تشخیص صورت و چشم با Raspberry Pi Zero و Opencv: 3 مرحله

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:57

در این دستورالعمل نشان خواهم داد که چگونه می توانید صورت و چشم را با استفاده از تمشک pi و opencv تشخیص دهید. این اولین آموزش من در opencv است. من آموزش های زیادی را برای تنظیم رزومه باز در تمشک دنبال کردم ، اما هر بار با برخی خطاها برخورد می کردم. به هر حال من این خطاها را حل کردم و فکر کردم که بنویسم قابل آموزش به طوری که بقیه بتوانند بدون هیچ مشکلی آن را نصب کنند

موارد مورد نیاز:

1. تمشک پی صفر

2. کارت SD

3. ماژول دوربین

این فرآیند نصب بیش از 13 ساعت طول خواهد کشید ، بنابراین نصب را مطابق آن برنامه ریزی کنید

مرحله 1: Downlaod و Raspbian Image را نصب کنید

raspbian stretch با تصویر دسکتاپ را از وب سایت raspberry pi بارگیری کنید

www.raspberrypi.org/downloads/raspbian

سپس کارت حافظه را در لپ تاپ خود وارد کرده و تصویر raspbian را با استفاده از ابزار etcher رایت کنید

ethcher را از اینجا بارگیری کنید

پس از سوزاندن تصویر ، کارت حافظه را به تمشک pi خود وصل کرده و تمشک را فعال کنید

مرحله 2: راه اندازی Opencv

پس از راه اندازی ترمینال را باز کنید و مراحل نصب opencv و راه اندازی محیط مجازی برای opencv را دنبال کنید

مراحل:

1. هر زمان که نصب جدیدی را شروع می کنید ، بهتر است بسته های موجود را ارتقا دهید

$ sudo apt-get update

$ sudo apt-get upgrade

زمان: 2 متر 30 ثانیه

2. سپس ابزارهای توسعه دهنده را نصب کنید

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

زمان: 50 ثانیه

3. حالا بسته های ورودی/خروجی تصویر لازم را بگیرید

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

زمان: 37 ثانیه

4. بسته های ورودی/خروجی ویدئو

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

$ sudo apt-get libxvidcore-dev libx264-dev را نصب کنید

زمان: 36 ثانیه

5. توسعه GTK را نصب کنید

$ sudo apt-get install libgtk2.0-dev

زمان: 2 متر 57 ثانیه

6. بسته های بهینه سازی

$ sudo apt-get libatlas-base-dev gfortran را نصب کنید

زمان: 1 دقیقه

7. در صورت نبود python 2.7 نصب کنید. در مورد من قبلاً نصب شده بود اما هنوز بررسی می شود

$ sudo apt-get python2.7-dev را نصب کنید

زمان: 55 ثانیه

8. اکنون منبع opencv را بارگیری کرده و از حالت فشرده خارج کنید

$ cd

$ wget -O opencv.zip

$ unzip opencv.zip

زمان: 1 متر 58 ثانیه

9. بارگیری مخزن opencv_contrib

$ wget -O opencv_contrib.zip

$ unzip opencv_contrib.zip

زمان: 1 متر 5 ثانیه

10. در حال حاضر opencv و opencv_contrib گسترش یافته اند فایل های zip خود را حذف کنید تا کمی فضا ذخیره کنید

$ rm opencv.zip opencv_contrib.zip

زمان: 2 ثانیه

11. اکنون pip را نصب کنید

$ wget

$ sudo python get-pip.py

زمان: 50 ثانیه

12. virtualenv و virtualenvwrapper را نصب کنید ، این به ما امکان می دهد محیط های جداگانه و جداگانه پایتون را برای پروژه های آینده خود ایجاد کنیم

