在當(dāng)今尖端技術(shù)的世界中，數(shù)字圖像處理發(fā)展非常迅速，并成為許多數(shù)字設(shè)備的重要組成部分，如手機(jī)、安全攝像頭、筆記本電腦等。

數(shù)字圖像處理最常見(jiàn)的應(yīng)用是對(duì)象檢測(cè)、人臉識(shí)別和人數(shù)統(tǒng)計(jì)。所以在本教程中，我們將使用 Raspberry Pi 和 ThingSpeak 構(gòu)建一個(gè) OpenCV 人群計(jì)數(shù)。在這里，pi 相機(jī)模塊將用于連續(xù)捕獲幀，然后將這些幀用HOG（面向直方圖的對(duì)象描述符）處理以檢測(cè)圖像中的對(duì)象。在此之后，這些幀將與 OpenCV 的預(yù)訓(xùn)練模型進(jìn)行比較以進(jìn)行人員檢測(cè)。人數(shù)統(tǒng)計(jì)將顯示在 ThingSpeak 頻道上，可以從世界任何地方進(jìn)行監(jiān)控。

所需組件

硬件

樹(shù)莓派 3（任何版本）

派相機(jī)

軟件和在線服務(wù)

物語(yǔ)

Python3.0

開(kāi)放CV3.0

在樹(shù)莓派中安裝 OpenCV

這里將使用 OpenCV 庫(kù)來(lái)檢測(cè)人群。要安裝 OpenCV，首先，更新 Raspberry Pi。

sudo apt-get 更新

然后安裝在 Raspberry Pi 上安裝 OpenCV 所需的依賴項(xiàng)。

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 中安裝 OpenCV。

pip3 安裝 opencv-contrib-python==4.1.0.25

安裝其他必需的軟件包

在對(duì) Raspberry Pi 進(jìn)行人群計(jì)數(shù)編程之前，讓我們安裝其他所需的軟件包。

安裝imutils： imutils 用于執(zhí)行一些必要的圖像處理功能，例如平移、旋轉(zhuǎn)、調(diào)整大小、骨架化，以及使用 OpenCV 更輕松地顯示 Matplotlib 圖像。因此，使用以下命令安裝imutils ：

pip3 安裝 imutils

matplotlib：之后，安裝matplotlib庫(kù)。Matplotlib是一個(gè)綜合庫(kù)，用于在 Python 中創(chuàng)建靜態(tài)、動(dòng)畫和交互式可視化。

pip3 安裝 matplotlib

人數(shù)統(tǒng)計(jì)的 ThingSpeak 設(shè)置

ThingSpeak 是一個(gè)非常流行的物聯(lián)網(wǎng)平臺(tái)，通過(guò)使用 ThingSpeak 平臺(tái)，我們可以從任何地方通過(guò)互聯(lián)網(wǎng)監(jiān)控我們的數(shù)據(jù)。

單擊 Sing up 并輸入您的詳細(xì)信息。

在此之后，驗(yàn)證您的電子郵件 ID，然后單擊繼續(xù)。

現(xiàn)在，登錄后，單擊“新建頻道”按鈕創(chuàng)建一個(gè)新頻道。

單擊“新頻道”后，輸入您要在此頻道上上傳的數(shù)據(jù)的名稱和描述。在這里，我們創(chuàng)建了一個(gè)名為People的字段。可根據(jù)需要?jiǎng)?chuàng)建多個(gè)字段。

在此之后，單擊保存頻道按鈕以保存詳細(xì)信息。

要將數(shù)據(jù)發(fā)送到 ThingSpeak，請(qǐng)?jiān)?Python 腳本中輸入 API 密鑰和通道 ID，然后復(fù)制 API 密鑰和通道 ID。

硬件設(shè)置

在這里，我們只需要 Raspberry Pi 和 Pi 相機(jī)來(lái)完成這個(gè)OpenCV 人員計(jì)數(shù)項(xiàng)目，您只需將相機(jī)帶狀連接器連接到 Raspberry pi 中提供的相機(jī)插槽中

Pi 攝像頭可用于構(gòu)建各種有趣的項(xiàng)目，如Raspberry Pi 監(jiān)控?cái)z像頭、訪客監(jiān)控系統(tǒng)、家庭安全系統(tǒng)等。

人員計(jì)數(shù)器的Python程序說(shuō)明

此人群計(jì)數(shù) OpenCV 項(xiàng)目的完整 Python 代碼在頁(yè)面末尾給出。在這里，我們將解釋代碼的重要部分，以便更好地解釋。

因此，在代碼開(kāi)始時(shí)，導(dǎo)入將在此項(xiàng)目中使用的所有必需庫(kù)。

導(dǎo)入簡(jiǎn)歷2
導(dǎo)入 imutils
從 imutils.object_detection 導(dǎo)入 non_max_suppression
將 numpy 導(dǎo)入為 np
導(dǎo)入請(qǐng)求
進(jìn)口時(shí)間
導(dǎo)入base64
從 matplotlib 導(dǎo)入 pyplot 作為 plt
從 urllib.request 導(dǎo)入 urlopen?

