模拟门铃识别

vincen20

需要准备的基本硬件：树梅派3 *1块（16G高速TF卡1张，树梅派电源模块1 套，树梅派盒子1个，TF卡读卡器1个，带HDMI接口的显示屏，HDMI线，USB键盘，鼠标），USB高清摄像头*1个，摄像头支架1 个，WIFI环境，3.5MM音频线，音响
软件：
树梅派系统（RASPBIAN STRETCH WITH DESKTOP），
SD Formatter
OPENCV开发环境（3.3.0-dev），fswebcam,mplayer2,python2.7


step 1
准备设备：
烧写系统，（略）
树梅派系统安装，选择官方(RASPBIAN STRETCH WITH DESKTOP)，建议使用英语语言，安装过程略，默认用户名pi,密码raspberry
安装完成后，
连接显示器，上电 ，配置WIFI，启用VNC,首次使用VNC会提示修改默认密码，（重要）需要注册VNC账号，使用VNC云服务，设置完VNC后，就可以把去掉显示器，去掉usb键盘，通过手机，电脑使用 VNC viwer远程访问树梅派系统了，这个很方便实用 。
升级系统
打开终端命令
sudo apt-get update
sudo apt-get upgrade
sudo apt-get rpi-update
到此树梅派准备完毕。
安装OPENCV
参考官方教程
https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html本来需要很多安装包，由于树梅派继承了大部分，安装起来还是容易。
先安装依赖包
[compiler] sudo apt-get install build-essential
[required] sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
[optional] sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

下载OPENCV
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
编译OPENCV
在OPENCV目录下新建build配置
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ../
编译
make -j2 # 并行数，不建议太大，容易造成VNC服务卡死。
安装
sudo make install
测试
进入OPENCV安装目录下的sample/python,使用右键用PYTHON IDE打开，如果能看到摄像头拍到的视频图像，（先把摄像头连接上），那么安装就成功了。
在sample目录下有很多写好的程序，可以参考下。
其他软件安装
本来计划的是直接捕获摄像头中的帧，来判断人的面部，由于对技术不太熟悉，导致使用该方法导致的是树梅派CPU占用太高，从视频中获取的图像分辨率低等原因，
故采取了让OPENCV 直接处理图片来识别人像，该方法优点是捕获的图片分辨率较高，处理速度快，占用的CPU资源不高的优点。
所以需要使用fswebcam,安装命令sudo apt-get install fswebcam
fswebcam 使用简单，直接在终端个输入
（ 没有测试过使用OPENCV捕获图片的情况，可以测试下）
fswebcam -d /dev/video0 -r 1920x1024    image.jpg
就可以抓取当前时刻的图像，并存到当前目录下，在配合LINUX系统的crontab任务计划，可以实现定时抓拍图片。
安装音频播放软件mplayer2,当检测到人时候，播放提示声音。
sudo apt-get install mplayer2
下载门铃声音（GITHUB）
到此准备工作基本完成。
硬件、软件准备好后需要介绍下本项目的设计思路理论知识准备：
python 编程技术，opencv ， Haar   Cascades 人脸检测理论                                   

参考链接http://opencv-python-tutroals.readthedocs.io/en/latest/
项目设计思路：利用树梅派抓取门外的图像保存并上传到网络，然后使用OPENCV分析，如果检测到人脸，使用树梅派结合喇叭播放预先录制的声音。

设计流程图

备注（由于多种原因，且门外按照树梅派不方便，计划采用采集电视机上图像来模拟实际效果）根据流程图
捕获图片：
通过fswebcam捕获图片，为了方便以后查找，可以在图片底部增加捕获的时间精确到秒，保存的文件名也用年月日时分秒组成.
time_now = time.strftime('%Y-%m-%d-%H-%M-%S')
cmds= 'fswebcam -d /dev/video0 -r 1920x1024 -S 10 --bottom-banner --title Syspic@"%s" --no-timestamp image/"%s".jpg'

图片上传到网络(只存储，不做其他应用)
本来计划把图片传到yeelink，结果发现yeelink不稳定，无赖，只能选择试用的存储地方。
经过查找，发现现在的云存储很流行，于是选择了使用qcloud腾讯云作为图片存储地。
申请很简单，只需要1分钱就可以完成认证。
为节约成本，推荐选择《云对象存储》，中的Bucket 存储图片对象。
创建bucket

创建BUCKET

记住选择的地域后面需要修改代码。
下载SDK代码
python 下载代码： https://mc.qcloudimg.com/static/ ... n-sdk-v4-master.zip
根据教程安装SDK ，由于要求python2.7,还好树梅派系统中的终端支持2.7版本运行。
安装完成后，初始化客户端，根据要求修改的sample.py文件内容
   appid = 100000                  # 替换为用户的appid
   secret_id = u'xxxxxxxx'         # xxx替换为用户的secret_id
   secret_key = u'xxxxxxx'         # xxxx替换为用户的secret_key
   region_info = "chengdu"        #

    bucket = u'rasp'
根据提示接收短信验证码获取上面的数据。
由于默认代码，没 有chengdu服务器的地址，需要修改
qcloud_cos目录下cos_config.py文件，
添加代码
        if region in ['cd', 'chengdu']:
            self._hostname = 'cd.file.myqcloud.com'
            self._download_hostname = 'cossh.myqcloud.com'

保存 ，退出。（参考代码附件）
当然需要根据你所在地域的名称来确定。
把sample.py内除上传文件以外的代码删除，
修改完成后，通过终端运行
suodo chmod +x  ./sample.py
./samply.py
如果得到 success关键字，说明上传成功。

上传成功

登录qcloud查看Bucket中的内容，可以看到

成功2

数据上传成功。
opencv 人脸检测
根据Haar   Cascades 人脸检测理论   ，需要准备符合人脸的特征，这些特征称为 Cascades，具体的就是XML文件。
所以需要拷贝用于人脸，眼睛，鼻子，嘴跟踪的XML文件（参考代码附件），这些文件代表了不同的特征，可以更具具体情况进行修改。

haarcascade_eye_tree_eyeglasses.xml
haarcascade_eye.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalcatface.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml

可以在OPENCV 目录下找到文件，经过测试，默认情况下使用的是
haarcascade_frontalface_default.xml该文件，根据字面意思，是检测的是正面面部，为了增大检测读
在正面没有检测到时，增加全身，前面部等多个检测，虽然会消耗些时间，但是相对来说比较准确。
在测试时候发现，需要把摄像头放到足够光线好的地方，光线暗会影响检测效果
不知道是不是这个算法要把图片转换为灰度级别的原因。
理论基本介绍完毕，需要说明的是，本人也是新手，望大家多多指导
参考代码放到GITHUB
https://github.com/vincen20/raspberry-_opencv_doorbell
视频外部链接56视频156视频Url
FLV源文件

syl312

1.感谢对社区比赛的支持，开发者积分和贡献值已发放，请点击以下链接领取纪念衫并参与抽奖~
http://www.arduino.cn/thread-48132-1-1.html
2.比赛结果会在11.15号前公布，请耐心等待。