconisez vous?
  
  Répondre ↓
alba 21 mars 2019 à 21 h 55 min

Si vous prennez une video en 720P à 2 MBits/s ça devrait passer. si c’est du wifi attention!

Répondre ↓
Abdellatif 26 mars 2019 à 17 h 02 min

Bonjour;
J ai trouvé un très grand plaisir pour lire ce document,moi j ‘ai une idée pour installer ca dans des lunetes,alors povez m’aider.
Cordialement

Répondre ↓
Mat0s 6 avril 2019 à 1 h 03 min

Bonjour,
j’ai essayé de faire fonctionner le streaming avec le même code ci-dessus, mais j’obtiens l’erreur suivante :
Traceback (most recent call last):
File « /home/pi/ReconnaissanceObjets/picamera.py », line 3, in
from picamera.array import PiRGBArray
File « /usr/lib/python3/dist-packages/thonny/backend.py », line 305, in _custom_import
module = self._original_import(*args, **kw)
File « /home/pi/ReconnaissanceObjets/picamera.py », line 3, in
from picamera.array import PiRGBArray
File « /usr/lib/python3/dist-packages/thonny/backend.py », line 305, in _custom_import
module = self._original_import(*args, **kw)
ImportError: No module named ‘picamera.array’; ‘picamera’ is not a package

Merci de m’aider !

Répondre ↓
Mat0s 6 avril 2019 à 19 h 54 min

Bonjour, comment télécharger le fichier : https://github.com/chuanqi305/MobileNet-SSD/blob/master/voc/MobileNetSSD_deploy.prototxt
Il n’y a pas de lien de téléchargement …

Répondre ↓
1. Rudboy1234 6 avril 2019 à 22 h 26 min
  
  Bonjour,
  vous pouvez télécharger le dossier complet MobileNet-SSD avec ce lien :
  https://github.com/chuanqi305/MobileNet-SSD
  Et ensuite le dezipper, et prendre le fichier voulu dans le dossier /voc/
  
  Répondre ↓
Mat0s 6 avril 2019 à 20 h 10 min

Re-bonjour, j’ai également un problème, j’obtiens l’erreur suivante :
Traceback (most recent call last):
File « /home/pi/ReconnaissanceObjets/reconnaissance_objet.py », line 19, in
import pyautogui
File « /usr/lib/python3/dist-packages/thonny/backend.py », line 305, in _custom_import
module = self._original_import(*args, **kw)
File « /usr/local/lib/python3.5/dist-packages/pyautogui/__init__.py », line 152, in
from . import _pyautogui_x11 as platformModule
File « /usr/lib/python3/dist-packages/thonny/backend.py », line 305, in _custom_import
module = self._original_import(*args, **kw)
File « /usr/local/lib/python3.5/dist-packages/pyautogui/_pyautogui_x11.py », line 7, in
from Xlib.display import Display
File « /usr/lib/python3/dist-packages/thonny/backend.py », line 305, in _custom_import
module = self._original_import(*args, **kw)
ImportError: No module named ‘Xlib’

Répondre ↓
Bernard 11 avril 2019 à 19 h 37 min

Bravo ! pour ce tuto.
Et ça marche , merci.
J’ai du préciser le chemin exact dans la commande de lancement.

Répondre ↓
kyk 19 avril 2019 à 16 h 23 min

Bonjour, il es t impossible d’installer opencv avec pip 19 help…

Répondre ↓
kyk 19 avril 2019 à 19 h 31 min

bonjour je n’arrive pas a installer opencv avec pip…

Répondre ↓
kyk 19 avril 2019 à 19 h 32 min

je ne sais pas comment mettre l’adresse help plz

Répondre ↓
Fxb 29 mai 2019 à 17 h 23 min

j’ai ça comme erreur au lancement du programme python une idée ?
Traceback (most recent call last):
File « stream3.py », line 5, in
from imutils.video import VideoStream
ModuleNotFoundError: No module named ‘imutils’

J’ai bien isntalé imutils enfin je pense
Merci

Répondre ↓
Seb 16 juin 2019 à 10 h 13 min

Bonjour,

j’ai le message suivant quand je lance reconnaissance_objets.py :

