平台：Raspberry Pi（树莓派） 4B 4GB 摄像头：Raspberry Pi Camera Module v2（兼容USB摄像头，若没有摄像头我提供了演示示例，在第四步请按照演示程序运行） 软件环境：Python 2.7.16 Tensorflow 1.8.0 Opencv 3.2.0
1.烧写树莓派镜像
- 登录https://www.raspberrypi.org/software/operating-systems/#raspberry-pi-os-32-bit 下载Raspberry Pi OS with desktop and recommended software并解压
- 登录https://www.balena.io/etcher/ 下载操作系统对应的烧录器（如：Etcher for Windows (x86|x64) (Installer)）并安装 使用etcher将Raspberry Pi OS烧录至TF卡
2.配置系统
- 初次进入系统后按照提示配置语言、地区、WiFi等设置，建议更改登陆密码（原始为‘raspberry’，我更改为‘pi’）建议连接至网速较快的网络，这将影响后续配置环境的速度 请勿将树莓派设为静态IP，由于系统bug，设为静态IP有几率导致树莓派连不上网络
- 打开终端，输入
sudo nano /etc/apt/sources.list
进入后将其他删除，将下面两行粘贴至文件中：
deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib
Crtl-X 输入Y 回车
- 打开终端，输入
sudo raspi-config
选择Update 进入Interface Options，将Camera SSH VNC设为enable（需提前插入摄像头，若没有摄像头不用配置Camera。若不使用VNC远程桌面可不用设置VNC） 进入Advanced Options，Expand Filesystem 打开终端输入sudo reboot重启
-
配置VNC远程桌面（若有显示器鼠标键盘，可选）
登录https://www.realvnc.com/en/connect/download/viewer/
下载操作系统对应的VNC Viewer（如：Windows）并安装
安装完毕后打开，在界面右键，选择New Connection
在VNC Server一栏输入树莓派的IP地址（可通过路由器管理界面或在树莓派终端输入ifconfig查看。一般为192.168开始）其余配置默认即可，点击OK
双击刚刚新建的服务器的图标，输入用户名和第二步更改的密码（如：Username为pi，密码为pi）点击Remember password，点击OK，进入树莓派界面
3.配置环境 树莓派系统自带Python2.7.16，因此无需手动配置
- 安装tensorflow： 打开终端。将下行粘贴至终端：
wget https://github.com/lhelontra/tensorflow-on-arm/releases/download/v1.8.0/tensorflow-1.8.0-cp27-none-linux_armv7l.whl
待执行完毕，将下行粘贴至终端：
sudo pip install tensorflow-1.8.0-cp27-none-linux_armv7l.whl
待执行完毕，输入python，进入后输入
import tensorflow as tf
tf.__version__如正确显示版本1.8.0，则安装成功。
- 安装opencv： 打开终端。将下行粘贴至终端： sudo apt-get install libopencv-dev 待执行完毕，将下行粘贴至终端： sudo apt-get install python-opencv 待执行完毕，输入python，进入后输入
import cv2
cv2.__version__如正确显示版本3.2.0，则安装成功。
- 安装matplotlib： 打开终端，输入
sudo apt-get install python-matplotlib
- 完成上述步骤后打开终端，输入pip freeze，应至少包含： matplotlib==2.2.3 numpy==1.16.2 tensorboard==1.8.0 tensorflow==1.8.0
4.运行程序
- 将contactless_delivery文件夹拷贝至树莓派桌面，如拷贝至其他路径需进入package_detection.py、contactless_delivery.py两程序，找到PATH，改为文件夹所在位置
- 打开终端，输入
cd /home/pi/Desktop/contactless_delivery
（如将文件夹拷贝至其他路径，需将该命令替换为'cd 文件夹路径'）
有摄像头：
需确保仅有一个摄像头接入树莓派。断开及连接摄像头时需先关机断电，否则可能造成进程冲突、摄像头冲突甚至摄像头损坏。
接入摄像头后在终端输入
vcgencmd get_camera #使用树莓派摄像头请输入这行
lsusb #使用usb摄像头请输入这行
应正确识别到摄像头。识别无误后继续进行下面的步骤。若有问题可以重新插拔摄像头，并重新进入sudo raspi-config中Interface Options配置摄像头（同第二步）
输入
python contactless_delivery.py
无摄像头：
输入
python contactless_delivery_demo.py
本程序会使用demo_pictures中准备好的图片。
运行时应显示：
package delivered、dangerous、dangerous、none
分别对应demo_pictures中1.jpg 2.jpg 3.jpg 4.jpg的情况
-
运行程序时将首先加载深度学习模型，因此第一次识别速度较慢（1分钟左右），之后识别速度将提升（5秒钟左右） 运行该程序时将会拍摄一张楼道图片，因此请先固定好摄像头。 为减小负担、降低功耗，已在程序中设置检测周期为10秒，若想改变检测周期，需打开contactless_delivery.py，更改sleep_time（单位：秒） 程序运行时若检测到快递送达且无人时将显示'package delivered'，若快递未送达时将显示'none'，若有人时将显示'dangerous'
-
本项目原意是通过微信向手机发送提示信息，但由于微信对网页端的限制导致该功能只得取消。 参考：https://developers.weixin.qq.com/community/develop/doc/0008006e9b470052e1e80e91756400
若后续有更新，将通过我的Github发布https://github.com/WangHaoZhe/ContactlessDelivery