树莓派学习（三）基于OpenCv的人脸识别

博主的课程设计选题，开始在网上参考了诸多教程踩了很多坑最终得以实现，所以写下心得总结，以便后人乘凉~

https://blog.csdn.net/kyokozan/article/details/79192646

https://blog.csdn.net/LC_1994/article/details/52971408

https://blog.csdn.net/coolwriter/article/details/77825375

https://blog.csdn.net/leaves_joe/article/details/67656340

http://shumeipai.nxez.com/2017/03/16/raspberry-pi-face-recognition-system.html

https://courses.cit.cornell.edu/ece5990/ECE5990_Fall15_FinalProjects/Andre_Heil/ece5990_final_report/avh34_jr986.html

https://www.cnblogs.com/Pyrokine/p/8921285.html

以上是我主要参考的几个帖子，感谢前辈们~~

安装OpenCV的最佳方式是照 Adrian Rosebrock 的教程来进行：《Raspbian Stretch: Install OpenCV 3 + Python on your Raspberry Pi》

（https://www.pyimagesearch.com/2017/09/04/raspbian-stretch-install-opencv-3-python-on-your-raspberry-pi/）

来进行，不过如果仅限于实现简单的人脸识别有一部分东西并不需要安装

另外，推荐使用交叉编译进行，博主在树莓派3B+上编译整整用了近4小时，很痛苦

另外，注意树莓派摄像头模块（PiCam）千万不能热插拔，很容易烧坏

另外，你可能需要搭个梯子，或者更换apt源

下面开始：

首先安装OpenCV及其依赖的各种工具和图像视频库：

打开终端

扩大TF卡的空间，如果不做这步操作，后面会出问题，比如卡死

sudo raspi-config

sudo apt -get update
sudo apt -get upgrade

// 安装build-essential、cmake、git和pkg-config
sudo apt-get install build-essential cmake git pkg-config

// 安装jpeg格式图像工具包
sudo apt-get install libjpeg8-dev
// 安装tif格式图像工具包
sudo apt-get install libtiff5-dev
// 安装JPEG-2000图像工具包
sudo apt-get install libjasper-dev
// 安装png图像工具包
sudo apt-get install libpng12-dev

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

安装gtk2.0（树莓派很可能下载错误，更换中科大或者清华源即可）：

sudo apt-get install libgtk2.0-dev

sudo apt-get install libatlas-base-dev gfortran

执行到这里就把OpenCV的依赖包全部安装好了，之后要开始编译OpenCV源代码了，请大家用wget工具下载到用户目录下（源码要放在有执行权限的位置，不是安装位置），命令如下：

// 使用wget下载OpenCV源码，觉得慢的话可以到https://github.com/opencv/opencv/releases下载OpenCV的源代码

（tar.gz格式，需要解压好）放到用户目录下，但是OpenCV_contrib请大家使用wget，亲测直接到Github下载zip文件的话，会有编译问题

// 下载OpenCV
wget -O opencv-3.4.1.zip https://github.com/Itseez/opencv/archive/3.4.1.zip
// 解压OpenCV
unzip opencv-3.4.1.zip
// 下载OpenCV_contrib库：
wget -O opencv_contrib-3.4.1.zip https://github.com/Itseez/opencv_contrib/archive/3.4.1.zip
// 解压OpenCV_contrib库：
unzip opencv_contrib-3.4.1.zip

找到你下载的源码文件夹并打开，tar.gz解压后文件夹名应该是opencv-3.4.1（版本号可能会变化），git方式下载的文件夹名应该是opencv。

// 打开源码文件夹

cd opencv-3.4.1

之后我们新建一个名为release的文件夹用来存放cmake编译时产生的临时文件：

// 新建 release文件夹

mkdir release

// 进入 release文件夹

cd release

设置cmake编译参数，安装目录默认为/usr/local ，注意参数名、等号和参数值之间不能有空格，但每行末尾“\”之前有空格，参数值最后是两个英文的点：

// CMAKE_BUILD_TYPE是编译方式，CMAKE_INSTALL_PREFIX是安装目录，OPENCV_EXTRA_MODULES_PATH是加载额外模块，INSTALL_PYTHON_EXAMPLES是安装官方python例程，BUILD_EXAMPLES是编译例程（这两个可以不加，不加编译稍微快一点点，想要C语言的例程的话，在最后一行前加参数INSTALL_C_EXAMPLES=ON \）sudo cmake -D CMAKE_BUILD_TYPE=RELEASE \-D CMAKE_INSTALL_PREFIX=/usr/local \
    -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.4.1/modules \
    -D INSTALL_PYTHON_EXAMPLES=ON \
    -D BUILD_EXAMPLES=ON ..

