树莓派——智能推送

置顶

禧乐leave_bug

已于 2023-05-04 15:36:25 修改

阅读量1.3k

点赞数 2

文章标签：人脸识别 python 神经网络 linux

于 2020-12-23 21:50:54 首次发布

本文链接：https://blog.csdn.net/a2545417498/article/details/111052247

版权

树莓派——智能推送

本教程为python实训作业的笔记，包括了从如何烧系统到最后作品成型我所踩过的坑，走过的弯路（说多都是泪啊_{_}）

开头篇

首先，老爷保号，bug远离我。
随着科技的发展，广告行业的技术发展日新月异，网络大数据精准投送广告技术已经很成熟了。但是在现在场景中，却少有应用，所以，智能推送将应用与如商场，电梯，KTV,人脸支付等公共场景。
智能推送，类似于现在市面上的魔镜之类的产品，他可以与用户之间实现一种非常nice的交互效果。所有智能推送系统将参考魔镜的交互方式，并把她运用在电梯，商场等。就先酱了，接下来就是枯燥的教程啦！

安装树莓派

树莓派官网
1、格式化SD卡
2、把树莓派系统烧进去工具下载

众所周知，在我大天朝，有一种叫墙的东西，so？镜像就应运而生了，在树莓派下载安装东西，我们最好都给它来个镜像。fq？dddd啊。烧完系统，在boot同一路径下建一个txt文件，命名为ssh，注意去掉".txt"。

获取树莓派IP

1、WiFi
在boot同一路径下建一个txt文件，命名为wpa_supplicant.conf里面写入

country=CN
ctrl_interface=DIR=/var/run/wpa_supplicant GROUP=netdev
update_config=1
 
network={
ssid="WiFi-A"
psk="12345678"
key_mgmt=WPA-PSK
priority=1
}
 
network={
ssid="WiFi-B"
psk="12345678"
key_mgmt=WPA-PSK
priority=2
scan_ssid=1
}

ssid:网络的ssid
psk:密码
key_mgmt:加密类型
priority:连接优先级，数字越大优先级越高（不可以是负数）
scan_ssid:连接隐藏WiFi时需要指定该值为1
配置好开机后，就可在WiFi官网上看到树莓派的IP了

2、网线
直接将网线连接电脑和树莓派，树莓派网口闪绿灯，然后就直接在电脑上查看IP了

SSH远程连接

下载VNC直接用ip连接
在这里插入图片描述默认用户名:pi
默认密码：raspberry
恭喜！到此为止，树莓派就算是开机成功了
（如果不幸失败，就格式化再弄一次吧！）

更新树莓派

由于树莓派的服务器是在英国，要给所有的资源下载都改成国内的镜像。网上常见的教程往往都是替换软件更新源（/etc/apt/sources.list），实际上还存在一个系统更新（/etc/apt/sources./raspi.list）。我们对这两个文件进行修改，将其中的源网址更换为国内镜像站点即可。（个人觉得nano是个不错的文本编辑器）

sudo nano/etc/apt/sources.list

修改为：

deb http://mirrors.ustc.edu.cn/raspbian/raspbian/ buster main contrib non-free rpi
deb-src http://mirrors.ustc.edu.cn/raspbian/raspbian/ buster main contrib non-free rpi

sudo nano /etc/apt/sources.list.d/raspi.list

修改为：

deb http://mirrors.ustc.edu.cn/archive.raspberrypi.org/debian/ buster main
deb-src http://mirrors.ustc.edu.cn/archive.raspberrypi.org/debian/ buster main

接下来就可以快速更新了，执行：

sudo apt-get update
sudo apt-get upgrade

安装python3

1、安装依赖包

sudo apt-get install -y make build-essential libssl-dev zlib1g-dev   
sudo apt-get install -y libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm 
sudo apt-get install -y libncurses5-dev  libncursesw5-dev xz-utils tk-dev

python官网下载

2、解压
解压结束进入生成的目录python-3.7.3
安装python
安装完成，创建软连接，打印版本测试。

sudo tar -zxvf Python-3.7.3.tgz
cd Python-3.7.3
sudo ./configure --prefix=/usr/local/python3
sudo make
ln -s /usr/local/python3/bin/python3 /usr/local/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/local/bin/pip3
python3 -V
pip3 -V

安装opencv-python

安装依赖库

sudo apt-get install libjpeg-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libtiff5-dev
sudo apt-get install libpng12-dev
sudo apt-get install libqtgui4 libqt4-test
sudo apt-get install libjasper-dev

