一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于QT+OpenCV的人臉識別-米爾iMX8M Plus開發(fā)板的測評

米爾電子 ? 2022-05-23 10:34 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群


本篇測評由電子工程世界的優(yōu)秀測評者“流行科技”提供。此次測試的開源項目,是基于QT+OpenCV的人臉識別打卡項目。本次體驗使用的是開源的代碼,此代碼本來是運(yùn)行在WIN下的,為了測試稍微進(jìn)行了修改,讓其運(yùn)行在米爾iMX8M Plus開發(fā)板上。e50c1d82-d20d-11ec-8521-dac502259ad0.png測試項目實際是分了兩個工程,一個工程是作為管理員控制功能使用,添加人臉信息。同時也可以查詢到打卡記錄,對從機(jī)進(jìn)行下發(fā)通知等等。人臉識別我們主要需要用到opencv的人臉檢測分類器。e51b0766-d20d-11ec-8521-dac502259ad0.pngOpenCV編譯完成后已經(jīng)提供好了的。因為這里還需要涉及到訓(xùn)練模型,有了模型后才能更好的識別,所以還是簡單介紹下怎么訓(xùn)練的吧。 ??

  • CascadeClassifier cascada;
  • //將opencv官方訓(xùn)練好的人臉識別分類器拷貝到自己的工程目錄中
  • cascada.load("F:\\video\\ccc\\haarcascade_frontalface_alt2.xml");
  • VideoCapture cap(1); //0表示電腦自帶的,如果用一個外接攝像頭,將0變成1
  • Mat frame, myFace;
  • int pic_num = 1;
  • while (1) {
  • //攝像頭讀圖像
  • cap >> frame;
  • vector faces;//vector容器存檢測到的faces
  • Mat frame_gray;
  • cvtColor(frame, frame_gray, COLOR_BGR2GRAY);//轉(zhuǎn)灰度化,減少運(yùn)算
  • cascada.detectMultiScale(frame_gray, faces, 1.1, 4, CV_HAAR_DO_ROUGH_SEARCH, Size(70, 70), Size(1000, 1000));
  • printf("檢測到人臉個數(shù):%d\n", faces.size());
  • //識別到的臉用矩形圈出
  • for (int i = 0; i < faces.size(); i++)
  • {
  • rectangle(frame, faces, Scalar(255, 0, 0), 2, 8, 0);
  • }
  • //當(dāng)只有一個人臉時,開始拍照
  • if (faces.size() == 1)
  • {
  • Mat faceROI = frame_gray(faces[0]);//在灰度圖中將圈出的臉?biāo)趨^(qū)域裁剪出
  • //cout << faces[0].x << endl;//測試下face[0].x
  • resize(faceROI, myFace, Size(92, 112));//將興趣域size為92*112
  • putText(frame, to_string(pic_num), faces[0].tl(), 3, 1.2, (0, 0, 225), 2, 0);//在 faces[0].tl()的左上角上面寫序號
  • string filename = format("F:\\video\\%d.jpg", pic_num); //圖片的存放位置,frmat的用法跟QString差不對
  • imwrite(filename, myFace);//存在當(dāng)前目錄下
  • imshow(filename, myFace);//顯示下size后的臉
  • waitKey(500);//等待500us
  • destroyWindow(filename);//:銷毀指定的窗口
  • pic_num++;//序號加1
  • if (pic_num == 11)
  • {
  • return 0;//當(dāng)序號為11時退出循環(huán),一共拍10張照片
  • }
  • }
  • int c = waitKey(10);
  • if ((char)c == 27) { break; } //10us內(nèi)輸入esc則退出循環(huán)
  • imshow("frame", frame);//顯示視頻
  • waitKey(100);//等待100us
  • }
  • return 0;

通過上面代碼,完成圖像采集。

//讀取你的CSV文件路徑.

