https://github.com/ricardodeazambuja/Maple-Syrup-Pi-Camera

曾幾何時，我開始了一個項目，我們想了解游客在參觀景點時的行為。傳統上，研究人員會去那些地方并手動記筆記，以了解訪問者最喜歡什么，他們在哪里度過的時間等。但是，我是一名電氣工程師，所以我覺得有必要將任務自動化。起初，我考慮使用“啞”傳感器，這些傳感器只能計數，或者在最好的情況下，只能告訴人們移動的方向，但這會限制我們可以回答的問題類型。

我真正想要的是一個工具，它可以做與研究人員手動注釋事物相同的工作。研究人員將使用她/他的眼睛和人體中最復雜的器官：全能的大腦來完成這項任務！我們仍然沒有人類大腦（甚至是蒼蠅大腦......），但至少我們有深度學習！

很明顯，這個項目需要一個能夠使用視覺來理解世界的傳感器。這可以通過攝像頭和基于深度學習的算法來解決（對于通常意味著深度卷積神經網絡的圖像）) 就像一個物體檢測器。盡管如此，就在不久前，過去的做法是保存圖像（或發送到某個地方）并使用強大、耗電的 GPU 處理它們。但是，保存（或傳輸）圖像會引發一些與隱私相關的嚴重問題。避免這種情況的一種方法是“在邊緣”處理所有內容，以使結果不包含任何個人信息。對于普通人來說，帶有網絡攝像頭的游戲筆記本電腦就足以證明概念，但我已經在思考，因為我記得我以前使用筆記本電腦運行演示的經歷，周圍有很多人，被電纜絆倒，設備掉到地面，電池變平的速度比預期的快，等等。

已經有相當多的智能相機允許您在邊緣運行深度神經模型（例如JeVois 、OpenMV 、OpenCV OAK等），但是將我自己的系統放在一起會給我更多的自由和靈活性。因此，我決定使用Raspberry Pi Zero W 、Raspberry Camera V2和Google Coral USB 加速器. 我不會躺在這里，我選擇這套特殊工具的原因之一是很平凡的：我有使用它們的經驗，當我們處于另一次封鎖期間時，我把它們放在家里。但是這種設置的殺手锏是它的功耗非常低且體積小，讓我可以用普通的移動電源為它供電一整天，并且由于體積小，它可以輕松部署在任何地方。

人們問我為什么選擇在這個項目中使用 Raspberry Pi Zero，因為它不是一個強大的單板計算機。正如我所提到的，我本可以嘗試現成的智能相機，但 Raspberry Pi 是有史以來最暢銷的通用計算機之一（擊敗了 Commodore 64，4 年前的數字?。?/font>，因此它擁有一個龐大的社區。當您需要尋找驅動程序或如何解決問題時，這讓生活變得更加輕松。除此之外，去年我發布了關于靈活、抗碰撞、四軸飛行器的工作，它的大腦...... Raspberry Pi Zero W！因此，我對使用 Zero 非常熟悉，我希望Raspberry Pi 基金會很快會進行升級（也許在 RPI Zero PCB 中添加一個 RP2040？）。