使用Raspberry Pi构建一个OpenCV人群计数装置

　　在当今尖端技术的世界中，数字图像处理发展非常迅速，并成为许多数字设备的重要组成部分，如手机、安全摄像头、笔记本电脑等。

　　数字图像处理最常见的应用是对象检测、人脸识别和人数统计。所以在本教程中，我们将使用 Raspberry Pi 和 ThingSpeak 构建一个 OpenCV 人群计数。在这里，pi 相机模块将用于连续捕获帧，然后将这些帧用HOG（面向直方图的对象描述符）处理以检测图像中的对象。在此之后，这些帧将与 OpenCV 的预训练模型进行比较以进行人员检测。人数统计将显示在 ThingSpeak 频道上，可以从世界任何地方进行监控。

　　所需组件

　　硬件

　　树莓派 3（任何版本）

　　派相机

　　软件和在线服务

　　物语

　　Python3.0

　　开放CV3.0

在树莓派中安装 OpenCV

这里将使用 OpenCV 库来检测人群。要安装 OpenCV，首先，更新 Raspberry Pi。

 

sudo apt-get 更新

 

然后安装在 Raspberry Pi 上安装 OpenCV 所需的依赖项。

 

sudo apt-get install libhdf5-dev -y 
sudo apt-get install libhdf5-serial-dev –y 
sudo apt-get install libatlas-base-dev –y 
sudo apt-get install libjasper-dev -y 
sudo apt-get install libqtgui4 –y 
sudo apt-get install libqt4-test –y

 

之后，使用以下命令在 Raspberry Pi 中安装 OpenCV。

 

pip3 安装 opencv-contrib-python==4.1.0.25

 

　　安装其他必需的软件包

　　在对 Raspberry Pi 进行人群计数编程之前，让我们安装其他所需的软件包。

　　安装imutils： imutils 用于执行一些必要的图像处理功能，例如平移、旋转、调整大小、骨架化，以及使用 OpenCV 更轻松地显示 Matplotlib 图像。因此，使用以下命令安装imutils ：

　　pip3 安装 imutils

　　matplotlib：之后，安装matplotlib库。Matplotlib是一个综合库，用于在 Python 中创建静态、动画和交互式可视化。

　　pip3 安装 matplotlib

　　人数统计的 ThingSpeak 设置

　　ThingSpeak 是一个非常流行的物联网平台，通过使用 ThingSpeak 平台，我们可以从任何地方通过互联网监控我们的数据。

　　单击 Sing up 并输入您的详细信息。

　　在此之后，验证您的电子邮件 ID，然后单击继续。

　　现在，登录后，单击“新建频道”按钮创建一个新频道。

　　单击“新频道”后，输入您要在此频道上上传的数据的名称和描述。在这里，我们创建了一个名为People的字段。可根据需要创建多个字段。

　　在此之后，单击保存频道按钮以保存详细信息。

　　要将数据发送到 ThingSpeak，请在 Python 脚本中输入 API 密钥和通道 ID，然后复制 API 密钥和通道 ID。

　　硬件设置

　　在这里，我们只需要 Raspberry Pi 和 Pi 相机来完成这个OpenCV 人员计数项目，您只需将相机带状连接器连接到 Raspberry pi 中提供的相机插槽中

　　Pi 摄像头可用于构建各种有趣的项目，如Raspberry Pi 监控摄像头、访客监控系统、家庭安全系统等。

人员计数器的Python程序说明

此人群计数 OpenCV 项目的完整 Python 代码在页面末尾给出。在这里，我们将解释代码的重要部分，以便更好地解释。

因此，在代码开始时，导入将在此项目中使用的所有必需库。

 

导入简历2
导入 imutils
从 imutils.object_detection 导入 non_max_suppression
将 numpy 导入为 np
导入请求
进口时间
导入base64
从 matplotlib 导入 pyplot 作为 plt
从 urllib.request 导入 urlopen​

 

导入库后，输入 ThingSpeak 频道 ID 并写入您之前复制的 API 密钥。

 

channel_id = 812060 # 在此处输入频道 ID
WRITE_API = 'X5AQ3EGIKMBYW31H' # 把你的写密钥放在这里
BASE_URL = "https://api.thingspeak.com/update?api_key= {}".format(WRITE_API)