//string fn_csv = string(argv[1]);

string fn_csv = "F:\\video\\ccc\\at.txt";

// 2個容器來存放圖像數(shù)據(jù)和對應(yīng)的標(biāo)簽

vector images;

vector<int> labels;

// 讀取數(shù)據(jù). 如果文件不合法就會出錯

// 輸入的文件名已經(jīng)有了.

try

{

read_csv(fn_csv, images, labels); //從csv文件中批量讀取訓(xùn)練數(shù)據(jù)

}

catch (cv::Exception& e)

{

cerr << "Error opening file "" << fn_csv << "". Reason: " << e.msg << endl;

// 文件有問題,我們啥也做不了了,退出了

exit(1);

}

// 如果沒有讀取到足夠圖片,也退出.

if (images.size() <= 1) {

string error_message = "This demo needs at least 2 images to work. Please add more images to your data set!";

CV_Error(CV_StsError, error_message);

}

for (int i = 0; i < images.size(); i++)

{

//cout<

if (images.size() != Size(92, 112))

{

cout << i << endl;

cout << images.size() << endl;

}

}

// 下面的幾行代碼僅僅是從你的數(shù)據(jù)集中移除最后一張圖片,作為測試圖片

//[gm:自然這里需要根據(jù)自己的需要修改,他這里簡化了很多問題]

Mat testSample = images[images.size() - 1];

int testLabel = labels[labels.size() - 1];

images.pop_back();//刪除最后一張照片,此照片作為測試圖片

labels.pop_back();//刪除最有一張照片的labels

// 下面幾行創(chuàng)建了一個特征臉模型用于人臉識別,

// 通過CSV文件讀取的圖像和標(biāo)簽訓(xùn)練它。

// T這里是一個完整的PCA變換

//如果你只想保留10個主成分,使用如下代碼

// cv::createEigenFaceRecognizer(10);

//

// 如果你還希望使用置信度閾值來初始化,使用以下語句:

// cv::createEigenFaceRecognizer(10, 123.0);

//

// 如果你使用所有特征并且使用一個閾值,使用以下語句:

// cv::createEigenFaceRecognizer(0, 123.0);

//創(chuàng)建一個PCA人臉分類器,暫時命名為model吧,創(chuàng)建完成后

//調(diào)用其中的成員函數(shù)train()來完成分類器的訓(xùn)練

Ptr model = face::create();

model->train(images, labels);

model->save("MyFacePCAModel.xml");//保存路徑可自己設(shè)置,但注意用“\\”

Ptr model1 = face::create();

model1->train(images, labels);

model1->save("MyFaceFisherModel.xml");

Ptr model2 = face::create();

model2->train(images, labels);

model2->save("MyFaceLBPHModel.xml");

// 下面對測試圖像進(jìn)行預(yù)測,predictedLabel是預(yù)測標(biāo)簽結(jié)果

//注意predict()入口參數(shù)必須為單通道灰度圖像,如果圖像類型不符,需要先進(jìn)行轉(zhuǎn)換

//predict()函數(shù)返回一個整形變量作為識別標(biāo)簽

int predictedLabel = model->predict(testSample);//加載分類器

int predictedLabel1 = model1->predict(testSample);

int predictedLabel2 = model2->predict(testSample);

// 還有一種調(diào)用方式,可以獲取結(jié)果同時得到閾值:

// int predictedLabel = -1;

// double confidence = 0.0;

// model->predict(testSample, predictedLabel, confidence);

string result_message = format("Predicted class = %d / Actual class = %d.", predictedLabel, testLabel);

string result_message1 = format("Predicted class = %d / Actual class = %d.", predictedLabel1, testLabel);

string result_message2 = format("Predicted class = %d / Actual class = %d.", predictedLabel2, testLabel);

cout << result_message << endl;

cout << result_message1 << endl;

cout << result_message2 << endl;

getchar();

//waitKey(0);

return 0;

通過上面的代碼進(jìn)行訓(xùn)練,訓(xùn)練使用了python。所以系統(tǒng)環(huán)境需要配置好。

e55243a2-d20d-11ec-8521-dac502259ad0.png

在此文件中,把我們采集到的圖像,放進(jìn)去,新建一個文件夾。

e57f8a92-d20d-11ec-8521-dac502259ad0.png


之后就是把我們的at.txt也加入我們的文件。

e59a0a02-d20d-11ec-8521-dac502259ad0.png

訓(xùn)練好后,我們就得到了我們所需要的訓(xùn)練文件。


e5c0ec26-d20d-11ec-8521-dac502259ad0.png


在我們打卡界面,點(diǎn)擊打卡時就是這樣的。加載訓(xùn)練好的東西。然后啟動定時器,去獲取攝像頭信號,然后對比,最終和數(shù)據(jù)庫一致就認(rèn)為打卡成功。