注意 -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.4.1/modules \
-D INSTALL_PYTHON_EXAMPLES=ON \
-D BUILD_EXAMPLES=ON ..

这三个都可以不安装

之后开始正式编译过程

// 编译，以管理员身份，否则容易出错
sudo make
// 安装
sudo make install
// 更新动态链接库
sudo ldconfig

整个编译过程大约4小时，做好心理准备！推荐在Ubuntu下进行交叉编译，半小时左右！

// 安装

sudo make install
// 更新动态链接库
sudo ldconfig

到这里，OpenCV的编译完成

安装PiCamera

sudo apt-get install python-pip

sudo apt-get install python-dev

sudo pip install picamera

至此人脸识别所需要的准备工作已经完成，

以下是人脸识别代码

from picamera.array import PiRGBArray
from picamera import PiCamera
from functools import partialimport multiprocessing as mp
import cv2
import os
import time### Setup #####################################################################os.putenv( 'SDL_FBDEV', '/dev/fb0' )resX = 320
resY = 240cx = resX / 2
cy = resY / 2os.system( "echo 0=150 > /dev/servoblaster" )
os.system( "echo 1=150 > /dev/servoblaster" )xdeg = 150
ydeg = 150# Setup the camera
camera = PiCamera()
camera.resolution = ( resX, resY )
camera.framerate = 60# Use this as our output
rawCapture = PiRGBArray( camera, size=( resX, resY ) )# The face cascade file to be used
face_cascade = cv2.CascadeClassifier('/home/pi/opencv-2.4.9/data/lbpcascades/lbpcascade_frontalface.xml')t_start = time.time()
fps = 0### Helper Functions ##########################################################def get_faces( img ):gray = cv2.cvtColor( img, cv2.COLOR_BGR2GRAY )faces = face_cascade.detectMultiScale( gray )return faces, imgdef draw_frame( img, faces ):global xdegglobal ydegglobal fpsglobal time_t# Draw a rectangle around every facefor ( x, y, w, h ) in faces:cv2.rectangle( img, ( x, y ),( x + w, y + h ), ( 200, 255, 0 ), 2 )cv2.putText(img, "Face No." + str( len( faces ) ), ( x, y ), cv2.FONT_HERSHEY_SIMPLEX, 0.5, ( 0, 0, 255 ), 2 )tx = x + w/2ty = y + h/2if   ( cx - tx > 15 and xdeg <= 190 ):xdeg += 1os.system( "echo 0=" + str( xdeg ) + " > /dev/servoblaster" )elif ( cx - tx < -15 and xdeg >= 110 ):xdeg -= 1os.system( "echo 0=" + str( xdeg ) + " > /dev/servoblaster" )if   ( cy - ty > 15 and ydeg >= 110 ):ydeg -= 1os.system( "echo 1=" + str( ydeg ) + " > /dev/servoblaster" )elif ( cy - ty < -15 and ydeg <= 190 ):ydeg += 1os.system( "echo 1=" + str( ydeg ) + " > /dev/servoblaster" )# Calculate and show the FPSfps = fps + 1sfps = fps / (time.time() - t_start)cv2.putText(img, "FPS : " + str( int( sfps ) ), ( 10, 10 ), cv2.FONT_HERSHEY_SIMPLEX, 0.5, ( 0, 0, 255 ), 2 ) cv2.imshow( "Frame", img )cv2.waitKey( 1 )### Main ######################################################################if __name__ == '__main__':pool = mp.Pool( processes=4 )fcount = 0camera.capture( rawCapture, format="bgr" )  r1 = pool.apply_async( get_faces, [ rawCapture.array ] )    r2 = pool.apply_async( get_faces, [ rawCapture.array ] )    r3 = pool.apply_async( get_faces, [ rawCapture.array ] )    r4 = pool.apply_async( get_faces, [ rawCapture.array ] )    f1, i1 = r1.get()f2, i2 = r2.get()f3, i3 = r3.get()f4, i4 = r4.get()rawCapture.truncate( 0 )    for frame in camera.capture_continuous( rawCapture, format="bgr", use_video_port=True ):image = frame.arrayif   fcount == 1:r1 = pool.apply_async( get_faces, [ image ] )f2, i2 = r2.get()draw_frame( i2, f2 )elif fcount == 2:r2 = pool.apply_async( get_faces, [ image ] )f3, i3 = r3.get()draw_frame( i3, f3 )elif fcount == 3:r3 = pool.apply_async( get_faces, [ image ] )f4, i4 = r4.get()draw_frame( i4, f4 )elif fcount == 4:r4 = pool.apply_async( get_faces, [ image ] )f1, i1 = r1.get()draw_frame( i1, f1 )fcount = 0fcount += 1rawCapture.truncate( 0 )

