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

1 2 3

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 partial
 
import multiprocessing as mp
import cv2
import os
import time
 
 
### Setup #####################################################################
 
os.putenv( 'SDL_FBDEV', '/dev/fb0' )
 
resX = 320
resY = 240
 
cx = resX / 2
cy = resY / 2
 
os.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, img
 
def draw_frame( img, faces ):
 
    global xdeg
    global ydeg
    global fps
    global time_t
 
    # Draw a rectangle around every face
    for ( 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/2
        ty = y + h/2
 
        if   ( cx - tx > 15 and xdeg <= 190 ):
            xdeg += 1
            os.system( "echo 0=" + str( xdeg ) + " > /dev/servoblaster" )
        elif ( cx - tx < -15 and xdeg >= 110 ):
            xdeg -= 1
            os.system( "echo 0=" + str( xdeg ) + " > /dev/servoblaster" )
 
        if   ( cy - ty > 15 and ydeg >= 110 ):
            ydeg -= 1
            os.system( "echo 1=" + str( ydeg ) + " > /dev/servoblaster" )
        elif ( cy - ty < -15 and ydeg <= 190 ):
            ydeg += 1
            os.system( "echo 1=" + str( ydeg ) + " > /dev/servoblaster" )
 
    # Calculate and show the FPS
    fps = fps + 1
    sfps = 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 = 0
 
    camera.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.array
 
        if   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 = 0
 
        fcount += 1
 
        rawCapture.truncate( 0 )

保存为.py文件直接在树莓派图形界面下打开执行