上面訓(xùn)練部分,其實提供的另一個工程就全部完成了。


e5dcae8e-d20d-11ec-8521-dac502259ad0.png

這是我們win端界面,圓框就是我們攝像頭采集圖像顯示的位置。


e5f6049c-d20d-11ec-8521-dac502259ad0.png

我們需要在Ubuntu下把庫全部替換,這樣就能編譯過了,然后拷貝到開發(fā)板上運(yùn)行。如下:

e625682c-d20d-11ec-8521-dac502259ad0.png

進(jìn)來就提示數(shù)據(jù)庫打開失敗了,我們這個都是基于數(shù)據(jù)庫,所以還是比較尷尬的,后期的話可以嘗試自己全部編譯下,然后更新吧。目前就測試,看下效果吧。

e657c902-d20d-11ec-8521-dac502259ad0.jpg

使用的硬件增加了一個攝像頭。

e66e744a-d20d-11ec-8521-dac502259ad0.jpg

這是打開攝像頭采集的樣子。

e686f57e-d20d-11ec-8521-dac502259ad0.gif

這個GIF展示了我們的人臉檢測情況。

e7157efc-d20d-11ec-8521-dac502259ad0.png

由于沒有數(shù)據(jù)庫,只能打印一些信息。當(dāng)兩個數(shù)據(jù)相等時就進(jìn)入下一步,判斷打卡了。由于沒有數(shù)據(jù)庫,就展示下電腦端的效果吧。

e726ad30-d20d-11ec-8521-dac502259ad0.pnge77a2ce4-d20d-11ec-8521-dac502259ad0.png

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 開發(fā)板
    +關(guān)注

    關(guān)注

    25

    文章

    5669

    瀏覽量

    104504
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    【Milk-V Duo S 開發(fā)板免費(fèi)體驗】SDK編譯、人臉檢測、OpenCV測試

    【Milk-V Duo S 開發(fā)板免費(fèi)體驗】SDK編譯、人臉檢測、OpenCV測試 本文介紹了 Milk-V Duo S 開發(fā)板實現(xiàn) Buildroot SDK 鏡像編譯、基于 TDL
    發(fā)表于 07-11 13:48

    基于米爾全志T536開發(fā)板的視頻識別應(yīng)用方案

    本文將介紹基于米爾電子MYD-LT536開發(fā)板米爾基于全志T536開發(fā)板)的視頻識別應(yīng)用方案測試。摘自優(yōu)秀創(chuàng)作者-魯治驛基于
    的頭像 發(fā)表于 06-05 08:01 ?949次閱讀
    基于<b class='flag-5'>米爾</b>全志T536<b class='flag-5'>開發(fā)板</b>的視頻<b class='flag-5'>識別</b>應(yīng)用方案

    基于RK3576開發(fā)板的人臉識別算法

    RK3576開發(fā)板展示人臉識別算法例程和API說明
    的頭像 發(fā)表于 05-07 16:48 ?1929次閱讀
    基于RK3576<b class='flag-5'>開發(fā)板</b><b class='flag-5'>的人臉</b><b class='flag-5'>識別</b>算法

    米爾-STM32MP257開發(fā)板試用體驗】初次體驗米爾-STM32MP257開發(fā)板

    是ST推出的搭載了雙核Cortex-A35 @1.5 GHz和Cortex-M33 @400 MHz的微處理器。米爾電子基于STM32MP257D推出了MYD-LD25X開發(fā)板,開發(fā)板
    發(fā)表于 04-30 16:21

    如何用OpenCV的相機(jī)捕捉視頻進(jìn)行人臉檢測--基于米爾NXP i.MX93開發(fā)板

    本文將介紹基于米爾電子MYD-LMX93開發(fā)板米爾基于NXPi.MX93開發(fā)板)的基于OpenCV的人
    的頭像 發(fā)表于 04-15 11:51 ?337次閱讀
    如何用<b class='flag-5'>OpenCV</b>的相機(jī)捕捉視頻進(jìn)行<b class='flag-5'>人臉</b>檢測--基于<b class='flag-5'>米爾</b>NXP i.MX93<b class='flag-5'>開發(fā)板</b>

    NXP IMX8M Mini啟動失敗的原因有哪些?

