STEM教育 · 安全眼——自行车智能安全辅助系统

【设计意图】
安全眼——自行车智能安全辅助系统图3

随着经济的快速发展，生活节奏日益加快，由于缺少运动许多人被亚健康所困扰，再者随着城市交通压力的增加，人们意识到汽车出行尾气等弊处，开始提倡绿色出行，因此越来越多人选择自行车作为出行或者上班的交通工具，近来年，中国自行车年产量8000多万辆，中国自行车社会保有量近4亿辆。但是自行车过程中安全系数仍有待提高。

【作品功能】
安全眼——自行车智能安全辅助系统图1

自行车行车安全除了个人良好的行驶习惯，而各种辅助装备更能帮助我们提升安全性。增加警示灯、方向灯，而今天这设计将安全更升一级，也更科技化。
1、“安全眼”自行车安全系统由把手按钮和后置摄像头、环型方向灯组成
2、主控使用开源硬件“行空板”，通过连接把手按钮和后置摄像头，可实现一键查看摄像头的实时后方视频，无需回头，如此更安全。
3、可通过人工智能算法判断是否有物体靠近，如汽车，会通过行空板上蜂鸣器提醒驾驶者，并让环型闪烁提醒后方来车。
4、通过按钮可控制转向灯闪烁，提醒后方来车、行人注意。

【制作元器件与材料】
安全眼——自行车智能安全辅助系统图4

行空板
行空板是一款专为Python学习和使用设计的新一代国产开源硬件，采用单板计算机架构，集成LCD彩屏、WiFi蓝牙、多种常用传感器和丰富的拓展接口。同时，其自带Linux操作系统和Python环境，还预装了常用的Python库，让广大师生只需两步就能进行Python教学。

安全眼——自行车智能安全辅助系统图2

【电路连接图】
安全眼——自行车智能安全辅助系统图6

【实物图】

【制作过程】
1.行空板底座
安全眼——自行车智能安全辅助系统图8

保护行空板背面电子元器件

2.安装行空板

行空板安装在车把正中间，方便查看采集的后面图像。

3.安装按钮

按钮安装在车把上，左转向与右转向按钮与左右车把对应。

4.安装摄像头与灯环

摄像头与灯环安装在自行车车座后

5.安装电源

6.装置整体图

7.安装过程

【技术实现过程】

1.Google Teachable Machine

Google Teachable MachineGoogle Teachable Machine是Google免费的无代码深度学习模型创建网络平台。使用该平台你可以构建模型来对图像，音频甚至姿势进行分类。完成上述操作后，你可以下载经过训练的模型并将其用于你的应用程序。你可以使用Tensorflow或PyTorch之类的框架来构建自定义的卷积神经网络，或者如果你想要一种简单的无代码方式进行此操作，则可以使用 Google Teachable Machine

（https://teachablemachine.withgoogle.com／）平台为你完成相同的操作。

国内可通过英荔 AI 训练平台：

https://train.aimaker.space/train/image

2.通过英荔 AI 训练平台中训练识别车辆的模型
安全眼——自行车智能安全辅助系统图23

训练好的模型，下载到电脑中“keras_model.h5”，放到程序所在目录下。
3.加载模型


import numpy as np
import cv2
from pinpong.extension.unihiker import *
from pinpong.board import Board,Pin
import tensorflow.keras
model = tensorflow.keras.models.load_model('keras_model.h5')
labels=['car','background']
font= cv2.FONT_HERSHEY_SIMPLEX
u_gui=GUI()
Board().begin()
p_p23_in=Pin(Pin.P23, Pin.IN)
cap = cv2.VideoCapture(0)
       if p_p23_in.read_digital()==True:
            cap = cv2.VideoCapture(0)
            success, image = cap.read()    
            if success == False:
                     print("Ignoring empty camera frame.")
                     continue


        image = cv2.flip(image,1)
        img = cv2.resize(image,(224,224))
        img = np.array(img,dtype=np.float32)
        img = np.expand_dims(img,axis=0)
        img = img/255
        prediction = model.predict(img)
        predicted_class = labels[np.argmax(prediction)]
        cv2.putText(image, predicted_class, (123,456), font, 2, (0,255,0), 3)
        if predicted_class=='car':
             cv2.putText(image,'car', (123,456), font, 2, (0,255,0), 3)
        if predicted_class=="background":
             cv2.putText(image,'background', (123,456), font, 2, (0,255,0), 3)
  if cv2.waitKey(1) & 0xFF == ord('q'):
    break
cap.release()


复制代码

4.测试环形灯代码


# MindPlus
# Python
from pinpong.extension.unihiker import *
from pinpong.board import Board,Pin
from pinpong.board import NeoPixel
import time