没想到吧，安装就一句命令的事儿

sudo pip3 install opencv-python

如果在命令行import cv2成功，安装就算成功啦

人脸识别算法

先在GitHub下载六个识别模型
在这里插入图片描述
把他们放在和py文件一个目录下
下方高能链接

深度神经网络（DNN）模型与前向传播算法

代码

一、后端
后端代码分为4个模块，

1、人脸识别（识别到返回年龄段和性别）

#-*- coding: utf-8 -*-
import cv2 as cv
import time

# 检测人脸并绘制人脸bounding box
def getFaceBox(net, frame, conf_threshold=0.7):
    frameOpencvDnn = frame.copy()
    frameHeight = frameOpencvDnn.shape[0]  # 高就是矩阵有多少行
    frameWidth = frameOpencvDnn.shape[1]  # 宽就是矩阵有多少列
    blob = cv.dnn.blobFromImage(frameOpencvDnn, 1.0, (300, 300), [104, 117, 123], True, False)
    #  blobFromImage(image[, scalefactor[, size[, mean[, swapRB[, crop[, ddepth]]]]]]) -> retval  返回值   # swapRB是交换第一个和最后一个通道   返回按NCHW尺寸顺序排列的4 Mat值
    net.setInput(blob)
    detections = net.forward()  # 网络进行前向传播，检测人脸
    bboxes = []
    for i in range(detections.shape[2]):
        confidence = detections[0, 0, i, 2]
        if confidence > conf_threshold:
            x1 = int(detections[0, 0, i, 3] * frameWidth)
            y1 = int(detections[0, 0, i, 4] * frameHeight)
            x2 = int(detections[0, 0, i, 5] * frameWidth)
            y2 = int(detections[0, 0, i, 6] * frameHeight)
            bboxes.append([x1, y1, x2, y2])  # bounding box 的坐标
            cv.rectangle(frameOpencvDnn, (x1, y1), (x2, y2), (0, 255, 0), int(round(frameHeight / 150)),
                         8)  # rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img
    return frameOpencvDnn, bboxes
def getInfo():
    ages=[]
    genders=[]
    # 网络模型  和  预训练模型
    faceProto ="opencv_face_detector.pbtxt"
    faceModel = "opencv_face_detector_uint8.pb"

    ageProto ="age_deploy.prototxt"
    ageModel ="age_net.caffemodel"

    genderProto ="gender_deploy.prototxt"
    genderModel = "gender_net.caffemodel"

    # 模型均值
    MODEL_MEAN_VALUES = (78.4263377603, 87.7689143744, 114.895847746)
    ageList = ['(0-2)', '(4-6)', '(8-12)', '(15-20)', '(25-32)', '(38-43)', '(48-53)', '(60-100)']
    genderList = ['Male', 'Female']

    # 加载网络
    ageNet = cv.dnn.readNet(ageModel, ageProto)
    genderNet = cv.dnn.readNet(genderModel, genderProto)
    # 人脸检测的网络和模型
    faceNet = cv.dnn.readNet(faceModel, faceProto)

    # 打开一个视频文件或一张图片或一个摄像头
    cap = cv.VideoCapture(0)
    padding = 20
    #定义一个识别次数20,取平均数
    count=10


    while cv.waitKey(1) < 0:
        count-=1
        # Read frame
        t = time.time()
        hasFrame, frame = cap.read()
        frame = cv.flip(frame, 1)
        if not hasFrame:
            cv.waitKey()
            break

        frameFace, bboxes = getFaceBox(faceNet, frame)
        if not bboxes:
            print("No face Detected, Checking next frame")
            continue

        for bbox in bboxes:
            # print(bbox)   # 取出box框住的脸部进行检测,返回的是脸部图片
            face = frame[max(0, bbox[1] - padding):min(bbox[3] + padding, frame.shape[0] - 1),
                   max(0, bbox[0] - padding):min(bbox[2] + padding, frame.shape[1] - 1)]
            print("=======", type(face), face.shape)  #  <class 'numpy.ndarray'> (166, 154, 3)
            #
            blob = cv.dnn.blobFromImage(face, 1.0, (227, 227), MODEL_MEAN_VALUES, swapRB=False)
            print("======", type(blob), blob.shape)  # <class 'numpy.ndarray'> (1, 3, 227, 227)
            genderNet.setInput(blob)   # blob输入网络进行性别的检测
            genderPreds = genderNet.forward()   # 性别检测进行前向传播
            print("++++++", type(genderPreds), genderPreds.shape, genderPreds)   # <class 'numpy.ndarray'> (1, 2)  [[9.9999917e-01 8.6268375e-07]]  变化的值
            gender = genderList[genderPreds[0].argmax()]   # 分类  返回性别类型
            # print("Gender Output : {}".format(genderPreds))
            print("Gender : {}, conf = {:.3f}".format(gender, genderPreds[0].max()))