–model MobileNetSSD_deploy.caffemodel
…chargement du modèle…
…démarrage de la Picamera…
Traceback (most recent call last):
File « reconnaissance_objets.py », line 64, in
detections = net.forward()
cv2.error: OpenCV(3.4.4) /home/pi/packaging/opencv-python/opencv/modules/dnn/src/dnn.cpp:580: error: (-215:Assertion failed) inputs.size() == requiredOutputs in function ‘getMemoryShapes’

Avez vous une idée de solution ? Je suis perdu. Merci pour votre aide 🙂

Répondre ↓
benjamin 17 juin 2019 à 10 h 44 min

bonjour

j’ai un erreur pouvez vous m’aider

Traceback (most recent call last):
File « reconnaissance_objets.py », line 57, in
frame = imutils.resize(frame, width=720)
File « /usr/local/lib/python3.5/dist-packages/imutils/convenience.py », line 69, in resize
(h, w) = image.shape[:2]
AttributeError: ‘NoneType’ object has no attribute ‘shape’

merci beaucoup

Répondre ↓
gabriel 31 juillet 2019 à 10 h 05 min

Bonjour

j’ai une erreur lorsque j’execute cette ligne dans le terminal :
sudo pip install opencv-contrib-python

voici l’erreur:
ERROR: Could not find a version that satisfies the requirement opencv-contrib-python (from versions: none)
ERROR: No matching distribution found for opencv-contrib-python

merci d’avance

Répondre ↓
Jean-marie Defraine 9 août 2019 à 16 h 23 min

Bonjour, pour un projet je veux réaliser un test de lecture de panneaux de signalisation routiers.
Après de nombreux essais avec le script « reconnaissance_objets » la reconnaissance fonctionne mais le rafraîchissement est très lent !
Est-ce dû au raspi3+ ou à un paramètre ?
Merci d’avance pour toutes infos utiles.
Jiemde

Répondre ↓
jalel 11 août 2019 à 11 h 13 min

Merci pour le tutoriel !
Est il possible d’informer le nombre d’images capture par seconde fps?

Merci

Répondre ↓
Simplearetenir 23 septembre 2019 à 16 h 29 min

Bonjour,
Merci pour le tuto, mais je n’arrive pas a installer openCV 🙁
Lorsuqe je lance la commande : sudo pip install opencv-contrib-python
J’ai une erreur :
ERROR: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, examine the package contents carefully; someone may have tampered with them.
opencv-contrib-python from https://www.piwheels.org/simple/opencv-contrib-python/opencv_contrib_python-3.4.3.18-cp37-cp37m-linux_armv6l.whl#sha256=3095eaade88d84d93ae0d35878d877a73561e1192fbf99bde2f1d3c5daf4dda3:
Expected sha256 3095eaade88d84d93ae0d35878d877a73561e1192fbf99bde2f1d3c5daf4dda3
Got 52f330a942637ce7e52930f28b3c6591b90b901f30d0a3cc88a3491873813f65

Que dois-je faire ?

Répondre ↓
Stoff 22 novembre 2019 à 10 h 32 min

Bonjour
Après avoir acquis un RPi4 et installé buster et openCV4 (tuto sur pyimagesearch.net) je n’arrive toujours pas à lancer import cv2, et un message d’erreur s’affiche toujours (error module rgbpiarray) j’en déduit que open cv ne s’est pas bien installé ? Auriez vous des suggestions à me proposer ? D’avance merci !!

Répondre ↓
1. Stéphane KUENTZ Auteur de l’article22 novembre 2019 à 11 h 39 min
  
  Bonjour,
  Vous avez activé la pi camera avec $ sudo raspi-config ?
  Ensuite il faut installer cette dépendance pour la faire fonctionner avec OpenCV :
  $ sudo pip install « picamera[array] ».
  Si vous êtes passé par pip install opencv-contrib-python, l’auteur précise que vous installerez la version 3.4. Pour la version 4, il va falloir compiler les sources, via la méthode décrite dans le blog.
  @++
  
  Répondre ↓
  1. stoff 22 novembre 2019 à 13 h 57 min
    
    Bonjour, merci pour votre retour rapide ! J’ai installé la caméra dans les « préférences systèmes » (après avoir fait un reboot) et j’avais déjà installé $sudo pip install “picamera[array]. Tout est à jour ! Concernant l’installation de OpenCV, j’ai utilisé les 2 méthodes à savoir le téléchargement du package sur GitHub, ET avec pip. Le make -j4 s’est très bien déroulé (quoi qu’un peu long mais c’est normal) et après python3->import cv2 (il me met un message d’erreur !!) . Le message d’erreur module rgbpiarray doit provenir de là…. Bref je vais tenter de tout réinstaller et vérifier avec le sudo raspi-config si cela change qqc.
    
