1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

合掌したら顔を照らすシステムを作ったらクラッピーみたいだなと思ったので紹介

Last updated at Posted at 2019-12-06

クラッピーチャレンジ アドベントカレンダー2019の6日目の記事です。
KuMAID2019というハッカソンで、合掌したら顔を照らすシステム「合照」を作りました。クラッピーみたいなので紹介します。

開発環境

  • ムービングライト
  • QLC+(ムービングライトのソフト)
  • ウェブカメラ
  • Python 3.6.9
  • Azure Custom Vision
  • IBM Cloud

システム概要

スライド3.PNG

Custom Visionを用いて合掌を認識する

1.CustomVisionのプロジェクトを作成し、合掌をしている画像を149枚くらい集めます。
モデルをあとからエクスポートしてローカルで推論したいので、ObjectDetectionのGeneral (compact)ドメインにします。
gassho01.PNG

2.CustomVisionにアップロードしてアノテーションします。合掌しているところをドラッグして、タグをつけます。
gassho03.PNG

gassho04.PNG

3.Trainボタンをクリックして学習します。学習が完了したら結果が表示されます。
gassho05.PNG
gassho06.PNG
gassho07.PNG
学習画像が多いほどいいというわけでもなさそうです。質が悪くなっています。
AdvancedTrainingのほうが精度良くなります!

4.Testボタンをクリックしてテスト画像をアップロードし推論してみましょう。
gassho02.PNG

ちゃんと認識できています。
5.モデルをエクスポートし、ローカルで推論します。
エクスポートしたらサンプルプログラム(Python)が付いてきますよ。

gassho08.PNG

object_detection.pyのDEFAULT_INPUT_SIZE を 512 * 512 から 416 * 416 へ変更します。

DEFAULT_INPUT_SIZE = 416 * 416 # 512 * 512

onnxruntime_predict.pyを実行して合掌が認識できることを確認してください。

Pythonでムービングライトを動かす

1.ムービングライトのドライバをインストールし、USBに繋ぎます
2.QLC+を用いて光るか確かめます
3.Pythonから動かすためpyserialをpip installし、下記のコードで光るか確かめます。

import serial

#start serial
ser = serial.Serial('COM6',baudrate=250000,bytesize=8,stopbits=2)

# make data
data = np.zeros([513],dtype='uint8')
data[0] = 0   # start
data[1] = 128 # x
data[2] = 5   # y
data[3] = 255 # LED Power
data[4] = 255 # R
data[5] = 255 # G
data[6] = 0   # B

# data[1:513]= np.random.rand(512)*255

for i in range(1, 20): # 繰り返し回数は適当
	print(i)
	ser.break_condition = True # Break
	time.sleep(176.0/1000000.0)
	ser.break_condition = False # MAB
	time.sleep(16.0/1000000.0)
	ser.write(bytearray(data)) # データ送信
	time.sleep(500.0/1000.0) # 一休み

ser.close()

合掌したら光り、さらに顔に追従してムービングライトを動かす

最終的なコードは以下です。

import serial
import time
import numpy as np
import cv2
import sys
import onnxruntime
import PIL
from PIL import Image, ImageDraw
from object_detection import ObjectDetection

MODEL_FILENAME = 'model.onnx'
LABELS_FILENAME = 'labels.txt'

class ONNXRuntimeObjectDetection(ObjectDetection):
    """Object Detection class for ONNX Runtime"""
    def __init__(self, model_filename, labels):
        super(ONNXRuntimeObjectDetection, self).__init__(labels)
        self.session = onnxruntime.InferenceSession(model_filename)
        self.input_name = self.session.get_inputs()[0].name
        self.is_fp16 = self.session.get_inputs()[0].type == 'tensor(float16)'

    def predict(self, preprocessed_image):
        inputs = np.array(preprocessed_image, dtype=np.float32)[np.newaxis,:,:,(2,1,0)] # RGB -> BGR
        inputs = np.ascontiguousarray(np.rollaxis(inputs, 3, 1))

        if self.is_fp16:
            inputs = inputs.astype(np.float16)

        outputs = self.session.run(None, {self.input_name: inputs})
        return np.squeeze(outputs).transpose((1,2,0)).astype(np.float32)


face_cascade_path = './haarcascades/haarcascade_frontalface_default.xml'
eye_cascade_path = './haarcascades/haarcascade_eye.xml'

face_cascade = cv2.CascadeClassifier(face_cascade_path)
eye_cascade = cv2.CascadeClassifier(eye_cascade_path)

cap = cv2.VideoCapture(0)

