前置安装
我的树莓派是3b，就1G内存，系统为stretch版本，自带的python为3.5版本强烈建议在烧写树莓派系统时就直接用buster版本，自带的python版本在3.7及以上
Windows下直接使用PyCharm安装python-opencv，python-opencv-contrib，pyqt5，pyqt5-tools
树莓派下编译安装OpenCV：十分困难，可能要编译4-5小时
树莓派上python3已经可以直接使用pip包管理来直接安装OpenCV
sudo apt-get updatesudo apt-get upgradesudo apt-get install libhdf5-dev libhdf5-serial-devsudo apt-get install libqtgui4 libqtwebkit4 libqt4-test python3-pyqt5sudo apt-get install libatlas-base-devsudo apt-get install libjasper-dev
sudo pip3 install --no-cache-dir opencv-contrib-python==3.4.3.18
检测是否安装成功：
python3 test.pyimport cv2print(cv2.__version__)
这里我们直接在Windows使用PyCharm写代码，然后通过FileZilla传输到树莓派运行
静态图片检测
灰度化
度化处理就是将一幅彩色图像转化为灰度图像的过程
当R=G=B=255时，灰度值达到最高，显示为白色，反之则显示为黑色。
图像灰度化的目的是为了简化矩阵
彩色图像中的每个像素颜色由R、G、B三个分量来决定，而每个分量的取值范围都在0-255之间，这样对计算机来说，彩色图像的一个像素点就会有16777216种颜色的变化范围
而灰度图像是R、G、B分量相同的一种特殊彩色图像，对计算机来说，一个像素点的变化范围只有0-255这256种
使用到的特征分类器
Haar特征分类器，其实就是一个XML文件，用于描述人体各个部位的Haar特征值(眼睛，嘴唇等)
引用一个博客的说法：(42条消息) 机器学习 之 Haar特征_苏的专栏-CSDN博客
Haar特征是一种反映图像的灰度变化的，像素分模块求差值的一种特征。它分为三类：边缘特征、线性特征、中心特征和对角线特征。用黑白两种矩形框组合成特征模板，在特征模板内用 黑色矩形像素和 减去 白色矩形像素和来表示这个模版的特征值。例如：脸部的一些特征能由矩形模块差值特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述在特定方向(水平、垂直、对角)上有明显像素模块梯度变化的图像结构。
在安装目录可以找到分类器文件，从文件名就能大致看出其功能
#detectMultiScale函数可以检测处图片中的所有人脸 ( 识别图像中的人脸，返回所有人脸的矩形框向量组 )#且可以使用向量(vector)将所有人脸的坐标大小(矩形表示)保存# scaleFactor 为了检测到不同大小的目标，通过scalefactor参数把图像长宽同时按照一定比例(默认1.1)逐步缩小，# 然后检测，这个参数设置的越大，计算速度越快，但可能会错过了某个大小的人脸。# minNeighbors 构成检测目标的相邻矩形的最小个数，默认值是3faces = haar_face_cascade.detectMultiScale(gray_img, scaleFactor=1.1,minNeighbors=3)
cv2.rectangle(image, start_point, end_point, color, thickness)image:它是要在其上绘制矩形的图像。start_point：它是矩形的起始坐标。坐标表示为两个值的元组，即(X坐标值，Y坐标值)。end_point：它是矩形的结束坐标。坐标表示为两个值的元组，即(X坐标值ÿ坐标值)。color:它是要绘制的矩形的边界线的颜色。对于BGR，我们通过一个元组。例如：(255，0，0)为蓝色。thickness:它是矩形边框线的粗细像素。厚度-1像素将以指定的颜色填充矩形形状
静态检测代码
import cv2import numpy as npdef dection(imagepath):image = cv2.imread(imagepath,cv2.IMREAD_COLOR) #读取图片gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#图像灰度化，用于简化矩阵运算face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') # xml来源于资源文件。faces = face_cascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=1)for (x , y, w, h) in faces:image = cv2.rectangle(image, (x, y) , (x+w , y+h) , (0,0,255) , 2)cv2.namedWindow('face')cv2.imshow('face',image)cv2.waitKey(0) #等待退出键cv2.destroyAllWindows()dection('img2.jpg')
用摄像头做检测(此时仍然是简单的检测，并非识别,大抵上只是将图像源换为了摄像头的图像帧)
.pgm格式
Portable Gray Map
灰度图像格式中一种最简单的格式标准。另外两种与之相近的图片格式是PBM和PPM。它们分别相应着黑白图像和彩色图像
camera.read()函数
read()函数返回一个bool类型，表示帧的读取的正确与否(可以用来检查视频文件是否到达结尾)
(read之前可以使用isOpened()来检测是否成功初始化摄像头)
如果初始化false，则使用open()
read():
参数ret 为True 或者False,代表有没有读取到图片 第二个参数frame表示截取到一帧的图片
用一个死循环一直读取摄像头帧,每读到一帧就检测一次
import cv2import numpy as npdef det(image):gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")faces = face_detector.detectMultiScale(gray, 1.2, 6)for x, y, w, h in faces:cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)cv2.imshow("result", image)#视频检测人脸def video_detc():camera = cv2.VideoCapture(1)#打开摄像头(插入usb摄像头后，0为笔记本摄像头，1为usb摄像头)while(True):ret, frame = camera.read()frame = cv2.flip(frame, 1)#设置个镜像(好看一点)det(frame)c = cv2.waitKey(10)if c == 27: # ESCbreakvideo_detc()
人脸识别数据集的录入
使用pgm格式存储
让用户自己输入id(用于修改文件名，区分不同人的数据集)
例如某一个人录入的pgm文件名全为：User_1.pam,1即为用户输入的id
#一个id(一个人)录入50-100张图片，这里选了100张(可能在检测的时候精度更高)#并且保存为pgm格式#需要去手动设置你的人脸id值import cv2import osdef input_face_data():camera = cv2.VideoCapture(1)#使用默认大小face_detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")id = input("请输入id,并回车:")print("请正视摄像头，多做几个表情")pic_count = 0 #记录有多少pgm文件while(True):ret,frame = camera.read()frame = cv2.flip(frame, 1) # 设置个镜像(好看一点)gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = face_detector.detectMultiScale(gray, 1.2, 6)for (x,y,w,h) in faces:pic_count+=1cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)cv2.imwrite("D:\\py_study\\facedetection\\dataset\\User_"+str(id)+"_"+str(pic_count)+".pgm",gray[y:y+h,x:x+w])cv2.imshow('image', frame)print("录入第"+str(pic_count)+"张结束")k = cv2.waitKey(100) & 0xff # Press 'ESC' for exiting videoc = cv2.waitKey(10)if c == 27: # ESCbreakelif pic_count>=100:print("结束录入数据集")breakinput_face_data()