    Répondre ↓
Cats92 4 décembre 2019 à 18 h 16 min

Hello,
merci pour toutes les infos publiées, claires et détaillées avec ce programme de reconnaissance d’objets . Les renseignements , en français, dans ce domaine sont plutôt rares.

Cela m’a largement aidé a tenter quelques programmes avec un Rasbberry 3 B .

Les images s’affichaient bien mais beaucoup plus lentement que sur un PC .

C’était tentant de voir si le Jetson nano ferait beaucoup mieux .
J’ai tenté un test toujours avec un programme de reconnaissance d’objets tiré de votre article.
Un peu déçu de mes résultats avec un débit de 1,3 fps pour jetson nano contre 0,4 fps sur le Raspi3B.
J’ai utilisé une simple fonction time de python (en faisant import time) pour évaluer les fps , est ce que ca donne des résultats éronnés ?

Quoiqu’il en soit je suis loin du compte pour avoir quelque chose d’utile pour aider a faire naviguer un petit robot.
Sauf erreur il aura avancé de prés d’un métre entre l’analyse de 2 frames. Bonjour les murs !

Il y a sans doute moyen d’accélerer un peu la boucle principale du programme mais je suis trop débutant pour voir comment.

Cordialement
Cats92

Répondre ↓
DPI 4 janvier 2020 à 21 h 19 min

Bonjour, super tuto.
J’ai réussi à le faire tourner sur mon Pi4 en installant OpenCV4 en suivant ceci :
https://www.pyimagesearch.com/2016/04/18/install-guide-raspberry-pi-3-raspbian-jessie-opencv-3/
(en prenant soin de configurer pour Python3 et en remplaçant 3.1.0 par 4.2.0)
Prévoir 2/3 heures avec compilations.
ATTENTION, ne nommez pas votre programme picamera.py !!!!!

De mon coté, je cherche à savoir comment faire en sorte que le mail ne parte que lorsque qu’il passe quelque chose de nouveau face à la caméra, car avec ce test je peux recevoir un mail toutes les 30 secondes pour me montrer une bouteille d’eau posée devant la caméra, alors que plus rien ne bouge.
Quelqu’un aurait-il une idée ?
CDT

Répondre ↓
Anthony 24 janvier 2020 à 21 h 32 min

Bonjour,
Je suis tout nouveau sur Raspberry et pour un projet je dois reconnaitre des espèces d’oiseaux. Le fait est que j’ai déjà les vidéos qui ont été filmer auparavant, je voulais savoir comment faire et que changer au programme pour mettre mes vidéos au lieu de récupérer les vidéos de la PiCam car tous les tutoriels que je trouve sont à partir d’une PiCam donc je ne trouve pas ou insérer mes vidéos que j’ai déjà ?
Merci d’avance pour votre aide,
Cdlt

Répondre ↓
Flavie 29 janvier 2020 à 11 h 47 min

Bonjour,
Je viens vers vous car je suis bloquée. Je travaille avec une Raspberry pi 4. Apres avoir effectué le début de la partie « tests de bon fonctionnement » j’obtient l’erreur suivante :
Traceback (most recent call last):

File « /home/pi/essai_cameraPi/picamera.py », line 3, in

from picamera.array import PiRGBArray

File « /home/pi/essai_cameraPi/picamera.py », line 3, in

from picamera.array import PiRGBArray

ModuleNotFoundError: No module named ‘picamera.array’; ‘picamera’ is not a package

En attente d’une super réponse
Merci

Répondre ↓
max53950 3 mai 2020 à 11 h 30 min

Bonjour à tous,

j’ai suivi le tuto pour installer opencv, mais quand je test avec:
python3
import cv2
cv2.__version__
il ne trouve pas opencv
une idée?
je n’ai eu aucune erreur pendant l’installation.

