基于树莓派的远程监控+人脸检测

在这里插入代码片

正文
今天的一切都是在:

图中的camera_opencv.py中进行操作的，
首先，还是直接贴代码吧，果然我不适合bb：

import cv2
from base_camera import BaseCamera
import numpy as np
import os
import time
class Camera(BaseCamera):
    video_source = 0
    @staticmethod
    def set_video_source(source):
        Camera.video_source = source
    @staticmethod
    def frames():
        camera = cv2.VideoCapture(Camera.video_source)
        '''
	加载模型
        此处的路径需要设置为你自己机器上haarcascade_frontalface_alt2.xml的所在位置
        '''
        face=cv2.CascadeClassifier(r'C:\ProgramData\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml')
        camera.set(3,160)
        camera.set(4,160)
        avg = None
        def nothing(x):
            pass
        if not camera.isOpened():
            raise RuntimeError('Could not start camera.')
        while True:
            # read current frame
            _, img = camera.read()
            frame=cv2.flip(frame,1)
            ‘’‘
            一般摄像头得到的彩色图片都是BGR的图片，其实也没什么，就是直接观看的话稍显鬼畜，可以通过cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)转换为RGB图像，这里直接转换为灰度图            ’‘’
    	    gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)#BGR转换为灰度图像
    	    faces=face.detectMultiScale(gray,1.3,5)#参数可调，这里只是一个粗略参数，详情百度
            for (x,y,w,h) in faces:
                cropped=frame[y:y+h,x:x+w]
                cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2,cv2.LINE_AA)	
	    yield cv2.imencode('.jpg', img)[1].tobytes()

好了，上面就是一个最简单的远程监控+人脸检测代码了，上文利用的是opencv自带的几种人脸检测模型，可能精度会差强人意，但是简单，哈哈哈，其他复杂一点且准确率较高的也有，比如说mtcnn,dlib,以及face_recognition等，识别的准确率都是比较高的，也是可以直接使用的，至于训练自己的数据集的话，有一定的难度，但是也可以训练，或者直接用训练好的模型也可以，要加上远程监控，只需要把camera_opencv.py中相应部分改变即可，笔者这里就不一一赘述了(其实是懒的,哈哈哈哈，本来是打算写的…)，好吧，最后祝大家学习生活愉快，如果觉得有帮助的话，还请点个赞。谢谢大家