第7次系统综合实践 26组

目录

• 1、在树莓派中安装opencv库
  • （1）安装依赖
  • （2）下载OpenCV源码
  • （3）安装pip
  • （4）安装Python虚拟机
  • （5）配置~/.profile，添加内容：
  • （6）使用Python3 安装虚拟机
  • （7）进入虚拟机
  • （8）编译OpenCV
  • （9）安装OpenCV
  • （10）验证安装
• 2、 使用opencv和python控制树莓派的摄像头
  • （1）安装picreame
  • （2）使用python和opencv控制摄像头
• 3、 利用树莓派的摄像头实现人脸识别
  • （1）安装所需库
  • （2）准备好需要用到的图片和代码文件
• 4、结合微服务的进阶任务
  • (一)使用微服务，部署opencv的docker容器
    • （1）安装Docker
    • （2）定制opencv镜像
    • （3）创建并运行容器
    • （4）自定义镜像
  • （二）选做：在opencv的docker容器中跑通步骤（3）的示例代码
    • 环境准备
• 5、 以小组为单位，发表一篇博客，记录遇到的问题和解决方法，提供小组成员名单以及在线协作的图片
  • （一）遇到的问题以及解决方法
    • （1）软件包有未满足的依赖关系（忘记截图了）
    • （2）fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录
  • （二）小组成员名单
  • （三）在线协作图片

1、在树莓派中安装opencv库

（1）安装依赖

sudo apt-get update && sudo apt-get upgrade
sudo apt-get install build-essential cmake pkg-config
sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev
sudo apt-get install libgtk2.0-dev libgtk-3-dev
sudo apt-get install libatlas-base-dev gfortran
sudo apt-get install python2.7-dev python3-dev

（2）下载OpenCV源码

cd ~
wget -O opencv.zip https://github.com/Itseez/opencv/archive/4.1.2.zip
unzip opencv.zip
wget -O opencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/4.1.2.zip
unzip opencv_contrib.zip

（3）安装pip

wget https://bootstrap.pypa.io/get-pip.py
sudo python get-pip.py
sudo python3 get-pip.py

（4）安装Python虚拟机

sudo pip install virtualenv virtualenvwrapper
sudo rm -rf ~/.cache/pip

（5）配置~/.profile，添加内容：

# virtualenv and virtualenvwrapper
export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

• 使之生效

source ~/.profile

（6）使用Python3 安装虚拟机

mkvirtualenv cv -p python3

（7）进入虚拟机

source ~/.profile
workon cv

• 可以看到前面有cv虚拟机的标识

（8）编译OpenCV

cd ~/opencv-4.1.2/
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE 
    -D CMAKE_INSTALL_PREFIX=/usr/local 
    -D INSTALL_PYTHON_EXAMPLES=ON 
    -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-4.1.2/modules 
    -D BUILD_EXAMPLES=ON ..

• 编译之前配置交换空间大小

在开始编译过程之前，应 增加交换空间的大小。这使OpenCV可以使用 Raspberry PI的所有四个内核进行编译，而不会由于内存问题而挂起编译。
把交换空间交换空间增大到 CONF_SWAPSIZE=1024

• 重启swap服务

sudo /etc/init.d/dphys-swapfile stop
sudo /etc/init.d/dphys-swapfile start

• 开始编译

make -j4

编译过程中遇到许多问题也极其耗时，这里遇到的问题写在后面

（9）安装OpenCV

sudo make install
sudo ldconfig

• 检查OpenCV的安装位置

ls -l /usr/local/lib/python3.7/site-packages/
cd ~/.virtualenvs/cv/lib/python3.7/site-packages/
ln -s /usr/local/lib/python3.7/site-packages/cv2 cv2

（10）验证安装

source ~/.profile 
workon cv
python
import cv2
cv2.__version__

2、 使用opencv和python控制树莓派的摄像头

（1）安装picreame

source ~/.profile 
workon cv 
pip install "picamera[array]"

（2）使用python和opencv控制摄像头

# import the necessary packages
from picamera.array import PiRGBArray
from picamera import PiCamera
import time
import cv2
# initialize the camera and grab a reference to the raw camera capture
camera = PiCamera()
rawCapture = PiRGBArray(camera)
# allow the camera to warmup
time.sleep(1)
# grab an image from the camera
camera.capture(rawCapture, format="bgr")
image = rawCapture.array
# display the image on screen and wait for a keypress
cv2.imshow("Image", image)
cv2.waitKey(0)

