Ανίχνευση προσώπου και ματιών με Raspberry Pi Zero και Opencv: 3 βήματα

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:38

Σε αυτό το διδακτικό θα δείξω πώς μπορείτε να ανιχνεύσετε πρόσωπο και μάτι χρησιμοποιώντας βατόμουρο pi και opencv. Αυτό είναι το πρώτο μου εκπαιδευτικό σε opencv. Ακολούθησα πολλά σεμινάρια για τη δημιουργία ανοικτού βιογραφικού σε βατόμουρο, αλλά κάθε φορά χτυπούσα με κάποια λάθη. Ούτως ή άλλως έλυσα αυτά τα σφάλματα και σκέφτηκα να γράψω διδακτικό, έτσι ώστε όλοι οι άλλοι να μπορούν να το εγκαταστήσουν χωρίς καμία δυσκολία

Απαιτούμενα πράγματα:

1. Βατόμουρο πι μηδέν

2. Κάρτα SD

3. Ενότητα κάμερας

Αυτή η διαδικασία εγκατάστασης θα διαρκέσει περισσότερο από 13 ώρες, οπότε προγραμματίστε την εγκατάσταση ανάλογα

Βήμα 1: Κατεβάστε και εγκαταστήστε το Raspbian Image

Κατεβάστε το raspbian stretch με εικόνα επιφάνειας εργασίας από τον ιστότοπο raspberry pi

www.raspberrypi.org/downloads/raspbian

Στη συνέχεια, τοποθετήστε την κάρτα μνήμης στο φορητό υπολογιστή σας και κάψτε την raspbian εικόνα χρησιμοποιώντας το εργαλείο etcher

Κατεβάστε το ethcher από εδώ

Αφού κάψετε την εικόνα, συνδέστε την κάρτα μνήμης στο raspberry pi και ενεργοποιήστε το βατόμουρο

Βήμα 2: Ρύθμιση του Opencv

Μετά τη διαδικασία εκκίνησης ανοίξτε το τερματικό και ακολουθήστε τα βήματα για να εγκαταστήσετε το opencv και να ρυθμίσετε το εικονικό περιβάλλον για το opencv

Βήματα:

1. Κάθε φορά που ξεκινάτε οποιαδήποτε νέα εγκατάσταση είναι καλύτερο να αναβαθμίζετε τα υπάρχοντα πακέτα

$ sudo apt-get ενημέρωση

$ sudo apt-get αναβάθμιση

Χρόνος: 2μ 30 δευτ

2. Στη συνέχεια, εγκαταστήστε εργαλεία προγραμματιστή

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

Χρόνος: 50 δευτερόλεπτα

3. Πιάστε τώρα τα απαραίτητα πακέτα εισόδου/εξόδου εικόνας

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

Χρόνος: 37 δευτερόλεπτα

4. Πακέτα εισόδου/εξόδου βίντεο

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

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

Χρόνος: 36 δευτερόλεπτα

5. Εγκαταστήστε την ανάπτυξη GTK

$ sudo apt-get install libgtk2.0-dev

Χρόνος: 2μ 57 δευτ

6. Πακέτα βελτιστοποίησης

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

Χρόνος: 1 λεπτό

7. Τώρα εγκαταστήστε το python 2.7 αν δεν είναι εκεί. Στην περίπτωσή μου ήταν ήδη εγκατεστημένο, αλλά ακόμα ελέγξτε

$ sudo apt-get install python2.7-dev

Χρόνος: 55 δευτερόλεπτα

8. Τώρα κατεβάστε την πηγή opencv και αποσυμπιέστε την

$ cd

$ wget -O opencv.zip

$ unzip opencv.zip

Χρόνος: 1μ 58 δευτ

9. Λήψη του αποθετηρίου opencv_contrib

$ wget -O opencv_contrib.zip

$ unzip opencv_contrib.zip

Χρόνος: 1μ 5 δευτερόλεπτα

10. Τώρα τα opencv και opencv_contrib έχουν επεκταθεί διαγράψτε τα αρχεία zip για να εξοικονομήσετε χώρο

$ rm opencv.zip opencv_contrib.zip

Χρόνος: 2 δευτερόλεπτα

11. Τώρα εγκαταστήστε το pip

$ wget

$ sudo python get-pip.py

Χρόνος: 50 δευτερόλεπτα

12. Εγκαταστήστε virtualenv και virtualenvwrapper, αυτό θα μας επιτρέψει να δημιουργήσουμε ξεχωριστά, απομονωμένα περιβάλλοντα python για τα μελλοντικά μας έργα

$ sudo pip install virtualenv virtualenvwrapper

$ sudo rm -rf ~/.cache/pip

Χρόνος: 30 δευτερόλεπτα

13. Μετά από αυτήν την εγκατάσταση, ανοίξτε το of/.προφίλ

$ nano ~/.προφίλ

και προσθέστε αυτές τις γραμμές στο κάτω μέρος του αρχείου

# virtualenv και virtualenvwrapper

εξαγωγή WORKON_HOME = $ HOME/.virtualenvs πηγή /usr/local/bin/virtualenvwrapper.sh

