2020系统综合实践 第7次实践作业

（1） 在树莓派中安装opencv库

参考教程：关于opencv的编译安装，可以参考 Raspbian Stretch: Install OpenCV 3 + Python on your Raspberry Pi

python2的opencv上节课就配置完毕

接下来配置python3的opencv

• 安装numpy(树莓派python3自带)

  sudo pip3 install numpy

• 扩大TF卡的空间(上次实验做过)

  sudo raspi-config

• 开始为OpenCV安装做准备，配置所需的库（一次一行）

  sudo apt-get install build-essential git cmake pkg-config -y
  sudo apt-get install libjpeg8-dev -y
  sudo apt-get install libtiff5-dev -y
  sudo apt-get install libjasper-dev -y
  sudo apt-get install libpng12-dev -y
  sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev -y
  sudo apt-get install libgtk2.0-dev -y
  sudo apt-get install libatlas-base-dev gfortran -y
  

  下载Opencv3.3.0

  wget https://github.com/Itseez/opencv/archive/3.3.0.zip
  wget https://github.com/Itseez/opencv_contrib/archive/3.3.0.zip
  

  解压后在opencv-3.3.0文件夹里创建build文件夹，然后在命令行里

  面cd到此文件夹

  cd opencv-3.4.0
  mkdir build
  cd build
  

• 开始cmake

  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_MODULES_PATH=/home/pi/opencv/opencv_contrib-3.3.0/modules  \
  -D BUILD_EXAMPLES=ON \
  -D WITH_LIBV4L=ON \
  -D PYTHON3_EXECUTABLE=/usr/bin/python3.7 \
  -D PYTHON_INCLUDE_DIR=/usr/include/python3.7 \
  -D PYTHON_LIBRARY=/usr/lib/arm-linux-gnueabihf/libpython3.7m.so \
  -D PYTHON3_NUMPY_INCLUDE_DIRS=/usr/lib/python3/dist-packages/numpy/core/include \
  ..
  

• 开始编译

  make && sudo make install
  

• 出错
  
  装了这么久失败了，一怒之下直接pip3 install opencv-python
  成功！

（2） 使用opencv和python控制树莓派的摄像头

参考教程：还是可以参考Accessing the Raspberry Pi Camera with OpenCV and Python

跑通教程的示例代码（有可能要调整里面的参数）

• 下面这个是第6次实验中我已经完成过了的

  通过摄像头实时拍摄查看视频

  #opencvtest.py
  import cv2
  import datetime
  cap = cv2.VideoCapture(0)
  print(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
  print(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
  #cap.set(3, 3000)
  #cap.set(4, 3000)
  #print(cap.get(3))
  #print(cap.get(4))
  while(cap.isOpened()):
      ret, frame = cap.read()
      if ret == True:
  
         font = cv2.FONT_HERSHEY_SIMPLEX
         text = 'Width: '+ str(cap.get(3)) + ' Height:' + str(cap.get(4))
         datet = str(datetime.datetime.now())
         frame = cv2.putText(frame, text, (10, 50), font, 1,
                             (255, 255, 255), 2, cv2.LINE_AA)
         frame = cv2.putText(frame, datet, (10, 100), font, 1,
                             (255, 255, 255), 2, cv2.LINE_AA)
         cv2.imshow('frame', frame)
  
         if cv2.waitKey(1) & 0xFF == ord('q'):
           break
      else:
          break
  
  cap.release()
  cv2.destroyAllWindows()
  

  
  

（3） 利用树莓派的摄像头实现人脸识别

• 参考资料------树莓派实现简单的人脸识别

• 安装face_recognition库的命令。

pip install dlib
pip install face_recognition

• 安装dlib的速度还好，但是安装face_recognition一直超时，因为国内的源没有对应的.whl文件，所以我选择了直接从网上下载进行安装，文件如下。
  
• 用xftp向树莓派传递这个文件，因为之前我们已经做了内网穿透，外网也可以连入树莓派。
  
• 安装下载好的文件。

python -m pip install face_recognition_models-0.3.0-py2.py3-none-any.whl

• 之后再次执行pip install face_recognition,就可以很快完成安装了。
  
• 如图，表明已经安装成功。
  
• 接下来进行两个测试，第一个facerec_on_raspberry_pi.py,该程序会检测人脸，如果检测到人脸会在终端显示出来，如果检测到奥巴马的人脸还会显示奥巴马的名字。这里用的是python3，因为2.7会报错，需要重新安装一些库。
  
• 第二个facerec_from_webcam_faster.py,该程序会显示摄像头实时拍摄的画面，如果检测到人脸会有一个方框显示，该程序能特别的识别出奥巴马和拜登的人脸。
  
  

