Raspberry Pi 4B 使用OpenCV访问摄像头picamera模块

目录

• 1.OpenCV安装
  • （1）安装依赖
  • （2）下载OpenCV源码
  • （3）安装pip
  • （4）安装Python虚拟机
  • （5）编译OpenCV
  • （6）验证安装
• 2.使用OpenCV和Python控制摄像头模块
  • （1）picamera模块安装
  • （2）在Python代码中导入OpenCV控制摄像头
• 3.Raspberry Pi 的人脸识别
• 4.使用OpenCV的Docker容器运行运行人脸识别代码

1.OpenCV安装

说到OpenCV的安装，我想做人脸识别，网上找了很多教程，都涉及到OpenCV，而很多教程是基于Adrian Rosebrock的这篇教材Raspbian Stretch: Install OpenCV 3 + Python on your Raspberry Pi

刚刚看到这篇教程的时候，着实被它的流程吓到了，步骤确实很多，以前装P4开发环境的经历告诉我，这个过程一定不会很顺利。

于是我想按照这个教程复现一遍。

（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

刚开始我是在现有的Raspberry Pi系统上直接安装的，这之前已经配好了网站服务器、FTP服务器等前序博客所做的事情，系统已经不是那么“干净”了。于是我运行上面第三条命令时就报错了，提示要安装的xxx依赖于xxx，但是xxx不会被安装。百度了很多方法，都没有办法解决。差点就想放弃了，第二天决定重新烧录一个干净的系统，并且做好系统备份（很重要！！）

重新烧录的系统果然“干净”，一路顺利，完成依赖的安装。

（2）下载OpenCV源码

$ cd ~
$ wget -O opencv.zip https://github.com/Itseez/opencv/archive/3.3.0.zip
$ unzip opencv.zip
$ wget -O opencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/3.3.0.zip
$ unzip opencv_contrib.zip

对网速要求比较高，所幸学校的网络比较快。但是下载完毕，运行unzip解压时报错：Archive: opencv.zip End-of-central-directory signature not found.  Either this file is not a zipfile, or it constitutes one disk of a multi-part archive. In the latter case the central directory and zipfile comment will be found on the last disk(s) of this archive.

按照网上的方法试着用jar解压，可以成功，暂时没有什么问题了。

（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

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

使用Python3 安装虚拟机

$ mkvirtualenv cv -p python3

虚拟机完成安装之后，后续的所有操作全部在虚拟机中进行。按照教程的说明，一定要看清楚命令行前面是否有（cv），以此作为是否在虚拟机的判断！

以后要重新进入虚拟机，可运行下面的命令

$ source ~/.profile
$ workon cv

再次提醒：后续所有操作均在虚拟机中

安装numpy

$ pip install numpy

（5）编译OpenCV

$ cd ~/opencv-3.3.0/
$ 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-3.3.0/modules \
    -D BUILD_EXAMPLES=ON ..

按照教程提示，编译前检查Python相关配置，结果发现除了Interpreter，其他信息都没有。。。

我按照教程的建议，再三确认了的确在虚拟环境中，然而无济于事。。。

又想放弃了。

第三天，我突然想也许是OpenCV版本太久了，我到Github上看，最新的版本已经到了4.1.2，而且教程中也说了可以把3.3.0改成最新的版本。那既然其他环节都是最新的，那这个相应的也最新吧。于是我重新下载了4.1.2，这次unzip也十分顺利！

再次运行编译前的检查，这次没有问题了。



编译前，按照教程，增大了交换空间CONF_SWAPSIZE=1024

$ sudo nano /etc/dphys-swapfile  #虚拟机中sudo才可以修改

$ sudo /etc/init.d/dphys-swapfile stop
$ sudo /etc/init.d/dphys-swapfile start
$ make -j4 #开始编译（耗时1个多小时）

安装OpenCV

$ sudo make install
$ sudo ldconfig

之后按照教程，检查OpenCV的安装位置，然而按照教程的命令输入，发现是空的！于是我去核对了一下编译前检查的结果，发现我的Python是3.7而不是教程用的3.5，问题解决！同时，我装好的文件名只有cv，没有后面的so

$ 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

（6）验证安装

$ source ~/.profile
$ workon cv
$ python
>>> import cv2
>>> cv2.__version__
'4.1.2'
>>>

成功了！记得备份系统！

2.使用OpenCV和Python控制摄像头模块

（1）picamera模块安装

之后继续按照作者的另一个教程Accessing the Raspberry Pi Camera with OpenCV and Python完成摄像头模块picamera安装，摄像头的初始配置之前已经完成，再此不再赘述。

开启虚拟机

$ source ~/.profile
$ workon cv

再次提醒：后续所有操作均在虚拟机中

安装picamera

$ pip install "picamera[array]"