Τώρα προμηθευτείτε το ~/.προφίλ σας για να φορτώσετε ξανά τις αλλαγές

$ source ~/.προφίλ

Χρόνος: 20 δευτερόλεπτα

14. Τώρα δημιουργήστε ένα python virtual env με όνομα cv

cv $ mkvirtualenv

Χρόνος: 10 δευτερόλεπτα

15. Επόμενο βήμα είναι η εγκατάσταση του numpy. Αυτό θα διαρκέσει τουλάχιστον μισή ώρα, ώστε να μπορείτε να πιείτε καφέ και σάντουιτς

$ pip install numpy

Χρόνος: 36μ

16. Τώρα μεταγλωττίστε και εγκαταστήστε το opencv και βεβαιωθείτε ότι βρίσκεστε σε εικονικό περιβάλλον cv χρησιμοποιώντας αυτήν την εντολή

βιογραφικό $ workon

και στη συνέχεια ρυθμίστε την κατασκευή χρησιμοποιώντας το 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_OC_PC D BUILD_EXAMPLES = ON -D ENABLE_PRECOMPILED_HEADERS = OFF..

Χρόνος: 5 λεπτά

17. Τώρα είναι εγκατεστημένο το build, εκτελέστε make για να ξεκινήσετε τη διαδικασία μεταγλώττισης. Αυτό θα διαρκέσει λίγο, ώστε να μπορέσετε να το αφήσετε να τρέξει όλη τη νύχτα

$ make

Στην περίπτωσή μου, το "make" μου έριξε ένα σφάλμα που σχετίζεται με το ffpmeg. Μετά από πολύ ψάξιμο βρήκα τη λύση. Μεταβείτε στο φάκελο opencv 3.0 και έπειτα στο modules και μετά στο videoio μεταβείτε στο src και αντικαταστήστε το cap_ffpmeg_impl.hpp με αυτό το αρχείο

github.com/opencv/opencv/blob/f88e9a748a37e5df00912524e590fb295e7dab70/modules/videoio/src/cap_ffmpeg_impl.hpp και τρέξτε make make again

Χρόνος: 13 ώρες

Εάν έχει μεταγλωττιστεί χωρίς κανένα σφάλμα, εγκαταστήστε το στο raspberry pi χρησιμοποιώντας:

$ sudo make install

$ sudo ldconfig

Χρόνος: 2 λεπτά 30 δευτερόλεπτα

18. Αφού ολοκληρώσετε το βήμα 17, οι δεσμεύσεις opencv θα πρέπει να βρίσκονται σε /usr/local/lib/python-2.7/site-packages. Επαληθεύστε αυτό χρησιμοποιώντας αυτό

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

σύνολο 1549 -rw-r-r-- 1 ριζικό προσωπικό 1677024 Δεκ 3 09:44 cv2.so

19. Τώρα το μόνο που απομένει είναι να συνδέσουμε sym το αρχείο cv2.so στον κατάλογο πακέτων τοποθεσιών του περιβάλλοντος cv

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

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

20. Επαληθεύστε την εγκατάσταση opencv χρησιμοποιώντας:

βιογραφικό $ workon

$ python >>> εισαγωγή cv2 >>> cv2._ έκδοση_ '3.0.0' >>>

Βήμα 3: Ανίχνευση προσώπου και ματιών

Τώρα ας δοκιμάσουμε την ανίχνευση προσώπου

Το πρώτο πράγμα που πρέπει να κάνετε είναι να ενεργοποιήσετε την κάμερα χρησιμοποιώντας:

$ sudo raspi-config

Αυτό θα εμφανίσει μια οθόνη διαμόρφωσης. Χρησιμοποιήστε τα πλήκτρα βέλους για να μετακινηθείτε προς τα κάτω στην Επιλογή 5: Ενεργοποίηση κάμερας, πατήστε το πλήκτρο εισαγωγής για να ενεργοποιήσετε την κάμερα και, στη συνέχεια, βέλος προς τα κάτω στο κουμπί Τέλος και πατήστε enter ξανά. Τέλος, θα χρειαστεί να κάνετε επανεκκίνηση του Raspberry Pi για να επηρεαστεί η διαμόρφωση.

Τώρα εγκαταστήστε το picamera [array] σε περιβάλλον βιογραφικού. Για αυτό βεβαιωθείτε ότι βρίσκεστε σε περιβάλλον βιογραφικού. Εάν επανεκκινήσατε το pi σας, για να εισαγάγετε ξανά σε περιβάλλον βιογραφικού πληκτρολογήστε:

$ πηγή ~/.προφίλ

βιογραφικό $ workon

Τώρα εγκαταστήστε την κάμερα pi

$ pip install "picamera [array]"

Εκτελέστε το face-detection-test.py bu χρησιμοποιώντας:

python face-detection-test.py

Εάν εμφανιστεί οποιοδήποτε σφάλμα, πληκτρολογήστε αυτήν την εντολή πριν εκτελέσετε το σενάριο

sudo modprobe bcm2835-v4l2

Τώρα είναι καλό να πάτε για ανίχνευση προσώπου. Δοκιμάστε και μοιραστείτε τα αποτελέσματά σας

Στην υγειά σας!