（4）结合微服务的进阶任务

参考资料

树莓派 + Docker - 轻松实现人脸识别应用

①docker的安装与配置

• 安装docker
  直接使用sudo curl -sSL https://get.docker.com | sh安装docker即可

• 设置docker

# Add pi to Docker group
sudo usermod pi -aG docker

# config cgroup for Docker
echo Adding " cgroup_enable=cpuset cgroup_enable=memory" to /boot/cmdline.txt
sudo cp /boot/cmdline.txt /boot/cmdline_backup.txt
# if you encounter problems, try changing cgroup_memory=1 to cgroup_enable=memory.
orig="$(head -n1 /boot/cmdline.txt) cgroup_enable=cpuset cgroup_memory=1"
echo $orig | sudo tee /boot/cmdline.txt

sudo reboot

②facerec_on_raspberry_pi

• 下载示例镜像并开启容器

docker run -it \
--name face_recognition \
--device /dev/vchiq \
registry.cn-hangzhou.aliyuncs.com/denverdino/face_recognition \
bash

• 代码说明

  1. 其包含了face_recognition 的完整开发环境和示例应用
  2. 将摄像头设备/dev/vchiq挂载到容器内部，这样就可以让容器中的应用来拍摄照片和视频。
  3. 可以利用 docker cp 命令，向容器中拷贝文件

• 应用示例代码facerec_from_raspberry_faster.py
  在上一步中我们已经进入了容器中,现在我们进入代码存放目录
  cd face_recognition/examples/
  可以看到示例代码：

  

# This is a demo of running face recognition on a Raspberry Pi.
# This program will print out the names of anyone it recognizes to the console.

# To run this, you need a Raspberry Pi 2 (or greater) with face_recognition and
# the picamera[array] module installed.
# You can follow this installation instructions to get your RPi set up:
# https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65

import face_recognition
import picamera
import numpy as np

# Get a reference to the Raspberry Pi camera.
# If this fails, make sure you have a camera connected to the RPi and that you
# enabled your camera in raspi-config and rebooted first.
camera = picamera.PiCamera()
camera.resolution = (320, 240)
output = np.empty((240, 320, 3), dtype=np.uint8)

# Load a sample picture and learn how to recognize it.
print("Loading known face image(s)")
obama_image = face_recognition.load_image_file("obama_small.jpg")
obama_face_encoding = face_recognition.face_encodings(obama_image)[0]

# Initialize some variables
face_locations = []
face_encodings = []

while True:
    print("Capturing image.")
    # Grab a single frame of video from the RPi camera as a numpy array
    camera.capture(output, format="rgb")

    # Find all the faces and face encodings in the current frame of video
    face_locations = face_recognition.face_locations(output)
    print("Found {} faces in image.".format(len(face_locations)))
    face_encodings = face_recognition.face_encodings(output, face_locations)

    # Loop over each face found in the frame to see if it's someone we know.
    for face_encoding in face_encodings:
        # See if the face is a match for the known face(s)
        match = face_recognition.compare_faces([obama_face_encoding], face_encoding)
        name = ""

        if match[0]:
            name = "Barack Obama"

        print("I see someone named {}!".format(name))

• 运行python3 facerec_on_raspberry_pi.py
  结果：
  

③facerec_from_webcam_faster

• 应用示例代码facerec_from_webcam_faster.py
  令人很窒息的是，face_recognition并没有安装opencv，而安装opencv实在是太麻烦了，so...只能去都出docker hub上看看有没有现成的，但是没有真正满足需求的，最后找到了一个有opencv的镜像
  

  • 权限分配

  # 允许所有用户访问显示接口,在树莓派拥有者端操作比较方便
  xhost +
  

  • 创建容器

  docker run -it --rm \ # 可交互，用完即删
   --device=/dev/video0 \ # 摄像头
   -e DISPLAY=unix$DISPLAY \ # 修改环境变量DISPLAY
   -v /tmp/.X11-unix:/tmp/.X11-unix \ # 共享本地unix端口
   -v /home/pi/Desktop/face-recognition:/face-recognition \ # 挂载目录
   demosense/raspberrypi3-opencv \
   bash
  

  • 安装依赖

  pip install picamera dlib face_recognition numpy
  apt install x11-xserver-utils
  

  • 测试代码python facerec_from_webcam_faster.py
    

  上一步的facerec_from_raspberry_faster.py用例也可以实现
  

（4）小组协作

学号	姓名	任务
081700209	林郁昊	docker环境的搭建与实现
111700312	胡浩楠	树莓派下的人脸识别
031701129	黄宇航	树莓派的环境搭建

说明：所列为主要负责任务，其实各个部分大家都有一定的参与度，遇到问题一起查资料解决

---

协作主要以qq群沟通为主，因为大家都能够通过内网穿透操作树莓派

协作照片:

---

遇到的问题

• 在下载安装opencv、face_recognition依赖时总是出错
  解决方案：使用xshell和xftp工具，先在windows上下载好文件，在远端上传到树莓派上（还好之前把内网穿透弄好了，使得三人都能远端登录树莓派

教程：使用Xshell+Xftp连接树莓派

• 在运行facerec_on_raspberry_pi.py程序时，会报错。
  
  解决方案：因为之前用的是python2.7，有些函数没有，换成python3就可以正常运行。为此又把face_recognition重新在py3上安装一遍。