$ sudo pip install virtualenv virtualenvwrapper

$ sudo rm -rf ~/. cache/pip

زمان: 30 ثانیه

13. پس از نصب ، پروفایل ~/. را باز کنید

$ nano ~/. پروفایل

و این خطوط را به انتهای فایل اضافه کنید

# virtualenv و virtualenvwrapper

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

اکنون پروفایل ~/. خود را برای بارگذاری مجدد تغییرات منبع کنید

$ source ~/. پروفایل

زمان: 20 ثانیه

14. اکنون یک محیط مجازی پایتون با نام cv ایجاد کنید

cv $ mkvirtualenv

زمان: 10 ثانیه

15. مرحله بعدی نصب numpy است. این کار حداقل نیم ساعت طول می کشد تا بتوانید قهوه و ساندویچ بخورید

$ pip install numpy

زمان: 36 متر

16. اکنون opencv را کامپایل و نصب کنید و با استفاده از این دستور مطمئن شوید که در محیط مجازی cv هستید

رزومه $ workon

و سپس بیلد را با استفاده از Cmake راه اندازی کنید

$ 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 = خاموش..

زمان: 5 دقیقه

17. اکنون build راه اندازی شده است ، make را اجرا کنید تا فرایند کامپایل شروع شود. این کار مدتی طول می کشد تا بتوانید اجازه دهید این کار یک شبه اجرا شود

$ make

در مورد من "make" یک خطا به من داد که مربوط به ffpmeg بود. بعد از کلی جستجو راه حل را پیدا کردم. به پوشه opencv 3.0 و سپس ماژول ها و سپس داخل videoio به src بروید و cap_ffpmeg_impl.hpp را با این فایل جایگزین کنید

github.com/opencv/opencv/blob/f88e9a748a37e5df00912524e590fb295e7dab70/modules/videoio/src/cap_ffmpeg_impl.hpp و دوباره اجرا کنید

زمان: 13 ساعت

اگر بدون خطا کامپایل شده است ، آن را روی raspberry pi با استفاده از موارد زیر نصب کنید:

$ sudo make install

$ sudo ldconfig

زمان: 2 دقیقه 30 ثانیه

18. پس از اتمام مرحله 17 پیوندهای opencv شما باید در /usr/local/lib/python-2.7/site-packages باشد. با استفاده از این مورد را تأیید کنید

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

مجموع 1549 -rw-r-r-- 1 کارمند ریشه 1677024 3 دسامبر 09:44 cv2.so

19. در حال حاضر تنها چیزی که باقی می ماند این است که فایل cv2.so را به فهرست سایت-بسته های محیط cv پیوند دهید

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

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

20. نصب opencv خود را با استفاده از:

رزومه $ workon

$ python >>> واردات cv2 >>> cv2._ نسخه_ '3.0.0' >>>

مرحله 3: تشخیص صورت و چشم

حالا بیایید تشخیص چهره را امتحان کنیم

اولین کاری که باید انجام دهید فعال کردن دوربین با استفاده از موارد زیر است:

$ sudo raspi-config

این یک صفحه پیکربندی را نشان می دهد. از کلیدهای جهت دار خود برای پایین رفتن به گزینه 5 استفاده کنید: دوربین را فعال کنید ، کلید ورود خود را فشار دهید تا دوربین فعال شود ، و سپس با پیکان به پایین دکمه پایان و دوباره Enter را فشار دهید. در نهایت ، شما باید Raspberry Pi خود را مجدداً راه اندازی کنید تا پیکربندی تأثیر بگذارد.

حالا picamera [array] را در محیط cv نصب کنید. برای این کار مطمئن شوید که در محیط CV هستید. اگر pi خود را مجدداً راه اندازی کردید ، برای وارد شدن مجدد در محیط cv فقط تایپ کنید:

$ source ~/. پروفایل

رزومه $ workon

حالا دوربین pi را نصب کنید

$ pip install "picamera [array]"

اجرای face-detection-test.py bu را با استفاده از:

python face-detection-test.py

اگر خطایی ایجاد کرد ، فقط قبل از اجرای اسکریپت این دستور را تایپ کنید

sudo modprobe bcm2835-v4l2

حالا خوب است به سراغ تشخیص چهره بروید. سعی کنید نتایج خود را به اشتراک بگذارید

به سلامتی!