    NXP IMX8M Mini啟動失敗的原因有哪些?
    發(fā)表于 04-11 07:21

    OpenCV行人檢測應(yīng)用方案--基于米爾全志T527開發(fā)板

    本文將介紹基于米爾電子MYD-LT527開發(fā)板米爾基于全志T527開發(fā)板)的OpenCV行人檢測方案測試。摘自優(yōu)秀創(chuàng)作者-小火苗一、軟件環(huán)
    的頭像 發(fā)表于 04-10 08:03 ?730次閱讀
    <b class='flag-5'>OpenCV</b>行人檢測應(yīng)用方案--基于<b class='flag-5'>米爾</b>全志T527<b class='flag-5'>開發(fā)板</b>

    是否有適用于iMX 8M Plus SoC的熱計算/分析表或任何功耗/消耗表?

    是否有適用于iMX8M Plus SoC的熱計算/分析表或任何功耗/消耗表?
    發(fā)表于 03-27 06:21

    如何在imx8m plus CPU上使用TL16C554?

    你好。我們使用 imx8m 加 cpu 我正在嘗試使用 TL16c554 uart 擴(kuò)展芯片。我需要一個地址和數(shù)據(jù)接口,有沒有辦法使用它?如果是這樣,請?zhí)峁┰敿?xì)的解釋。
    發(fā)表于 03-20 07:02

    人臉疲勞檢測應(yīng)用-米爾基于RK3576核心/開發(fā)板

    本文將介紹基于米爾電子MYD-LR3576開發(fā)板米爾基于瑞芯微RK3576開發(fā)板的人臉疲勞檢測方案測試。
    的頭像 發(fā)表于 12-20 08:06 ?866次閱讀
    <b class='flag-5'>人臉</b>疲勞檢測應(yīng)用-<b class='flag-5'>米爾</b>基于RK3576核心<b class='flag-5'>板</b>/<b class='flag-5'>開發(fā)板</b>

    如何用OpenCV進(jìn)行手勢識別--基于米爾全志T527開發(fā)板

    本文將介紹基于米爾電子MYD-LT527開發(fā)板米爾基于全志T527開發(fā)板)的OpenCV手勢識別
    的頭像 發(fā)表于 12-13 08:04 ?1334次閱讀
    如何用<b class='flag-5'>OpenCV</b>進(jìn)行手勢<b class='flag-5'>識別</b>--基于<b class='flag-5'>米爾</b>全志T527<b class='flag-5'>開發(fā)板</b>

    FacenetPytorch人臉識別方案--基于米爾全志T527開發(fā)板

    本篇測評由優(yōu)秀測評者“小火苗”提供。本文將介紹基于米爾電子MYD-LT527開發(fā)板米爾基于全志 T527
    發(fā)表于 11-28 15:57

    FacenetPytorch人臉識別方案--基于米爾全志T527開發(fā)板

    本篇測評由電子工程世界的優(yōu)秀測評者“小火苗”提供。本文將介紹基于米爾電子MYD-LT527開發(fā)板米爾基于全志T527
    的頭像 發(fā)表于 11-28 15:12 ?809次閱讀
    FacenetPytorch<b class='flag-5'>人臉</b><b class='flag-5'>識別</b>方案--基于<b class='flag-5'>米爾</b>全志T527<b class='flag-5'>開發(fā)板</b>

    如何用OpenCV的相機(jī)捕捉視頻進(jìn)行人臉檢測--基于米爾NXP i.MX93開發(fā)板

    本篇測評由優(yōu)秀測評者“eefocus_3914144”提供。 本文將介紹基于米爾電子MYD-LMX93開發(fā)板米爾基于NXP i.MX93
    發(fā)表于 11-15 17:58

    基于OPENCV的相機(jī)捕捉視頻進(jìn)行人臉檢測--米爾NXP i.MX93開發(fā)板

    本文將介紹基于米爾電子MYD-LMX93開發(fā)板米爾基于NXPi.MX93開發(fā)板)的基于OpenCV的人
    的頭像 發(fā)表于 11-07 09:03 ?1469次閱讀
    基于<b class='flag-5'>OPENCV</b>的相機(jī)捕捉視頻進(jìn)行<b class='flag-5'>人臉</b>檢測--<b class='flag-5'>米爾</b>NXP i.MX93<b class='flag-5'>開發(fā)板</b>