树莓派c语言人脸识别,GitHub - 13060923171/raspberry4: 树莓派之人脸识别与智能家居...

raspberry4

树莓派之人脸识别与智能家居

树莓派加上摄像头之后就可以拍照、录视频等各种功能了，这样做一个树莓派相机已经是非常简单的事情了。我们在这里做一个简单的人脸区域检测的功能实验，然后我们在下一个实验让树莓派来控制风扇转动。发现有人脸了，就开始转动风扇。这也是生活中的一个场景，当然加入实验3的温度检测根据温度和人脸一起决定是否吹风扇会更加精确化。

实验材料准备：原装树莓派800万像素CSI摄像头。

软件：rasbian系统、opencv

环境配置：

使能camera模块:

sudo raspi-config

安装必要的依赖库：

安装OpenCV

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install libopencv-dev

sudo apt-get install python-opencv

安装PiCamera库：

sudo apt-get install python-pip

sudo apt-get install python-dev

sudo pip install picamera

测试人脸识别代码

import io

import picamera

import cv2

import numpy

#Create a memory stream so photos doesn't need to be saved in a file

stream = io.BytesIO()

#Get the picture (low resolution, so it should be quite fast)

#Here you can also specify other parameters (e.g.:rotate the image)

with picamera.PiCamera() as camera:

camera.resolution = (320, 240)

camera.capture(stream, format='jpeg')

#Convert the picture into a numpy array

buff = numpy.fromstring(stream.getvalue(), dtype=numpy.uint8)

#Now creates an OpenCV image

image = cv2.imdecode(buff, 1)

#Load a cascade file for detecting faces

face_cascade = cv2.CascadeClassifier('/usr/share/opencv/haarcascades/haarcascade_frontalface_alt.xml')

#Convert to grayscale

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#Look for faces in the image using the loaded cascade file

faces = face_cascade.detectMultiScale(gray, 1.1, 5)

print "Found "+str(len(faces))+" face(s)"

#Draw a rectangle around every found face

for (x,y,w,h) in faces:

cv2.rectangle(image,(x,y),(x+w,y+h),(255,255,0),2)

#Save the result image

cv2.imwrite('result.jpg',image)

cv2.imshow('face_detect', image)

c = cv2.waitKey(0)

cv2.destroyAllWindows()

运行成功图

**代码原理说明：**我们使用与树莓派原装摄像头匹配的picamera程序库来获取图片信息然后利用opencv的人脸库来识别是否有人脸，其中haarcascade_frontalface_alt.xml，就是opencv自带的人脸模型库，我们就是利用这个识别出人脸的。这个路径下还有眼睛、鼻子、人体等模型库，你也可以换成相应的模型做相应的识别。

6、树莓派智能风扇

本实验通过实验5的人脸检测系统来判断是否有人脸，当有人脸的时候树莓派控制风扇转动，当没有人脸时停止风扇转动。

下面我们首先加入风扇控制系统：

由于实验条件的限制我们采用小功率风扇做例子，例如：普通usb改装风扇、树莓派散热风扇等直接由正负极控制的风扇。

树莓派的8号引脚连接到了usb改装风扇的正极，树莓派的一根地线接改装风扇的负极，当检测到人脸时，GPIO引脚输出低电平，可以开启风扇，当没有人脸时GPIO引脚输出高电平，可以关闭风扇。

测试代码

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import io

import picamera

import cv2

import numpy

import time

import RPi.GPIO as GPIO

#GPIO setting for fan control

GPIO.setwarnings(False) # Ignore warning for now

GPIO.setmode(GPIO.BOARD) # Use physical pin numbering

# Set pin 8 to be an output pin and set initial value to high

GPIO.setup(8, GPIO.OUT, initial=GPIO.LOW)

#get the pictures and found face

while True :

#Create a memory stream so photos doesn't need to be saved

stream = io.BytesIO()

with picamera.PiCamera() as camera:

camera.resolution = (320, 240)

camera.capture(stream, format='jpeg')

#Convert the picture into a numpy array

buff = numpy.fromstring(stream.getvalue(), dtype=numpy.uint8)

#Now creates an OpenCV image

image = cv2.imdecode(buff, 1)

#Load a cascade file for detecting faces

face_cascade = cv2.CascadeClassifier('/usr/share/opencv/haarcascades/haarcascade_frontalface_alt.xml')

#Convert to grayscale

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#Look for faces in the image using the loaded cascade file

faces = face_cascade.detectMultiScale(gray, 1.1, 5)

print "Found "+str(len(faces))+" face(s)"

for (x,y,w,h) in faces:

cv2.rectangle(image,(x,y),(x+w,y+h),(255,255,0),2)

cv2.imwrite('result.jpg',image)

# if found face turn on the fan

if len(faces) > 0 :

GPIO.output(8, GPIO.HIGH) # Turn on

else :

GPIO.output(8, GPIO.LOW) # Turn off

time.sleep(1)

如果一切顺利的话我们会看到，当摄像头发现人脸的时候，风扇开启了转动、当没有人脸的时候，风扇停止了转动。