3、 利用树莓派的摄像头实现人脸识别

（1）安装所需库

source ~/.profile 
workon cv 
pip install dlib
pip install face_recognition

（2）准备好需要用到的图片和代码文件

• facerec_on_raspberry_pi.py

# 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 = "<Unknown Person>"

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

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

• 如果检测到人脸会在终端显示出来

• facerec_from_webcam_faster.py 由于代码过长，这里就不贴出来了
• 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

(一)使用微服务，部署opencv的docker容器

（1）安装Docker

• 下载安装脚本

#脚本安装docker
sudo curl -sSL https://get.docker.com | sh

#填加用户到docker组
sudo usermod -aG docker pi
#重新登陆以用户组生效
exit && ssh pi@raspiberry

• 查看docker版本，验证是否安装成功

docker --version

• 创建对应目录

（2）定制opencv镜像

• 拉取镜像

docker pull sixsq/opencv-python

（3）创建并运行容器

docker run -it sixsq/opencv-python /bin/bash

（4）自定义镜像

• Dockerfile

FROM my-opencv

MAINTAINER GROUP13

RUN mkdir /myapp

WORKDIR /myapp

ENTRYPOINT ["python3"]

• 生成镜像

docker build -t my-opencv-test .

• 运行脚本

docker run -it --rm --name my-running-py -v ${PWD}/workdir:/myapp --device=/dev/vchiq --device=/dev/video0 my-opencv-test isLeiJun.py

（二）选做：在opencv的docker容器中跑通步骤（3）的示例代码

环境准备

• 开启树莓派的ssh配置中的X11

cat /etc/ssh/sshd_config

• 查看DISPLAY环境变量值

printenv

• 编辑启动脚本 run.sh

xhost +	#允许来自任何主机的连接
docker run -it 
        --rm 
        -v ${PWD}/workdir:/myapp 
        --net=host 
        -v $HOME/.Xauthority:/root/.Xauthority 
        -e DISPLAY=:10.0  	#此处填写上面查看到的变量值
        -e QT_X11_NO_MITSHM=1 
        --device=/dev/vchiq 
        --device=/dev/video0 
        --name my-running-py 
        my-opencv-test 
        recognition.py

• 打开终端，运行run.sh

sh run.sh

可以正确识别人脸

5、 以小组为单位，发表一篇博客，记录遇到的问题和解决方法，提供小组成员名单以及在线协作的图片

（一）遇到的问题以及解决方法

（1）软件包有未满足的依赖关系（忘记截图了）

• 安装sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev依赖时

错误显示如下

下列软件包有未满足的依赖关系：
libavcodec-dev : 依赖: libavcodec58 (= 7:4.1.4-1~deb10u1)
依赖: libavutil-dev (= 7:4.1.4-1~deb10u1) 但是它将不会被安装
依赖: libswresample-dev (= 7:4.1.4-1~deb10u1) 但是它将不会被安装
libavformat-dev : 依赖: libavformat58 (= 7:4.1.4-1~deb10u1) 但是 7:4.1.4-1+rpt7~deb10u1 正要被安装
依赖: libavutil-dev (= 7:4.1.4-1~deb10u1) 但是它将不会被安装
依赖: libswresample-dev (= 7:4.1.4-1~deb10u1) 但是它将不会被安装
libswscale-dev : 依赖: libavutil-dev (= 7:4.1.4-1~deb10u1) 但是它将不会被安装
依赖: libswscale5 (= 7:4.1.4-1~deb10u1) 但是 7:4.1.4-1+rpt7~deb10u1 正要被安装
E: 无法修正错误，因为您要求某些软件包保持现状，就是它们破坏了软件包间的依赖关系

这里卡了许久，通过网上查到解决方法以及问同学，最后通过卸载之前下载的依赖，以及换源才得以解决

（2）fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录

解决方法：头文件的include路径不对，后来通过修改路径、以及下载一些本来就不存在文件导入才得以解决

• boostdesc_bgm.i
• boostdesc_bgm_bi.i
• boostdesc_bgm_hd.i
• boostdesc_lbgm.i
• boostdesc_binboost_064.i
• boostdesc_binboost_128.i
• boostdesc_binboost_256.i
• vgg_generated_120.i
• vgg_generated_64.i
• vgg_generated_80.i
• vgg_generated_48.i

这些是缺少的文件、网上可以下载到相关文件

（二）小组成员名单

学号	姓名	分工
031702340	张逸杰	实机操作，查阅资料
031702331	杨锦镔	博客编写，查阅资料
031702341	黄彬煌	查阅资料，寻找解决方法

（三）在线协作图片

本次实验主要采用的是群内分享屏幕，遇到问题大家一起查找资料和解决困难