Board().begin()
p_p24_out=Pin(Pin.P24, Pin.OUT)

np1 = NeoPixel(p_p24_out,24)
index = 0

while True:
    np1.range_color(0,11,0xFF0000)
    np1.range_color(12,23,0x000000)
    
    time.sleep(1)
    np1.range_color(0,11,0x000000)
    np1.range_color(12,23,0xFF0000)
  
    time.sleep(1)
    np1.rainbow(0,23,0,0x0022FF)
    time.sleep(1)
    for i in range(100):
      np1.rotate(1)
      time.sleep(0.1)

复制代码

5.按钮亮灯代码
左转向按钮、左转向灯
安全眼——自行车智能安全辅助系统图28

右转向按钮、右转向灯
安全眼——自行车智能安全辅助系统图30


import cv2

from pinpong.board import Board,Pin
from pinpong.board import NeoPixel
import time
from unihiker import GUI

bs=0


Board().begin()
p_p24_out=Pin(Pin.P24, Pin.OUT)

np1 = NeoPixel(p_p24_out,24)
np1.clear()
p_p21_in=Pin(Pin.P21, Pin.IN)
p_p22_in=Pin(Pin.P22, Pin.IN)

currenttime1=time.time()
currenttime2=time.time()
color1=0xFF0000
color2=0xFF0000

bs1=0
bs2=0
bs3=0
bs4=0
u_gui=GUI()

while True:
   
    if p_p21_in.read_digital()==True and p_p22_in.read_digital()==False:
        if time.time()-currenttime1>0.2:
           currenttime1=time.time()
           if color1==0x000000:
              color1=0xFF0000
           else:
              color1=0x000000 
           np1.range_color(0,11,color1)
        bs3=1
    elif bs3==1:
        bs3=0
        np1.range_color(0,11,0x000000 )
    if p_p22_in.read_digital()==True and p_p21_in.read_digital()==False:
       if time.time()-currenttime2>0.2:
           currenttime2=time.time()
           if color2==0x000000:
              color2=0xFF0000
           else:
              color2=0x000000 
           np1.range_color(12,23,color2)
       bs4=1
    elif bs4==1:
        bs4=0
        np1.range_color(12,23,0x000000)
    if p_p22_in.read_digital()==True and 


复制代码

6.按钮显示后方图像安全眼——自行车智能安全辅助系统图32


import cv2
from pinpong.board import Board,Pin
from pinpong.board import NeoPixel
import time
from unihiker import GUI
bs=0
#False:不旋转屏幕（竖屏显示，上下会有白边）
#True：旋转屏幕（横屏显示）
screen_rotation = True 
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)  #设置摄像头图像宽度
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240) #设置摄像头图像高度
cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)     #设置OpenCV内部的图像缓存，可以极大提高图像的实时性。
cv2.namedWindow('camera',cv2.WND_PROP_FULLSCREEN)    #窗口全屏
cv2.setWindowProperty('camera', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)   #窗口全屏
Board().begin()
p_p24_out=Pin(Pin.P24, Pin.OUT)
np1 = NeoPixel(p_p24_out,24)
np1.clear()
p_p21_in=Pin(Pin.P21, Pin.IN)
p_p22_in=Pin(Pin.P22, Pin.IN)
currenttime1=time.time()
currenttime2=time.time()
color1=0xFF0000
color2=0xFF0000
bs1=0
bs2=0
bs3=0
bs4=0
u_gui=GUI()

while True:
   
    if p_p22_in.read_digital()==True and p_p21_in.read_digital()==True:
     bs1=0
     success, img = cap.read()
     if not success:
        print("Ignoring empty camera frame.")
        continue
     if bs2==0:
         bs2=1
         cv2.namedWindow('camera',cv2.WND_PROP_FULLSCREEN)    #窗口全屏
         cv2.setWindowProperty('camera', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)   #窗口全屏
     if screen_rotation: #是否要旋转屏幕
        img = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE) #旋转屏幕
     cv2.imshow('camera',img)
     print("camera")
    else:
     if bs1==0:
       print("1")
       cv2.destroyAllWindows()
       sz=u_gui.draw_clock(x=120,y=100,r=50,color="#0000FF")
       bs2=0
       bs1=1
     else:
       pass
cap.release()
cv2.destroyAllWindow()

复制代码

【演示视频】

【制作反思】
1、本项目使用了自已训练的模型，来识别后方车辆，但由于行空板的算力有限，识别速度慢，识别时屏幕显示的画面有些延迟。但识别准确率较高。

2、行空板只进行了简单保护，因可以遇到雨天骑车，可能会出现行空板短路现象。所以需日后制作保护装置，防雨水短路。

3、本项目使用热熔胶、束带固定装置，拆装方便，但存在易丢失问题。

ThuAugust-202208046997..png (294.61 KB, 下载次数: 6310)