Répondre ↓
Ludovic 8 mai 2020 à 11 h 35 min

Bonjour,
Petit retour après installation de OpenCV dans sa version 4 sous buster en utilisant PIP.
Pour ne pas avoir d’erreur lors de l’import cv2, le pip doit être :
$ sudo pip install opencv-contrib-python==4.1.0.25
Les versions postérieures ne fonctionnent pas.
Merci pour ce tuto et ce site, c’est un accélérateur de connaissance !
Ludovic

Répondre ↓
oumaima 9 mai 2020 à 4 h 23 min

Bonsoir,
S’il vous plait j’ai une question a propos de controle d’accès sur reconnaissance faciale des prteurs de bavettes, alors est ce que je vais utilisés les bavettes comme base c’est à dire des objets à detectés ? si oui comment je peux inserer les bavettes dans la base n’oublions pas qu’on a pas un seul model de bavettes ils y on a plusieurs.

Répondre ↓
Rochard 30 mai 2020 à 19 h 11 min

Hélas « I.A : Réalisez un système de reconnaissance d’objets avec Raspberry Pi » ne fonctionne pas chez moi
—————————————————————————————-
pi@raspberrypi:~ $ python3
Python 3.7.3 (default, Dec 20 2019, 18:57:59)
[GCC 8.3.0] on linux
Type « help », « copyright », « credits » or « license » for more information.
>>> import cv2
Traceback (most recent call last):
File « », line 1, in
File « /usr/local/lib/python3.7/dist-packages/cv2/__init__.py », line 3, in
from .cv2 import *
ImportError: libjasper.so.1: cannot open shared object file: No such file or directory
——————————————————————————————-
Après bien des recherches sans succès je me permets de vous solliciter.
Raspberry Pi4 – Raspbian Buster

Avec mes remerciements
Cordialement
Jean-Pierre Rochard

Répondre ↓
john 4 juillet 2020 à 17 h 48 min

bonjour,

J’ai eu le meme problème que j’ai régler en suivant les instructions de ce site : https://www.youtube.com/watch?v=ylnjXbcNLJU
et en remplacant 4.1.0 par 4.3.0

j’espère que ca va t aider

Répondre ↓
John 14 juillet 2020 à 17 h 58 min

Bonjour, je voudrais savoir quelles sont les coordonées maximum. (les coordonnées du coins en haut à droite)

Merci de vos réponses

John

Répondre ↓
Passepoil 5 janvier 2021 à 5 h 50 min

Ca fonctionne parfaitement mais…. uniquement avec un ecran hdmi branché sur la raspberry 🙁

Pour réaliser une caméra de surveillance qui ne détecterait que les formes humaines je n’ai aucune utilité de l’écran et c’est même un problème dans la mesure où mon rasp refuse de démarrer sans l’écran. J’ai un message d’erreur me disant que l’écran est absent.

Comment faire pour faire tourner le programme python sans nécessité de brancher un écran ?

Merci d’avance !

Petite question subsidiaire: Existe t il un modèle tensorflow qui permet de détecter uniquement les formes humaines ? Cela accelèrerait il le nombre d’images analysées/affichées par seconde ?
(je suis à un peu plus de 2,5 FPS avec mon raspberry 4 8Go)

Répondre ↓
oussama 7 mai 2021 à 13 h 07 min

il ya un problème dans le fichier MobileNetSSD_deploy.caffemodel , il ne s’ouvre pas .

Répondre ↓
Prince 15 mai 2021 à 3 h 56 min

Salut quand j’exécute, j’ai ce problème
usage: reconnaissance_objets.py [-h] -p PROTOTXT -m MODEL [-c CONFIDENCE]
reconnaissance_objets.py: error: the following arguments are required: -p/–prototxt, -m/–model
Quelqu’un pourrait m’aider?

