新手学习实记（六、在树莓派上实现人脸检测）

---

---

【前言】

校内实习制作——基于树莓派的云台人脸追踪系统。本文主要是记录我的操作和执行过程。

由于要同时准备考研，所以只能学习做一个简易的系统啦，希望能有收获叭。

【个人情况（供看文章的同学参考）：

①树莓派初学者，第一次操作全新树莓派（包括选购器件、安装硬件、烧录镜像、配置所有本次实验需要的树莓派通信环境等等）。

②python初学者，但是有其他语言基础。

文中有大量试错过程可供参考。】

九月份补充说明：整体合计约一个月零十天的时长，因为答主考研，所以只能花这么长时间学习相关知识并实践。

除了最开始的集中实践，后续基本都是零零散散的调试。

基础配置我卡了很久很久，花了非常多的时间摸索。我决定把我的操作和遇到的问题都记录下来。希望能对需要的小伙伴有一点帮助。

时长记录   事件 时长 原因 器材选购 约四天 选择商家并购买（半天左右），快递（三天左右） 树莓派环境配置 约一周 镜像下载、烧录及更换（半天左右）SD卡内存不够，更换大内存SD卡（快递三天左右）。找不到ip地址pc端无法远程控制树莓派（半天左右解决）尝试更改成静态ip，尝试多种方法无果，镜像崩溃，重新烧录镜像（折腾了一天多）。尝试使用手机app端控制，效果不佳，采用了一种很冷门的瞄定方法，成功了（约一天）。选择、下载及学习了如何配置文件传输工具sshClient、远程控制工具vnc。 pip和opencv配置 约三天 主要难点：opencv和pip的配置。 学习python和opencv 始终 抽空学习。目前还是菜鸟水平。我会在文中看过的觉得比较适合新手学习的资源教程。 LBP特征提取算法 两天左右 LBP特征提取算法是我本次校内实习人脸检测选用的算法，也是opencv目标检测使用的算法。 在树莓派上实现人脸检测 一周左右 难点：用菜鸟级别的python修改haar算法伪代码（接近一周）。 摄像头的连接和调试（不到半天，但该算法捕捉图像的精度有限）。

---

在树莓派上实现人脸检测

用的是树莓派自带的lbp算法（这里用的lbp算法的是clbp，另一篇帖子里会有我看论文学算法的过程【等有空再填坑】）

以下是人脸检测代码：

import cv2
 
cap = cv2.VideoCapture(0)        //将摄像头数据传入cap
cap.set(3, 320)                  //设置分辨率为320*240
cap.set(4, 240)
face_cascade = cv2.CascadeClassifier( '/home/pi/opencv-3.4.1/data/lbpcascades/lbpcascade_frontalface.xml' )
 
while True:
    
    ret,frame = cap.read()        //ret的值为True或False，frame存入每一帧的数据
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale( gray )
    if len(faces)>0:
        for (x,y,w,h) in faces:
            cv2.rectangle(frame,(x,y),(x+h,y+w),(0,255,0),2)
            #max_face=w*h
            result = (x,y,w,h)
            x=result[0]
            y = result[1]
            #print (x)
    cv2.imshow("capture", frame)
    if cv2.waitKey(1)>0:        //键盘按下退出循环
        break
cap.release()
cv2.destroyAllWindows()