手机摄像头+Matlab完成图像的自动识别

Matlab中有现成的图像识别的例子。如果已经有摄像头了，那么就用摄像头进行试验。但是本老觉得笔记本摄像头很不方便，又不舍得花钱去买新的摄像头（主要是穷），既然手机有摄像头，那能不能用手机的摄像头呢？那样就很方便了。

Matlab没啥干不了的，有两种方法，一种利用Matlab自己的mobile版本，一种用第三方的app实现。

Matlab Mobile版本的方法

Matlab Mobile版本其实就是手机端调用摄像头，传至云端，电脑端下载的过程。上传云端到下载，国内的服务器速度不行，你懂的，所以这种方法不推荐。（那我写他干啥。。）

手机（Android）安装Matlab Mobile for Android（自己找办法，搜一下，应该很多），登陆账号，打开传感器设置，访问摄像头权限。

保持手机端Matlab在线，电脑端Matlab也在线，电脑端输入：

m=mobiledev

会提示安装“MATLAB Support Package for Android Sensors”，按照步骤安装，没有问题的话，会输出：

m = mobiledev with properties:Device: 'Xiaomi - Mi 10 Pro(051d)'Connected: 1Logging: 0AvailableCameras: {'back' 'front'}InitialTimestamp: ''AccelerationSensorEnabled: 0
AngularVelocitySensorEnabled: 0MagneticSensorEnabled: 0OrientationSensorEnabled: 0PositionSensorEnabled: 0
Show all properties

忽略我的破手机啊。这时就可以调用这个手机的摄像头了。

改一下Matlab的例子，如下：

clear;
clear camera;% 连接到相机并加载预训练的 GoogLeNet 网络。
m = mobiledev;
camera = camera(m,'back');
net = googlenet;% 要对图像进行分类，必须将其大小调整为网络的输入大小。获取网络的图像输入层的 InputSize 属性的前两个元素。图像输入层是网络的第一层。
inputSize = net.Layers(1).InputSize(1:2);% 要连续对相机图像进行分类，请将前面的步骤放入一个循环。在图窗打开时运行该循环。要停止实时预测，只需关闭图窗。在每次迭代结束时使用 drawnow 更新图窗。h = figure;while ishandle(h)im = snapshot(camera,'immediate');  %这里的immediate参数不要少了。image(im)im = imresize(im,inputSize);[label,score] = classify(net,im);title({char(label), num2str(max(score),2)});drawnow
end

这样就可以调用手机摄像头来玩图像识别了。当然，因为matlab的云服务器不在国内，速度慢的让人无法忍受，本老强烈不推荐这个方法。

用droidcam来调用手机摄像头

本老强烈推荐这个方法，简单，流畅，只是需要电脑和手机在同一个网络下。

安装droidcam，搜一下，很多。Github搜这个关键字也可以。

电脑端Matlab安装MATLAB Support Package for IP Cameras。

手机端打开droidcam，出现相关的信息：

电脑端直接用这个信息就可以调用手机摄像头了。

代码如下：

clear;
clear camera;% 连接到相机并加载预训练的 GoogLeNet 网络。
camera=ipcam('http://192.168.0.20:4747/video/mjpg.cgi')
net = googlenet;% 要对图像进行分类，必须将其大小调整为网络的输入大小。获取网络的图像输入层的 InputSize 属性的前两个元素。图像输入层是网络的第一层。
inputSize = net.Layers(1).InputSize(1:2);% 要连续对相机图像进行分类，请将前面的步骤放入一个循环。在图窗打开时运行该循环。要停止实时预测，只需关闭图窗。在每次迭代结束时使用 drawnow 更新图窗。h = figure;while ishandle(h)im = snapshot(camera);image(im)im = imresize(im,inputSize);[label,score] = classify(net,im);title({char(label), num2str(max(score),2)});drawnow
end

流畅，快速，可以愉快的进行图像识别了。