分類彙整: Vision

發票對獎相機

延續上個月的練習，我利用 Apple Vision Framework 的文字檢測與辨識功能，寫了一個統一發票的對獎 app，目的是用來對獎傳統的統一發票。

傳統的統一發票沒有 QR code，所以我採用檢測文字的方式去檢測發票號碼，然後再比對有沒有中獎。

原始碼：https://github.com/kyumdbot/TaiwanReceiptLottery

Demo 影片：

Apple Vision Framework 試玩

這個月幾乎都在玩 Apple 的 Vision Framework，並寫了幾個 Demo app，分別有：

◎ 人臉檢測與 Object 檢測（查看原始碼）：

◎ 手部姿勢檢測（查看原始碼）：

◎ 手寫數字檢測（查看原始碼）：

我覺得電腦視覺真的太好玩了，可以做很多有趣的應用，而且 Apple 已經推出 ARM 版 CPU 的 Mac 電腦了，希望 Apple 也能出一款體積比 Mac mini 還小的 Mac nano，用 ARM Mac 搭配 Vision Framework 與 CoreML 來做應用，應該會很有競爭力吧 (? 🤔 ，而且 macOS 的 GUI 比較容易寫的說（跟 GTK 相比）…

試玩 Coral USB Accelerator

我不久前買了 Google 出的 Edge TPU 裝置：Coral USB Accelerator 來玩玩看，覺得這玩意非常不錯，台幣兩千多元，可以跑 TensorFlow Lite 格式的模型，我個人是覺得還蠻划算的。

我先用 Raspberry Pi 3 Model B+ 來測試 Pose Detection 模型，一開始使用預設的解析度：640×480，繪製的速度不是很理想，影片如下：

然後我把解析度設定成：480×360，繪製的速度有加快，但還是不盡理想，所以後來我改用一台 2013 年買的小筆電來跑，這次繪製的速度就相當不錯了，影片如下：

這台小筆電的規格為：CPU 是 Intel Celeron(R) CPU 847 @ 1.10GHz，記憶體 4GB，作業系統是 Debian 10 (buster) amd64 版，且有 USB 3 的插孔。

Raspberry Pi 3 Model B+ 除了 CPU 速度較慢之外，也沒有 USB 3 的插孔，所以整體上慢了一大截。但是前陣子出的 Raspberry Pi 4 Model B 有 USB 3 插孔，我已經訂了一台 Pi 4，等收到貨後再測試看看繪製速度是否有提升。

# 2019 年 11月 3 日補充： 我在 Raspberry Pi 4 (4GB 記憶體版本) 上測試了 Coral PoseNet，測試結果請看以下影片，TrueFPS 維持在 20.x 以上：

然後我還有嘗試 Object detection 與 MiniGo 圍棋：

Coral 官方網站也提供了好幾個已編譯好的模型讓人下載：https://coral.withgoogle.com/models/ ，可以先從這些模型開始玩起。

感想：這種 Edge TPU 裝置可以做很多有趣的應用，而且價格不算貴，有興趣的人快去買來玩玩看！

電子專案》Closed Eye Alarm

我寫了個 Android app，利用 Google Play Services Vision 的 FaceDetector 偵測人臉位置與眼睛打開的機率，然後只要發現有人的眼睛可能是閉上的，就傳送訊息給 micro:bit (透過 BLE) ，micro:bit 上接了一個 speaker，收到訊息就會逼逼叫。上方是 Demo 影片。

圖：micro:bit 與 speaker