Répondre ↓
Prince 16 mai 2021 à 7 h 11 min

Svp qurlqu’un pourrait m’aider? Quand j’exécute le code, je me confronte à ce problème

usage: reconnaissance_objets.py [-h] -p PROTOTXT -m MODEL [-c CONFIDENCE]
reconnaissance_objets.py: error: the following arguments are required: -p/–prototxt, -m/–model

Répondre ↓
1. Fleopaul 17 mai 2021 à 21 h 40 min
  
  Dans le répertoire où sont stockés vos fichiers, ouvrez une console et entrez la commande ci dessous:
  
  python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt.txt –model MobileNetSSD_deploy.caffemodel
  
  Répondre ↓
mimou 7 juin 2021 à 17 h 16 min

comment lire matricule voiture contenant chiffre francais et alphabet arabe en mete temps avec rasbperry pi3 .

Répondre ↓
Djennadi, Liticia 8 juin 2021 à 10 h 27 min

Bonjour,

ma picaméra ne détecte pas les objets quand ils sont trop loin .

Y a t il des limites d’utilisation ( par rapport à la distance ) ?

Répondre ↓
1. François MOCQ 8 juin 2021 à 10 h 38 min
  
  Bonjour
  quand vous dites « ne détecte pas les objets »
  utilisez vous un programme qui détecte les changements d’image ? La caméra en elle même
  ne « détecte » pas les objets, elle se contente de prendre des images
  Si c’est du logiciel qui traite les images dont on parle
  oui c’est possible car en général les logiciels travaillent sur le nombre de pixels
  qui changent sur l’image pour indiquer la détection
  Si l’objet est loin, il modifie peu de pixels et le programme ne le détecte pas…
  Généralement il y a un réglage dans le logiciel mais si on descend trop pas on a des
  faux positifs par exemple quand une branche d’arbre bouge…
  
  Répondre ↓
  1. Djennadi, Liticia 8 juin 2021 à 10 h 46 min
    
    Rebonjour ,
    le logiciel détecte pas mal d’objets , mais quand ces derniers sont loin (au dela de deux métres environs ) il les détecte plus . Cela est du à quoi à votre avis ?
    merci pour votre reponse
    
    Répondre ↓
jano31 7 juillet 2021 à 23 h 31 min

Bonjour,

merci pour votre article, c’est génial d’avoir ça a dispo sur internet!

j’ai implémenté cet algorithme sur mon Raspberry Pi 3B+ et avec l’aide de gens du forum j’ai réussi à le faire fonctionner. Ca marche vraiment bien, sauf que la vitesse de traitement obtenu est de 0,5 FPS environ. J’aimerais essayer de multiplier la vitesse par 4 au moins. Par contre je ne cherche pas a avoir une super résolution de l’image (400 de large c’est suffisant), et je n’ai besoin de reconnaitre que très peu d’objets, disons 5 au lieu des 21 proposés par la librairie MobileSSD. avez vous idée de quelle adaptation du programme je pourrais faire pour gagner en vitesse? sur quel élément jouer?

merci d’avance

Répondre ↓
Guinand kevin 3 février 2022 à 0 h 24 min

Bonjour, je suis fan de votre projet

selon vous, comment pourrait-on l’adapter pour en faire un lecteur de plaque d’immatriculation avec enregistrement des plaques sur fichier CSV avec date et heure de passage?

cordialement

Répondre ↓
1. François MOCQ 3 février 2022 à 9 h 11 min
  
  Bonjour
  regardez du coté de openALPR https://fr.openalpr.com/
  il y a pas mal de projets autour de cette solution
  cdt
  françois
  
  Répondre ↓
  1. Guinand Kévin 3 février 2022 à 21 h 17 min
    
    Bonjour,
    Merci de votre réponse
    Malheureusement, tout est payant sur ce site…
    De plus, lorsque je lance la commande donnée dans ce tuto, j’ai ce message d’erreur :
    python3 reconnaissance_objets.py –prototxt MobileNetSSD_deploy.prototxt.txt –model MobileNetSSD_deploy.caffemodel
    …chargement du modèle…
    …démarrage de la camera…
    [ WARN:0] global /tmp/pip-wheel-p4wkaqpf/opencv-python/opencv/modules/videoio/src/cap_v4l.cpp (893) open VIDEOIO(V4L2:/dev/video0): can’t open camera by index
    Traceback (most recent call last):
    File « reconnaissance_objets.py », line 57, in
    frame = imutils.resize(frame, width=800)
    File « /usr/local/lib/python3.5/dist-packages/imutils/convenience.py », line 69, in resize
    (h, w) = image.shape[:2]
    AttributeError: ‘NoneType’ object has no attribute ‘shape’
    Comment le corriger ?
    Merci de votre aide
    
    Répondre ↓
Moussa GUEYE 25 février 2022 à 11 h 02 min

Merci Stéphane pour cet excellent tuto.

