【Jetson开发项目展示】用Jetson NANO做一个智能快递柜原型

Amazon locker是一款知名的产品，它植根于美国，可以通过人脸认证自动将包裹递送到正确的客户手中。

作为amazon locker的原型，本项目利用Jetson Nano开发了基于人脸认证的置物柜，其视频处理帧率优于树莓派。在这个项目中，作者使用Jetson Nano与人脸识别，利用计算机视觉和机械模型用于置物柜系统。

Haar cascade算法简介

它是一种机器学习方法的分类器，由许多正面(有脸)和负面(没有脸)图像训练而成。即使是一个24x24的窗口，它可以产生超过15000个功能。为了在15000个特征中选择最佳特征，使用了Adaboost。而不是处理每个图像和应用每15000功能在每个窗口的图像非常繁琐,费时,我们使用级联分类器来检测第一和每个特性应用到只有表面积减少时间,然后通过消除失配特性,可以做人脸识别的脸更功能与数据库相匹配。

挑战

在现有的系统中，树莓派被用于这些应用。但是因为计算能力弱，所以在识别面孔的时候，处理速度慢。

在本原型中采用了具有高视频处理帧速率的GPU的Nvidia Jetson Nano。与树莓派一样，Jetson Nano也有GPIO接口，使智能储物柜与Jetson Nano接口。储物柜模型采用亚克力材料设计。

项目描述

在这个项目中，USB摄像头与Jetson Nano接口。人脸识别使用的是“哈尔级联”算法，这里是“haarcascade_frontalface_default”。xml文件被用作一种算法。在创建数据库之前，使用简单的OpenCV创建多个面孔，并将它们的名称作为标签。然后，对于人脸识别，我们从USB摄像头获取图像，将图像传递到算法中进行人脸检测，通过人脸与数据库标签的匹配精度进行人脸识别。识别人脸后，将打开相应的寄存柜交付产品。