上学期的嵌入式系统设计实践课上用树莓派做了一个简单的视频采集系统,能自适应识别摄像头的分辨率和帧率以及人脸检测。(题外话:树莓派真的还挺好玩的)
概述
该视频采集系统包含的功能有:
- 自适应识别摄像头的分辨率和帧率
- 人脸识别
仪器与开发环境
硬件:
- 树莓派开发板组件1套
- 显示屏幕1块
- 摄像头2个(不同分辨率的)
- 网线1根
开发平台:
- 树莓派系统
开发语言:
- python
整体方案
- 使用USB接口的摄像头采集视频数据;
- 使用python和openCV对视频进行处理,实现自适应识别摄像头的分辨率和帧率以及人脸检测;
- 通过HDMI接口连接到树莓派屏幕上进行实时视频显示。
实现
import cv2
cap = cv2.VideoCapture(0) #获取并打开摄像头
faceCascade=cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')
#加载人脸识别分类器,分类器位置要根据实际位置进行修改
#该分类器是openCV已经训练好的,可以直接使用,一般安装openCV库的时候会自带,就位于openCV安装的文件夹里,没有可以去官网下载
cap.set(cv2.CAP_PROP_FRAME_WIDTH,10000)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT,10000)
#将分辨率设置成一个较大的值,让真实值不会超过上限值,实现自适应识别分辨率
if cap.isOpened:
while True:
ret,frame = cap.read()
width = cap.get(3)
height = cap.get(4) #获取真实的分辨率
speed = cap.get(5) #获取帧率
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.2,
minNeighbors=5,
minSize=(20, 20)
)
#调用分类器检测人脸
#gray 表示输入的灰度图;
#scaleFactor 表示每个图像缩减的比例大小;
#minNeighbors 表示至少识别5次才确定一个人脸;
#minSize 表示人脸识别的最小尺寸;
#faces 表示检测到的所有人脸的范围
for (x,y,w,h) in faces:
cv2.rectangle(frame, (x,y), (x+w,y+h), (255,0,0),2)
#利用for循环提取出该帧图片中每一个人脸的范围,调用rectangle在原始彩色图像上对人脸进行标记
text = "resolution:" + str(width) + "*" + str(height) + ",speed:" + str(speed)
cv2.putText(frame, text, (5, 20), cv2.FONT_HERSHEY_COMPLEX, 0.8, (0, 0, 0), 1) #显示分辨率和帧率信息
cv2.namedWindow("Video", 0)
cv2.imshow("Video", frame) #显示视频
input = cv2.waitKey(int(1/speed*1000)) #等待按键输入,没有按键输入时,就是延时效果,单位为ms
if input==ord('q'):
break #当键盘输入“q”时,退出
else:
print("Can't open the camera!") #若摄像头无法开启,就输出“Can't open the camera!”
cap.release()
cv2.destroyAllWindows()