 

现在，初始化 HOG（面向直方图的对象描述符）。HOG 是最流行的目标检测技术之一，并已在多个应用中使用。cv2.HOGDescriptor_getDefaultPeopleDetector() 用于调用 OpenCV 的预训练模型进行人员检测。我们之前在之前的 OpenCV 教程中详细解释过 HOG 。

 

猪 = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

 

在检测器（）内部， Pi 接收到一个 RGB 图像，该图像被分成三个颜色通道。之后，它使用imutils调整图像大小。然后它调用detectMultiScale()方法来分析图像，使用 SVM 模型的分类结果来了解是否存在人。

 

def检测器（图像）：
   image = imutils.resize(image, width=min(400, image.shape[1]))
   克隆 = image.copy()
   rects, weights = hog.detectMultiScale(image, winStride=(4, 4), padding=(8, 8), scale=1.05)

 

有时捕获框重叠并产生误报或检测错误，因此下面的代码将imutils的非最大抑制应用于启动重叠框。

 

对于矩形中的 (x, y, w, h)：
       cv2.rectangle(图像, (x, y), (x + w, y + h), (0, 0, 255), 2)
   rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
   结果 = non_max_suppression(rects，probs=None，overlapThresh=0.7)
   返回结果

 

在record()函数中，它使用 OpenCV 中的VideoCapture()方法直接从 Pi 相机中检索图像，使用 imultis 调整图像大小并将结果发送到 ThingSpeak。

 

def 记录（sample_time=5）：
  相机 = cv2.VideoCapture(0)
frame = imutils.resize(frame, width=min(400, frame.shape[1]))
结果=检测器（frame.copy（））
thingspeakHttp = BASE_URL + "&field1={}".format(result1)

 

　　测试 OpenCV 人员计数器

　　在启动 python 脚本之前，首先检查您的 PI 相机是否工作。检查相机后，通过发出以下命令启动 python 脚本：

　　然后你会发现弹出一个窗口，里面有你的视频源。Pi 将获取第一帧并使用 OpenCV 对其进行处理以检测人数。如果它检测到人，你会在它周围找到一个像这样的框：

　　现在检查您的 ThingSpeak 频道，您可以在其中监控来自世界任何地方的人群规模。

导入简历2
导入 imutils
从 imutils.object_detection 导入 non_max_suppression
将 numpy 导入为 np
导入请求
进口时间
导入base64
从 matplotlib 导入 pyplot 作为 plt
从 urllib.request 导入 urlopen
channel_id = 812060 # 在此处输入频道 ID
WRITE_API = 'X5AQ3EGIKMBYW31H' # 把你的写密钥放在这里
BASE_URL = "https://api.thingspeak.com/update?api_key={}".format(WRITE_API)
猪 = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
# 在[3]：
def检测器（图像）：
image = imutils.resize(image, width=min(400, image.shape[1]))
克隆 = image.copy()
rects, weights = hog.detectMultiScale(image, winStride=(4, 4), padding=(8, 8), scale=1.05)
对于矩形中的 (x, y, w, h)：
cv2.rectangle(图像, (x, y), (x + w, y + h), (0, 0, 255), 2)
rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
结果 = non_max_suppression(rects，probs=None，overlapThresh=0.7)
返回结果
def 记录（sample_time=5）：
打印（“录音”）
相机 = cv2.VideoCapture(0)
初始化 = time.time()
# ubidots 样本限制
如果 sample_time < 3：
采样时间 = 1
而（真）：
打印（“帽框”）
ret, frame = camera.read()
frame = imutils.resize(frame, width=min(400, frame.shape[1]))
结果=检测器（frame.copy（））
结果1 = len（结果）
打印（结果1）
对于 (xA, yA, xB, yB) 结果：
cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 255, 0), 2)
plt.imshow(帧)
plt.show()
# 发送结果
如果 time.time() - init >= sample_time:
thingspeakHttp = BASE_URL + "&field1={}".format(result1)
打印（thingspeakHttp）
conn = urlopen(thingspeakHttp)
print("发送结果")
初始化 = time.time()
相机.release()
cv2.destroyAllWindows()
# 在[7]：
定义主（）：
记录（）
# 在[8]:
如果 __name__ == '__main__'：
主要的（）