（2）在Python代码中导入OpenCV控制摄像头

按照教程给的示例代码，验证了Python控制摄像头拍照的效果，发现照片完全是黑的，经过分析，调高了示例代码中sleep的时间，让摄像头曝光时间增加，效果明显。

# 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(3) #此处把0.1改成了3

# 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)

不得不说，这个大神写的教程确实很赞。建议用“干净”的系统安装，可以适当提高OpenCV的版本。编译过程很长，万一失败了，真的很打击积极性，所幸成功了。

3.Raspberry Pi 的人脸识别

• 到此为止，我们已经完成在Raspberry Pi上安装OpenCV和摄像头模块picamera，并且成功用导入了opencv的python代码控制picamera，实现了拍摄一张照片的demo。在此基础上，还可以做的事很多，比如人脸识别。

• 人脸识别可以用face_recogniztion这个开源模块。

• 在前面创建的python虚拟环境cv中安装dlib和face_recognition，使得能够在cv中运行face_recognition。之后如果不进入虚拟环境cv，那么就无法运行face_recognition。

$ pip install dlib
$ pip install face_recognition

• 运行GitHub上face_recognition仓库下的代码
  
  该示例是一个简单的程序，仅调用了picamera，未用到opencv模块。将代码保存在py文件中，在虚拟机cv中运行，并保证代码中的预先加载的人脸信息和代码py文件在同一目录。程序先获取特定脸部信息，之后不断读取摄像头当前捕获的人像，显示人像数，并和已有脸部信息进行比对，如果没有匹配就是unknown person，如果匹配，就显示人名。
  
  运行结果：
  
  

• 同一个代码仓库下的另一个示例
  
  该示例引入opencv来处理图像信息，可以实时显示当前摄像头识别到的人脸信息
  
  

4.使用OpenCV的Docker容器运行运行人脸识别代码

OpenCV安装过于复杂，使用OpenCV容器直接省去了安装步骤。

• Docker镜像: sixsq/opencv-python，支持ARM
• 拉取基础镜像后，进入容器，安装picamera[array]、dlib和face_recognition，commit更新容器建立新的镜像
• 以上述新的镜像为基础，编写Dockerfile，设置启动时执行的命令：ENTRYPOINT["python3"]，重新build最终的镜像
• 启动容器

$ docker run -it -v [本地代码目录]:[容器工作目录] --device=/dev/vchiq --device=/dev/video0 --name [容器名] [镜像名] [人脸识别python代码]

• 运行结果：
  
  

虽然容器省去了费时费力的安装配置，但是也会遇到新的问题：

• 直接以sixsq/opencv-python做Dockerfile，RUN安装face_recognition报错了，于是选择直接进到容器内安装再更新
  
  
• 运行容器报错fail to open vchiq instance，讨论后发现需要在启动容器时使用参数--device=/dev/vchiq解决，具体见上述命令，让容器使用Raspberry Pi的摄像头
  
  
• 如果希望通过容器运行人脸识别相关的GUI图形化程序，即上面的第二个例子，直接使用之前的方法是会报错VIDEOIO ERROR: V4L: can't open camera by index 0，这可以通过--device=/dev/video0解决，另一个报错关键的报错是: cannot connect to X server
  
  
  
  经过和学生探讨，得到解决方法：参考Docker运行GUI软件的方法，添加/tmp/.X11-unix挂载以及DISPLAY环境变量，并且用xhost命令允许所有用户访问X11服务，之后出错X Error:BadDrawable (individ Pixmap or Window parameter 9)，还要添加QT_X11_NO_MITSHM=1环境变量，最终修改容器启动shell脚本如下：

（1）VNC访问Raspberry Pi，在树莓派上直接启动

#sudo apt-get install x11-xserver-utils
xhost +
docker run -it \
	-v [本地代码目录]:[容器工作目录] \
	-v /tmp/.X11-unix:/tmp/.X11-unix \
	-e DISPLAY=$DISPLAY \
	-e QT_X11_NO_MITSHM=1 \
  	--device=/dev/vchiq \
	--device=/dev/video0 \
	--name [容器名] \
	[镜像名] \
	[人脸识别python代码]

（2）ssh访问Raspberry Pi，在pc上远程启动

#sudo apt-get install x11-xserver-utils
xhost +
docker run -it \
        -v [本地代码目录]:[容器工作目录] \
        --net=host \
        -v $HOME/.Xauthority:/root/.Xauthority \
        -e DISPLAY=:10.0  \
        -e QT_X11_NO_MITSHM=1 \
        --device=/dev/vchiq \
        --device=/dev/video0 \
        --name [容器名] \
        [镜像名] \
        [人脸识别python代码]

VNC访问Raspberry Pi的运行结果：



SSH访问Raspberry Pi的运行结果：