            ageNet.setInput(blob)
            agePreds = ageNet.forward()
            age = ageList[agePreds[0].argmax()]
            ages.append(age)
            genders.append(gender)
            print("--------------------识别到年龄：",age)
            print("--------------------识别到性别：", gender)
            cv.waitKey(1)
            # time.sleep(1)



            print(agePreds[0].argmax())  # 3
            print("*********", agePreds[0])   #  [4.5557402e-07 1.9009208e-06 2.8783199e-04 9.9841607e-01 1.5261240e-04 1.0924522e-03 1.3928890e-05 3.4708322e-05]
            print("Age Output : {}".format(agePreds))
            print("Age : {}, conf = {:.3f}".format(age, agePreds[0].max()))
            label = "{},{}".format(gender, age)
            cv.putText(frameFace, label, (bbox[0], bbox[1] - 10), cv.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 255), 2,#显示头像年龄性别信息
                       cv.LINE_AA)  # putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) -> img
            cv.imshow("Age Gender Demo", frameFace)#显示识别窗口

        if count<0:
            print("=================识别结束==================")


            # 传入两个识别到的年龄和性别数据，取其众数

            age = max(ages, key=ages.count)
            gender = max(genders,key=genders.count)
            return age,gender

            break
        print("time : {:.3f} ms".format(time.time() - t))#识别一次花费的时间

2、音乐爬取模块（根据关键字去爬取相关的音乐，歌词，海报，音乐信息）

库：requests

''' 
通过咪咕音乐爬取音乐。可以以关键字去搜索，返回一个json数据，再去爬取音乐，海报，歌词，歌曲信息等，保存到特定目录下
'''
import requests
import json
import os
import time

def download(key):
    head = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36',
        'Cookie':'migu_cn_cookie_id=1bdd01cf-0863-4626-807a-dde117f8ac62; Hm_lvt_ec5a5474d9d871cb3d82b846d861979d=1604933806; WT_FPC=id=259a9a71452bc6439d71594005492106:lv=1605184011867:ss=1605184011867',
        'Accept':'image/avif,image/webp,image/apng,image/*,*/*;q=0.8'}
    r = requests.get(f"http://pd.musicapp.migu.cn/MIGUM3.0/v1.0/content/search_all.do?&ua=Android_migu&version=5.0.1&text={key}&pageNo=1&pageSize=30&searchSwitch="+"{%22song%22:1,%22album%22:0,%22singer%22:0,%22tagSong%22:0,%22mvSong%22:0,%22songlist%22:0,%22bestShow%22:1}",verify=False)
    j=json.loads(r.text)
    print(j['code'])
    print(j['info'])
    print(j['songResultData']['result'][0])
    #歌手id
    singersId = j['songResultData']['result'][0]['singers'][0]['id']
    #歌手名字
    singersName = j['songResultData']['result'][0]['singers'][0]['name']
    #歌曲标签
    tags =j['songResultData']['result'][0]['tags']
    #图片url，列表类型
    imgUrl = [i['img'] for i in j['songResultData']['result'][0]['imgItems']]
    print(imgUrl)
    print(singersId)
    print(singersName)
    print(tags)

    print(len(j['songResultData']['result']))
    print()
    name = j['songResultData']['result'][0]['name']
    print(name)

    SongUrl = r"https://freetyst.nf.migu.cn"+j['songResultData']['result'][0]['rateFormats'][0]['url'][24:]
    print(r"https://freetyst.nf.migu.cn

最低0.47元/天解锁文章

禧乐leave_bug

关注

2
点赞
踩
4

收藏

觉得还不错? 一键收藏
7
评论
树莓派——智能推送

这里写自定义目录标题树莓派---智能推送新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入树莓派—智能推送本教程为python实训作业的笔记，包括了从如何烧系统到最后成型我所踩过的坑，走过的弯路（说多都是泪啊~~）新的改
复制链接

扫一扫