無錫職業(yè)技術(shù)學(xué)院內(nèi)部資料基于樹莓派的智能設(shè)備開發(fā)1.人臉檢測

CONTENTSPAGE目錄頁1介紹算法與思路編程與實現(xiàn)24目錄實驗組件3模塊一

介紹TRANSITIONPAGE過渡頁人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術(shù)，也是計算機視覺重點發(fā)展的技術(shù)。人臉檢測是人臉識別的前提，是在一幅畫面中找出人臉的位置。檢測人臉的算法比較復(fù)雜，但OpenCV已經(jīng)將這些算法封裝好，今天我們使用OpenCV自帶的功能進行人臉檢測。模塊一介紹最常見的人臉檢測方式是使用Haar級聯(lián)分類器，OpenCV提供了一些已經(jīng)訓(xùn)練好的級聯(lián)分類器，我們可以從其網(wǎng)站上進行下載，或者從github上下載模塊一介紹*模塊二

算法與思路TRANSITIONPAGE過渡頁OpenCV實現(xiàn)人臉檢測需要進行兩步操作：加載級聯(lián)分類器和使用分類器識別圖像。這兩步操作OpenCV都提供了相應(yīng)的方法。首先是加載級聯(lián)分類器，OpenCV通過CascadeClassifier()方法創(chuàng)建了分類器對象，其語法如下：<object>=cv2.CascadeClassifier(filename)參數(shù)：filename：級聯(lián)分類器的XML文件名返回值：分類器對象模塊二算法與思路然后使用已經(jīng)創(chuàng)建好的分類器對圖像進行識別，這個過程需要調(diào)用分類器對象的detectMultiScale()方法，其語法如下：objects=cascade.detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)對象說明：cascade：已有的分類器對象。參數(shù)說明：image：待分析的圖像

scaleFactor：可選參數(shù)，掃描圖像時的縮放比例。minNeighbors：可選參數(shù)，每個候選區(qū)域至少保留多少個檢測結(jié)果才可以判定為人臉。該值越大，分析的誤差越小。flags：可選參數(shù)，舊版本OpenCV的參數(shù)，建議使用默認值。minSize：可選參數(shù)，最小的目標尺寸。maxSize：可選參數(shù)，最大的目標尺寸。模塊二算法與思路然后使用已經(jīng)創(chuàng)建好的分類器對圖像進行識別，這個過程需要調(diào)用分類器對象的detectMultiScale()方法，其語法如下：objects=cascade.detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)返回值說明：objects：捕捉到的目標區(qū)域數(shù)組，數(shù)組中每一個元素都是一個目標區(qū)域，每一個目標區(qū)域都包含4個值，格式為：[左上角點橫坐標

左上角點縱坐標

區(qū)域?qū)?/p>

區(qū)域高]接下來，我們在返回值objects中遍歷，在檢測出人臉處繪制方框，標識出人臉。模塊二算法與思路*模塊三

實驗組件TRANSITIONPAGE過渡頁本次實驗需使用的組件如下：實驗設(shè)備名稱數(shù)量樹莓派主板1個電源適配器

1個USB攝像頭1個模塊二實驗組件*模塊四

編程與實現(xiàn)TRANSITIONPAGE過渡頁模塊四編程與實現(xiàn)haarcascade_frontalface_default.xml是檢測正面人臉的級聯(lián)分類器文件，加載該文件就可以創(chuàng)建出追蹤正面人臉的分類器，調(diào)用分類器對象的detectMultiScale()方法，得到的objects結(jié)果就是分析得出的人臉區(qū)域的坐標、寬和高。模塊四編程與實現(xiàn)我們編寫如下程序，實現(xiàn)正面人臉的檢測模塊四編程與實現(xiàn)下面是操作視頻：模塊四編程與實現(xiàn)相同類型的實驗項目，還有人眼檢測、車牌檢測、人體檢測、眼鏡檢測、貓臉檢測、笑容檢測等，均可使用上述程序，通過加載不同的分類器文件實現(xiàn)。舉一反三：模塊四編程與實現(xiàn)

