Ansikts- och ögondetektering med Raspberry Pi Zero och Opencv: 3 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:46

I denna instruerbara ska jag visa hur du kan upptäcka ansikte och öga med hallon pi och opencv. Detta är min första instruerbara på opencv. Jag följde många självstudier för att ställa in öppna cv i hallon men slog varje gång med några fel. Hur som helst löste jag dessa fel och tänkte skriva instruerbart så att alla andra kan installera det utan problem

Saker som krävs:

1. Hallon pi noll

2. SD-kort

3. Kameramodul

Denna installationsprocess kommer att ta mer än 13 timmar så planera installationen i enlighet därmed

Steg 1: Ladda ner och installera Raspbian Image

Ladda ner raspbian stretch med skrivbordsbild från raspberry pi webbplats

www.raspberrypi.org/downloads/raspbian

Sätt sedan in minneskortet i din bärbara dator och bränn den raspbiska bilden med hjälp av etsare

Ladda ner etcher härifrån

Efter att du har bränt bilden ansluter du minneskortet till din hallon pi och sätter på hallon

Steg 2: Konfigurera Opencv

Efter startprocessen, öppna terminalen och följ stegen för att installera opencv och konfigurera virtuell miljö för opencv

Steg:

1. Varje gång du startar en ny installation är det bättre att uppgradera befintliga paket

$ sudo apt-get uppdatering

$ sudo apt-get uppgradering

Tid: 2m 30 sek

2. Installera sedan utvecklarverktyg

$ sudo apt-get install build-essential cmake pkg-config

Tid: 50 sek

3. Ta nu de nödvändiga bild -I/O -paketen

$ sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev

Tid: 37 sek

4. Video I/O -paket

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

$ sudo apt-get install libxvidcore-dev libx264-dev

Tid: 36 sek

5. Installera GTK -utvecklingen

$ sudo apt-get install libgtk2.0-dev

Tid: 2m 57s

6. Optimeringspaket

$ sudo apt-get install libatlas-base-dev gfortran

Tid: 1 min

7. Installera nu python 2.7 om det inte finns där. I mitt fall var det redan installerat men ändå kontrollera

$ sudo apt-get install python2.7-dev

Tid: 55 sek

8. Ladda ner nu opencv -källan och packa upp den

$ cd ~

$ wget -O opencv.zip

$ unzip opencv.zip

Tid: 1m 58 sek

9. Ladda ner opencv_contrib -förvaret

$ wget -O opencv_contrib.zip

$ unzip opencv_contrib.zip

Tid: 1m 5sek

10. Nu har opencv och opencv_contrib utökats ta bort sina zip -filer för att spara lite utrymme

$ rm opencv.zip opencv_contrib.zip

Tid: 2 sek

11. Installera nu pip

$ wget

$ sudo python get-pip.py

Tid: 50 sek

12. Installera virtualenv och virtualenvwrapper, detta gör att vi kan skapa separata, isolerade pythonmiljöer för våra framtida projekt

$ sudo pip installera virtualenv virtualenvwrapper

$ sudo rm -rf ~/.cache/pip

Tid: 30 sek

13. Efter installationen, öppna ~/.profile

$ nano ~/.profil

och lägg till dessa rader längst ner i filen

# virtualenv och virtualenvwrapper

export WORKON_HOME = $ HOME/.virtualenvs source /usr/local/bin/virtualenvwrapper.sh

Käll nu in din ~/.profil för att ladda om ändringarna

$ source ~/.profile

Tid: 20 sek

14. Skapa nu en virtuell python -env som heter cv

$ mkvirtualenv cv

Tid: 10sek

15. Nästa steg är att installera numpy. Detta tar minst en halvtimme så att du kan ta lite kaffe och smörgåsar

$ pip installera numpy

Tid: 36m

16. Kompilera och installera nu opencv och se till att du befinner dig i cv virtuell miljö med hjälp av det här kommandot

$ workon cv

och sedan konfigurera uppbyggnaden med Cmake

$ cd ~/opencv-3.0.0/

$ mkdir build $ cd build $ cmake -D CMAKE_BUILD_TYPE = RELEASE / -D CMAKE_INSTALL_PREFIX =/usr/local / -D INSTALL_C_EXAMPLES = ON / -D INSTALL_PYTHON_EXAMPLES = ON / -D OPENCV_EXTRA_MOD = D BUILD_EXAMPLES = PÅ -D ENABLE_PRECOMPILED_HEADERS = AV..

Tid: 5 minuter

17. Nu är build konfigurerat, kör make för att starta kompileringsprocessen. Detta kommer att ta ett tag så att du kan låta det gå över natten

$ gör

I mitt fall kastade "make" mig ett fel som var relaterat till ffpmeg. Efter mycket sökning hittade jag lösningen. Gå till mappen opencv 3.0 och sedan moduler och sedan in i videoio gå till src och ersätt cap_ffpmeg_impl.hpp med den här filen

github.com/opencv/opencv/blob/f88e9a748a37e5df00912524e590fb295e7dab70/modules/videoio/src/cap_ffmpeg_impl.hpp och kör make igen

Tid: 13 timmar

Om det är kompilerat utan fel, installera det på hallon pi med:

$ sudo gör installationen

$ sudo ldconfig

Tid: 2 min 30 sek

18. Efter att ha slutfört steg 17 bör dina opencv-bindningar finnas i /usr/local/lib/python-2.7/site-packages. Verifiera detta med hjälp av detta

$ ls -l /usr/local/lib/python2.7/site-packages

totalt 1549 -rw-r-r-- 1 rotstab 1677024 3 december 09:44 cv2.so

19. Det enda som återstår är att sym-länka cv2.so-filen till platspaketkatalogen för cv-miljön

$ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/

$ ln -s /usr/local/lib/python2.7/site-packages/cv2.so cv2.so

20. Verifiera din opencv -installation med:

$ workon cv

$ python >>> importera cv2 >>> cv2._ version_ '3.0.0' >>>

Steg 3: Ansikts- och ögondetektering

Låt oss nu prova ansiktsigenkänning

Det första du ska göra är att aktivera kameran genom att använda:

$ sudo raspi-config

Detta kommer att visa en konfigurationsskärm. Använd piltangenterna för att rulla ner till Alternativ 5: Aktivera kamera, tryck på Enter -knappen för att aktivera kameran och pil sedan ner till knappen Slutför och tryck på Enter igen. Slutligen måste du starta om din Raspberry Pi för att konfigurationen ska påverkas.

Installera nu picamera [array] i cv -miljö. För detta, se till att du är i cv -miljö. Om du startade om din pi, skriver du bara in igen i cv -miljö:

$ source ~/.profile

$ workon cv

Installera nu pi -kameran

$ pip installera "picamera [array]"

Kör face-detection-test.py bu med:

python face-detection-test.py

Om det ger något fel skriver du bara det här kommandot innan du kör script

sudo modprobe bcm2835-v4l2

Nu är du bra att gå för ansiktsigenkänning. Försök och dela dina resultat

Skål!