시스템 구성은 매우 간단하다.
처음에는 열화상 카메라와 raspberry pi에 연결된 일반 카메라가 앞 사람을 바라본다.
이후, Tensorflow로 학습한 MobileNet V2 모델을 사용하여 마스크 착용 여부를 확인하고, FLIRPY를 통해 온도가 37.5도 이상인지 확인한다.
앞에 있는 대상이 No Mask이거나 High Temperature인 경우 Google-API를 사용하여 대상의 이름을 검출한다.
그 후, 그 사람의 사진은 저장되고 Telegram 메세지는 위에 나타낸 데이터를 통해 실시간으로 전송된다. Monitor은 실시간 진행 상황을 보여준다.
Link : https://github.com/osamhack2020/IoT_COVID19-Detector_CO-vision
Last updated
Was this helpful?
Was this helpful?
├── doc
│ ├── PPT
│ │ └── Co-Vision.pdf
│ └── img
│ ├── diagram # IoT 연결 사진 설명
│ │ ├── Camera_Module_V2_라즈베리파이와_연결.png.jpg
│ │ ├── SW-Flowchart.PNG
│ │ └── flir-lepton-diagram.jpg
│ └── logo # 팀 로그
│ ├── Co-Vision_Logo.png
│ ├── Logo_head.png
│ └── logo.png
├── src
│ ├── 1. RaspberryPi+Computer # 라즈베리파이와 컴퓨터 모두 있는 경우
│ │ ├── No_Mask-High_Temp # 마스크 미착용 & 높은 온도 사람 사진 저장
│ │ │ └── test.txt
│ │ ├── flir_image_extractor.py # Flir 이미지 추출 코드
│ │ ├── imagezmq.py # 라즈베리파이에서 사진 보내는 코드
│ │ ├── main_raspberryPi.py # 라즈베리파이에서 작동하는 코드
│ │ └── main_raspberryPi_server.py # 컴퓨터에서 작동하는 코드
│ ├── 2. Without Computer # 라즈베리파이만 있는 경우
│ │ ├── No_Mask-High_Temp
│ │ │ └── test.txt
│ │ ├── flir_image_extractor.py
│ │ └── main_raspberrypi_Final.py
│ ├── 3. Without RaspberryPi #컴퓨터만 있는 경우
│ │ ├── No_Mask-High_Temp
│ │ │ └── test.txt
│ │ ├── flir_image_extractor.py
│ │ ├── main.py # gui 환경 코드
│ │ ├── main_without_gui.py # gui 환경 없는 코드
│ │ └── ui_main_window.py # gui 기본 세팅 코드
│ ├── sample_videos # 예시 영상
│ │ ├── 2번영상_마스크인식카메라.mp4
│ │ ├── 3번영상_열화상카메라.mp4
│ │ ├── donghyeon_video.mp4
│ │ └── junha_video.mp4
│ └── training custom dataset # 직접 마스크 검출 모델 수정 가능
│ ├── dataset # 학습에 필요한 데이터 넣는 파일
│ │ └── test.txt
│ ├── examples
│ │ ├── junha2.PNG
│ │ ├── junha2_Final.png
│ │ ├── test01.png
│ │ ├── test01_detected.png
│ │ ├── test02.png
│ │ ├── test02_detected.png
│ │ ├── test03.png
│ │ └── test03_detected.png
│ ├── face_detector # 학습에 필요한 파일
│ │ ├── deploy.prototxt
│ │ └── res10_300x300_ssd_iter_140000.caffemodel
│ ├── detect_mask_image.py # 이미지 마스크 검출
│ ├── detect_mask_video.py # 영상 마스크 검출
│ ├── mask_detector.model # 학습 된 데이터로 만든 마스크 검출 모델
│ ├── plot.png # Train Loss/ Accuracy 확인
│ └── train_mask_detector.py # dataset을 이용해서 학습 하는 코드
├── .gitignore
├── LICENSE
└── README.md