En faite j’ai une solution à mettre en place qui concerne la détection d’anomalie dans une chaine de foule en utilisant opencv , le raspberry Pi et une camera webcam. je voulais des conseils ainsi qu’une orientation.

Merci cordialement.

Répondre ↓
PAch 8 mars 2022 à 13 h 15 min

Bonjour,

Peut-on incrémenter le nombre de detection ? je m’explique je souhaiterai coupler ce dispositif a une centrale domotique du type Jeedom.

Je souhaiterai par exemple incrementer le nombre de fois que je detecte une image defini comme une voiture.

ou trouver le dossier / fichier lorsque ce dispositif detecte quelque chose ?

Vous remerciant.

Répondre ↓
kilenda 30 mai 2022 à 9 h 21 min

bonjour, je developper une application de liste de presence en python. il se peut que si une personne se presenter avec une photo. L’application va pointer presence. quel serai les pistes de solutions que vous pourriez me proposer pour palier à ce probleme pour traquer toute fraude.

Répondre ↓
NZG 4 décembre 2022 à 23 h 28 min

Bonjour,

j’ai trouver la demonstration très interessante.

Par ailleurs je voudrais concevoir un dispositif de reconnaissance d’appareil mais pas du point de vue visuel mais du fait que ceux ci ait un tag propre a eux meme qui donne leur identité si l’on ne fait que passer a maximum 10cm avec le dispositif de reconnaissance.

Répondre ↓
1. François MOCQ 5 décembre 2022 à 9 h 16 min
  
  Bonjour
  un code barre collé sur ce que vous voulez identifier ?
  dans ce cas un simple lecteur de code barre suffit
  cdt
  francois
  
  Répondre ↓
Ping : Panorama video – cecos-soft
Bryan 20 août 2023 à 1 h 25 min

J’ai un souci à ce niveau:

pi@raspberrypi:~ $ sudo apt-get install libqtwebkit4 libqt4-test
Lecture des listes de paquets… Fait
Construction de l’arbre des dépendances… Fait
Lecture des informations d’état… Fait
E: Impossible de trouver le paquet libqtwebkit4
E: Impossible de trouver le paquet libqt4-test

Répondre ↓
Gilles BILLARD 8 décembre 2023 à 17 h 54 min

Bonjour,
Je me suis accroché a deux de vos tuto sur le sujet. hélas sans succès car les instructions qui y sont généreusement fournies ne collent pas avec Raspbian Bookworm.
Le problème semblerait venir de l’obligation plus ou moins formelle de, désormais, tout cantonner dans des environnements virtuels .
Auriez vous la possibilité de faire une mise a jour ?

Répondre ↓
1. François MOCQ 9 décembre 2023 à 11 h 05 min
  
  Bonjour
  L’auteur de l’article est Stéphane
  j’espère qu’il pourra proposer une mise à jour mais je n’ai pas d’infos
  la sortie de Bookworm sur Raspi est relativement récente et tout n’est pas encore stabilisé
  cdt
  francois
  
  Répondre ↓
  1. Gilles BILLARD 9 décembre 2023 à 16 h 32 min
    
    OK François, merci
    J’ai bien créé l’univers virtuel comme prescrit par la PiFoundation mais je n’arrive pas a y loger les dépendance recquises…alors que tout le reste est fonctionnel
    Affaire a suivre…
    
    Répondre ↓

Laisser un commentaire Annuler la réponse

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Framboise 314, le Raspberry Pi à la sauce française….

La référence du Raspberry Pi en France – Par l'auteur du livre "Raspberry Pi 4" paru aux Edts. ENI