保存为.py文件直接在树莓派图形界面下打开执行

树莓派学习（三）基于OpenCv的人脸识别相关推荐

树莓派 --- 基于OpenCV实现人脸识别
目录参考博客调百度人脸识别的API也能达到目的,我这里是基于OpenCV进行人脸识别 OpenCV(Open source Computer Vision Library) 是一个开源的计算机视觉 ...
【优秀毕设】基于OpenCV的人脸识别打卡/签到/考勤管理系统（最简基本库开发、可基于树莓派）
[优秀毕设]基于OpenCV的人脸识别打卡/签到/考勤管理系统(最简基本库开发.可基于树莓派) 该系统利用Harr级联检测和LPBH进行人脸检测和训练.识别利用Tkinter完成界面搭建利用Fla ...
基于OpenCV实现人脸识别--Python
目录前言第一章 OpenCV介绍第二章功能描述 2.1 对已有的数据进行检测 2.2 陌生人检测并发出警告 2.3 保存陌生人的视频 2.4 输入图片进行检测 2.5 现场录用信息第三章功 ...
基于OpenCV的人脸识别自助商店（源码＆部署视频）
1.模块功能介绍实现人脸识别模块.人脸登录与注册功能.商店显示和用户余额页显示功能用GUl图形界面实现(pyqt)语言python windows下软件pycharm 1.用户登录模块:刷脸登录 ...
Python基于OpenCV的人脸识别自助商店（源码＆部署视频）
1.模块功能介绍实现人脸识别模块.人脸登录与注册功能.商店显示和用户余额页显示功能用GUl图形界面实现(pyqt)语言python windows下软件pycharm 1.用户登录模块:刷脸登录 ...
基于OpenCV的人脸识别系统的pyhon源代码
本论文主要阐述了基于OpenCV的人脸识别原型系统.基于生物特征识别的身份认证方法有指纹.掌纹.眼睛虹膜.人脸等,其中,由于人脸的稳定性和可见性,人脸识别的研究与应用成为热点,本文针对出租公寓安全管理 ...
【人工智能毕设之基于opencv的人脸识别智能考勤管理系统
[人工智能毕设之基于opencv的人脸识别智能考勤管理系统-哔哩哔哩] https://b23.tv/slzvS7e
【计算机视觉】基于OpenCV的人脸识别
一点背景知识 OpenCV 是一个开源的计算机视觉和机器学习库.它包含成千上万优化过的算法,为各种计算机视觉应用提供了一个通用工具包.根据这个项目的关于页面,OpenCV 已被广泛运用在各种项目上,从 ...
Python 毕业设计 - 基于 opencv 的人脸识别上课考勤系统，附源码
一.简介这个人脸识别考勤签到系统是基于大佬的人脸识别陌生人报警系统二次开发的. 项目使用Python实现,基于OpenCV框架进行人脸识别和摄像头硬件调用,同时也用OpenCV工具包处理图片.交互界 ...
基于OpenCV的人脸识别考勤系统
考勤系统设计学生上课考勤系统最初的方式是采用的人工纸质点名,目前仍旧有一部分学校依旧采用此种方法点名,这种方法也一直是被认为最有效的签到点名方式.但由于课程繁多加上学生人数众多, 代替点名现象普遍存 ...

树莓派学习（三）基于OpenCv的人脸识别

树莓派学习（三）基于OpenCv的人脸识别相关推荐

最新文章

热门文章