# 91.2° -45.5~45.5 112~144
# 65.5° -32.75~32.75 105~151
# 360:256=x:y
# y=128x/360+128
# 0 w 112 144   posx*32/w + 112
# 0 h 105 151   posy*46/h + 105

ser = serial.Serial('COM6',baudrate=250000,bytesize=8,stopbits=2)
data = np.zeros([513],dtype='uint8')
data[0] = 0   # start
data[1] = 128 # x
data[2] = 5   # y
data[3] = 0 # LED power
data[4] = 255 # R
data[5] = 255 # G
data[6] = 0   # B

with open(LABELS_FILENAME, 'r') as f:
    labels = [l.strip() for l in f.readlines()]

od_model = ONNXRuntimeObjectDetection(MODEL_FILENAME, labels)


while(True):
	ret, img = cap.read()
	gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
	height, width, _ = img.shape
	print(width, height)
	faces = face_cascade.detectMultiScale(gray)

	for x, y, w, h in faces:
		cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
		face = img[y: y + h, x: x + w]
		face_gray = gray[y: y + h, x: x + w]
		eyes = eye_cascade.detectMultiScale(face_gray)
		for (ex, ey, ew, eh) in eyes:
			cv2.rectangle(face, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
		if len(eyes) > 1:
			data[1] = ( width/2-(x+w/2))*32/width+112
			data[2] = (height/2-(y+h/2))*46/height+105

	img_ = cv2.resize(img, (416,416))
	img_pil = PIL.Image.fromarray(img_)
	predictions = od_model.predict_image(img_pil)
	print(predictions)
	# [{'probability': 0.12643149, 'tagId': 0, 'tagName': 'gassho', 'boundingBox': {'left': 0.1650894, 'top': 0.07251995, 'width': 0.67652194, 'height': 1.00355426}}]
	if len(predictions) > 0 and predictions[0]['probability'] > 0.3:
		x = int(predictions[0]['boundingBox']['left']*width)
		y = int(predictions[0]['boundingBox']['top']*height)
		w = int(predictions[0]['boundingBox']['width']*width)
		h = int(predictions[0]['boundingBox']['height']*height)
		cv2.rectangle(img, (x,y),(x+w,y+h),(0,255,0),3)
		data[3] = 255
	else:
		data[3] = 0

	ser.break_condition = True # Break
	time.sleep(176.0/1000000.0)
	ser.break_condition = False # MAB
	time.sleep(16.0/1000000.0)
	ser.write(bytearray(data)) # データ送信
	time.sleep(100.0/1000.0) # 一休み

	cv2.imshow('img', img)
	if cv2.waitKey(1) & 0xFF == ord('q'):
		break

ser.close()

IBM Cloud Visual Recognition の Custom Object Detection を用いて合掌を認識する

CustomVisionの手順とほぼ同じです。

1.IBM Cloudに登録
2.Watson Studioを開き、データを準備
CustomVisionと同じデータを用います
3.データをアップロードし、アノテーション
4.学習
学習ボタンをクリックするだけ
5.テスト
テスト画像をアップロード
watson11.PNG

まとめ

ウェブカメラを用いて合掌を認識し、ムービングライトで顔を照らすシステムを作りました。
クラッピーのように人間がパチパチすると、ムービングライトが光り、顔を照らしてくれます。別に顔じゃなくてもいいんですけどねw
RealSenseを使えば暗闇で合掌しても認識できるかも!ということで開発を続けます。

MAリーグ2019決勝進出しました

断常ビート with 合照

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?