進階與思考：如何使用樹莓派制作一個人臉識別的門禁？無錫職業(yè)技術(shù)學(xué)院內(nèi)部資料基于樹莓派的智能設(shè)備開發(fā)2.實訓(xùn)：智能車攝像頭乒乓球跟蹤--舵機控制運動控制

CONTENTSPAGE目錄頁1云臺介紹實驗組件編程與實現(xiàn)23目錄4舵機控制模塊一

云臺介紹TRANSITIONPAGE過渡頁模塊一云臺介紹云臺是一種用于安裝、固定攝像機或其他攝影設(shè)備的支撐設(shè)備，二自由度云臺是一種可在水平和垂直兩個維度獨立運動的機械結(jié)構(gòu)，兩個軸的旋轉(zhuǎn)可以通過電機、伺服機構(gòu)或步進電機等方式實現(xiàn)。*模塊二

實驗組件TRANSITIONPAGE過渡頁本次實驗需使用的組件如下：實驗設(shè)備名稱數(shù)量某型號樹莓派小車1個模塊二實驗組件*模塊三

舵機控制TRANSITIONPAGE過渡頁方式模塊三舵機控制本小車采用兩個舵機組成的二維云臺，兩個舵機分別控制云臺的方向和俯仰，帶動云臺上的攝像頭運動。方式模塊三舵機控制舵機一般由直流電機、減速齒輪組、編碼器和控制電路組成，通常使用PWM信號實現(xiàn)角度定位，采用20ms的PWM信號，通過調(diào)節(jié)脈沖寬度來控制輸出軸轉(zhuǎn)動的角度，例如，1.5ms脈沖對應(yīng)中間位置（90°），0.5ms和2.5ms分別對應(yīng)0°與180°極限位置?，但舵機不同對應(yīng)的脈沖寬度也有所差異，我們需要進行角度和脈寬的測量。方式模塊三舵機控制*模塊四

編程與實現(xiàn)TRANSITIONPAGE過渡頁模塊四編程與實現(xiàn)編寫如下程序，對兩個舵機角度進行校準，首先是方向軸舵機模塊四編程與實現(xiàn)程序運行后可以看到，因為裝配原因，方向軸舵機向一個方向偏轉(zhuǎn)過大，需要對其角度進行限制，經(jīng)過測定方向軸脈沖寬度范圍設(shè)定在160~508。模塊四編程與實現(xiàn)下面，對照方向軸舵機角度和脈沖寬度數(shù)值，使用下面程序，進行調(diào)節(jié)。正對前方的脈沖寬度可以設(shè)定在375，模塊四編程與實現(xiàn)接下來是俯仰軸舵機，同樣使用剛才的方法，但要注意上方有攝像頭，過度俯仰會導(dǎo)致攝像頭碰撞。經(jīng)過測試后，我們可以設(shè)定俯仰范圍在285-390之間，正向角度設(shè)定為305。無錫職業(yè)技術(shù)學(xué)院內(nèi)部資料基于樹莓派的智能設(shè)備開發(fā)3.實訓(xùn)：智能車攝像頭人臉跟蹤運動控制

CONTENTSPAGE目錄頁1項目介紹算法與思路編程與實現(xiàn)23目錄4實驗組件模塊一

項目介紹TRANSITIONPAGE過渡頁模塊一項目介紹本項目通過樹莓派小車車載攝像頭實時捕捉圖像，結(jié)合人臉檢測算法識別面部位置，并驅(qū)動二維舵機云臺調(diào)整角度，使人臉始終處于畫面中心區(qū)域，實現(xiàn)動態(tài)跟蹤功能?。*模塊二