導(dǎo)入庫(kù)后，輸入 ThingSpeak 頻道 ID 并寫入您之前復(fù)制的 API 密鑰。

channel_id = 812060 # 在此處輸入頻道 ID
WRITE_API = 'X5AQ3EGIKMBYW31H' # 把你的寫密鑰放在這里
BASE_URL = "https://api.thingspeak.com/update?api_key= {}".format(WRITE_API)

現(xiàn)在，初始化 HOG（面向直方圖的對(duì)象描述符）。HOG 是最流行的目標(biāo)檢測(cè)技術(shù)之一，并已在多個(gè)應(yīng)用中使用。cv2.HOGDescriptor_getDefaultPeopleDetector()用于調(diào)用 OpenCV 的預(yù)訓(xùn)練模型進(jìn)行人員檢測(cè)。我們之前在之前的 OpenCV 教程中詳細(xì)解釋過(guò) HOG 。

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

在檢測(cè)器（）內(nèi)部，Pi 接收到一個(gè) RGB 圖像，該圖像被分成三個(gè)顏色通道。之后，它使用imutils調(diào)整圖像大小。然后它調(diào)用detectMultiScale()方法來(lái)分析圖像，使用 SVM 模型的分類結(jié)果來(lái)了解是否存在人。

def檢測(cè)器（圖像）：
   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)

有時(shí)捕獲框重疊并產(chǎn)生誤報(bào)或檢測(cè)錯(cuò)誤，因此下面的代碼將imutils的非最大抑制應(yīng)用于啟動(dòng)重疊框。

對(duì)于矩形中的 (x, y, w, h)：
       cv2.rectangle(圖像, (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])
   結(jié)果 = non_max_suppression(rects，probs=None，overlapThresh=0.7)
   返回結(jié)果

在record()函數(shù)中，它使用 OpenCV 中的VideoCapture()方法直接從 Pi 相機(jī)中檢索圖像，使用 imultis 調(diào)整圖像大小并將結(jié)果發(fā)送到 ThingSpeak。

def 記錄（sample_time=5）：
  相機(jī) = cv2.VideoCapture(0)
frame = imutils.resize(frame, width=min(400, frame.shape[1]))
結(jié)果=檢測(cè)器（frame.copy（））
thingspeakHttp = BASE_URL + "&field1={}".format(result1)

測(cè)試 OpenCV 人員計(jì)數(shù)器

在啟動(dòng) python 腳本之前，首先檢查您的 PI 相機(jī)是否工作。檢查相機(jī)后，通過(guò)發(fā)出以下命令啟動(dòng) python 腳本：

然后你會(huì)發(fā)現(xiàn)彈出一個(gè)窗口，里面有你的視頻源。Pi 將獲取第一幀并使用 OpenCV 對(duì)其進(jìn)行處理以檢測(cè)人數(shù)。如果它檢測(cè)到人，你會(huì)在它周圍找到一個(gè)像這樣的框：

現(xiàn)在檢查您的 ThingSpeak 頻道，您可以在其中監(jiān)控來(lái)自世界任何地方的人群規(guī)模。

導(dǎo)入簡(jiǎn)歷2
導(dǎo)入 imutils
從 imutils.object_detection 導(dǎo)入 non_max_suppression
將 numpy 導(dǎo)入為 np
導(dǎo)入請(qǐng)求
進(jìn)口時(shí)間
導(dǎo)入base64
從 matplotlib 導(dǎo)入 pyplot 作為 plt
從 urllib.request 導(dǎo)入 urlopen
channel_id = 812060 # 在此處輸入頻道 ID
WRITE_API = 'X5AQ3EGIKMBYW31H' # 把你的寫密鑰放在這里
BASE_URL = "https://api.thingspeak.com/update?api_key={}".format(WRITE_API)
豬 = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
# 在[3]：
def檢測(cè)器（圖像）：
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)
對(duì)于矩形中的 (x, y, w, h)：
cv2.rectangle(圖像, (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])
結(jié)果 = non_max_suppression(rects，probs=None，overlapThresh=0.7)
返回結(jié)果
def 記錄（sample_time=5）：
打印（“錄音”）
相機(jī) = cv2.VideoCapture(0)
初始化 = time.time()
# ubidots 樣本限制
如果 sample_time < 3：
采樣時(shí)間 = 1
而（真）：
打印（“帽框”）
ret, frame = camera.read()
frame = imutils.resize(frame, width=min(400, frame.shape[1]))
結(jié)果=檢測(cè)器（frame.copy（））
結(jié)果1 = len（結(jié)果）
打印（結(jié)果1）
對(duì)于 (xA, yA, xB, yB) 結(jié)果：
cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 255, 0), 2)
plt.imshow(幀)
plt.show()
# 發(fā)送結(jié)果
如果 time.time() - init >= sample_time:
thingspeakHttp = BASE_URL + "&field1={}".format(result1)
打印（thingspeakHttp）
conn = urlopen(thingspeakHttp)
print("發(fā)送結(jié)果")
初始化 = time.time()
相機(jī).release()
cv2.destroyAllWindows()
# 在[7]：
定義主（）：
記錄（）
# 在[8]:
如果 __name__ == '__main__'：
主要的（）