基于树莓派的远程监控+人脸检测
基于树莓派的远程监控+人脸检测
嗯，有一段时间没用写博客了，主要原因还是自己太菜，哈哈哈，没什么值得分享的…
那好，闲话少说，今天要写的这个呢，其实老早之前就做出来了，只是最近刚好又用到，然后觉得挺有意思的，就分享一下
好吧，先来说说首先需要用到的东西:
1.opencv库，笔者用的是opencv-3.4.1安装的话可以照着这个来–>树莓派opencv3.4.1+contrib安装(其他的linux系统也可以)
2.你还需要上一篇文章的知识,hahah ,连接如右—>树莓派远程监控+运动目标检测
好了，那么我现在假设你已经安装好了opencv，并且照着我上一篇的文章走了一遍了，并且没有错误了，嗯…
并且假设你已经对上一篇文章熟悉了，嗯嗯嗯，并且你已经实现了树莓派远程监控与运动目标识别了，好的…接下来就是正题了…
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