算法與思路TRANSITIONPAGE過渡頁模塊二算法與思路算法與思路：OpenCV實現(xiàn)人臉檢測需要進行兩步操作：加載級聯(lián)分類器和使用分類器識別圖像。下面是兩個方法的調(diào)用：<object>=cv2.CascadeClassifier(filename)objects=cascade.detectMultiScale(image,scaleFactor,minNeighbors,flags,minSize,maxSize)*模塊三

實驗組件TRANSITIONPAGE過渡頁本次實驗需使用的組件如下：實驗設(shè)備名稱數(shù)量某型號樹莓派小車1個模塊三實驗組件*模塊四

編程與實現(xiàn)TRANSITIONPAGE過渡頁模塊四編程與實現(xiàn)1.之前我們已經(jīng)學(xué)習過如何使用人臉檢測的級聯(lián)分類器來檢測圖像中的正面人臉，復(fù)習一下模塊四編程與實現(xiàn)2.計算檢測出的人臉中心和圖像中心的偏差，控制云臺轉(zhuǎn)動，使人臉處于圖像的中心模塊四編程與實現(xiàn)模塊四編程與實現(xiàn)模塊四編程與實現(xiàn)開始運行后，可以看到實驗現(xiàn)象：攝像頭跟隨人臉移動，保持人臉在視野中間位置。無錫職業(yè)技術(shù)學(xué)院內(nèi)部資料基于樹莓派的智能設(shè)備開發(fā)4.特定顏色物體位置檢測

CONTENTSPAGE目錄頁1項目介紹算法與思路編程與實現(xiàn)24目錄實驗組件3模塊一

項目介紹TRANSITIONPAGE過渡頁特定顏色物體檢測與跟蹤要求：1.我們需要在攝像頭實時畫面中，對某一物體進行檢測與跟蹤2.可以根據(jù)該物體的顏色特征來進行檢測，實驗中我們選擇純色物體進行檢測3.將檢測到的物體輪廓框選出來，并輸出其在畫面中的坐標值模塊一項目介紹*模塊二

算法與思路TRANSITIONPAGE過渡頁算法與思路：1.使用USB攝像頭拍攝要檢測物體的照片2.對物體照片進行顏色特征的提取，確定其顏色特征的上下限，進而對背景物體進行過濾3.在實時畫面中，將物體輪廓標出，并計算其坐標，進行顯示模塊二算法與思路*模塊三

實驗組件TRANSITIONPAGE過渡頁本次實驗需使用的組件如下：實驗設(shè)備名稱數(shù)量樹莓派主板1個電源適配器

1個USB攝像頭1個純色物體（小秤砣）1個模塊二實驗組件*模塊四

編程與實現(xiàn)TRANSITIONPAGE過渡頁模塊四編程與實現(xiàn)之前我們已經(jīng)學(xué)習了如何從本地讀取圖片、如何從攝像頭讀取圖片，想要對特定顏色物體進行跟隨，我們首先需要獲取物體的HSV（Hue色調(diào)-Saturation飽和度-Value亮度）數(shù)值，這是因為HSV顏色空間，可以更直觀地表示顏色信息，能夠更加有效地幫助識別和提取圖片中的特定顏色區(qū)域。模塊四編程與實現(xiàn)1.攝像頭獲取物體圖像。2.將物體區(qū)域選中隔離。3.編寫程序計算物體的HSV數(shù)值模塊四編程與實現(xiàn)這樣我們可以獲得物體HSV模型的數(shù)值，下面可以根據(jù)顏色特點進行實時圖像分割獲得物體輪廓模塊四編程與實現(xiàn)下面是操作視頻：模塊四編程與實現(xiàn)編寫如下程序，使用剛才獲取的物體HSV模型的數(shù)值，對實時畫面進行形態(tài)學(xué)運算，得到物體的輪廓。模塊四編程與實現(xiàn)編寫如下程序，使用剛才獲取的物體HSV模型的數(shù)值，對實時畫面進行形態(tài)學(xué)運算，得到物體的輪廓。模塊四編程與實現(xiàn)編寫如下程序，使用剛才獲取的物體HSV