系统综合实践第七次作业 20组

一、在树莓派上安装OpenCV库

安装依赖

# 更新软件源和软件
sudo apt-get update && sudo apt-get upgrade
#cmake开发者工具
sudo apt-get install build-essential cmake pkg-config
# 图片I/O包
sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev
# 视频I/O包
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev$ sudo apt-get install libxvidcore-dev libx264-dev
# 安装GTK
sudo apt-get install libgtk2.0-dev libgtk-3-dev
# 安装性能优化包
sudo apt-get install libatlas-base-dev gfortran
# 安装python
sudo apt-get install python2.7-dev python3-dev

下载OpenCV源码

根据教程使用的是OpenCV3.3.0版本

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

安装pip和python虚拟机

• 安装pip

# 安装pip
wget https://bootstrap.pypa.io/get-pip.py
sudo python get-pip.py
sudo python3 get-pip.py

• 安装python虚拟机

# 安装python虚拟机
sudo pip install virtualenv virtualenvwrapper
sudo rm -rf ~/.cache/pip
# 配置 ~/.profile，添加以下内容：

# 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
  
# 创建cv虚拟环境
mkvirtualenv cv -p python3
  
# 进入虚拟机
workon cv     #重新进入前要先执行source ~./profile
# 命令行前面是否有（cv），以此作为是否在虚拟机的判断

• 安装numpy

pip install numpy

编译OpenCV

• 准备工作

cd ~/opencv-3.3.0/
mkdir build
cd build
# 设置cmake构建选项
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 ..

• 编译前，需要增大交换空间CONF_SWAPSIZE=1024，避免内存不足

sudo nano /etc/dphys-swapfile  #虚拟机中sudo才可以修改
# 重启swap服务
sudo /etc/init.d/dphys-swapfile stop
sudo /etc/init.d/dphys-swapfile start

• 开始编译

make j4

编译成功

• 安装OpenCV

sudo make install
sudo ldconfig

• 检查OpenCV安装位置，并建立软链

ls -l /usr/local/lib/python3.7/site-packages/ #查看cv2
cd ~/.virtualenvs/cv/lib/python3.7/site-packages/
ln -s /usr/local/lib/python3.7/site-packages/cv2.cpython-37m-arm-linux-gnueabihf.so cv2.so #建立软链

在建立软链过程中有可能会失败，或者直接将/usr/local/lib/python3.7/site-packages/下的cv2利用mv命令移动到~/.virtualenvs/cv/lib/python3.7/site-packages/目录下，命令如下：

sudo mv /usr/local/lib/python3.7/site-packages/cv2.cpython-37m-arm-linux-gnueabihf.so ~/.virtualenvs/cv/lib/python3.7/site-packages/cv2.so

验证安装

source ~/.profile 
workon cv
python
import cv2
cv2.__version__  #查看cv2版本

---

二、使用opencv和python控制树莓派的摄像头

picamera模块安装

• 开启虚拟机（以下操作都在虚拟机中进行）
• 安装picamera

pip install "picamera[array]"

在Python代码中导入OpenCV控制摄像头

• 拍照测试

# 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)

---

三、利用树莓派的摄像头实现人脸识别

• 在前面创建的python虚拟环境cv中安装dlib和face_recognition

pip install dlib
pip install face_recognition

验证是否安装成功：

• 运行facerec_on_raspberry_pi.py（参考GitHub仓库）
  将python文件和需要的图片放在同一个文件夹中，在虚拟机中运行，运行结果如下：
  
• 运行facerec_from_webcam_faster.py
  该代码可以实时显示当前识别的人脸信息，运行结果如下：
  

---

四、结合微服务的进阶任务（使用OpenCV的docker容器运行人脸识别代码）

使用微服务，部署opencv的docker容器（要能够支持arm）

• 准备工作

#退出python虚拟机
deactivate
#脚本安装docker
sudo curl -sSL https://get.docker.com | sh
#填加用户到docker组
sudo usermod -aG docker pi
#重新登陆以用户组生效
exit && ssh pi@raspiberry
#验证docker版本
docker --version

• 拉取镜像（支持arm）

sudo docker pull  sixsq/opencv-python

• 进入容器并安装所需依赖

docker run -it [imageid] /bin/bash
pip install "picamera[array]" dlib face_recognition

• commit更新容器建立新的镜像

docker commit [containerid] [自定义镜像名]

• 编写dockerfile文件构建镜像
  dockerfile文件：

FROM my-opencv

MAINTAINER GROUP20

RUN mkdir /workspace

WORKDIR /worksapce

COPY /workspace .

构建镜像：

sudo docker build myopencv .

• 构建成功后，运行容器

docker run -it --device=/dev/vchiq --device=/dev/video0 myopencv myopencv

• 运行facerec_on_raspberry_pi.py

python3 facerec_on_raspberry_pi.py

选做：在opencv的docker容器中跑通步骤（3）的示例代码facerec_from_webcam_faster.py

• 在Windows系统中安装XMing

• 启动putty
  

• 查看DISPLAY环境变量值
  

• 编辑并启动脚本run.sh

xhost +	#允许来自任何主机的连接
docker run -it 
        --rm 
        -v ${PWD}/workdir:/worksapce 
        --net=host 
        -v $HOME/.Xauthority:/root/.Xauthority 
        -e DISPLAY=:0.0  	#此处填写上面查看到的变量值
        -e QT_X11_NO_MITSHM=1 
        --device=/dev/vchiq 
        --device=/dev/video0 
        myopencv 
        recognition.py

• 执行脚本sh run.sh

---

五、遇到的问题已解决方案

问题1：安装虚拟机时报错，错误如下图：

解决方案：在~./profile中追加两句：

export VIRTUALENVWRAPPER_VIRTUALENV=/usr/local/bin/virtualenv
export VIRTUALENVWRAPPER_ENV_BIN_DIR=bin

问题2：编译过程中没有hpp类文件，如下图：

解决方案:其实这个文件是存放在opencv-contrib目录下的，打开报错文件路径，将其hpp文件路径改为绝对路径

sudo nano /home/pi/opencv-3.3.0/modules/stitching/include/opencv2/stitching/detail/matchers.hpp
#include "opencv2/xfeatures2d/cuda.cpp"
//改为以下一句
#include "/.../opencv_contrib-3.3.0/modules/xfeatures2d/include/opencv2/xfeatures2d/cuda.cpp"

之后的hpp文件也是以上的方法，后面不在赘述
问题3：编译OpenCV过程中报错没有定义AVFMT_PAWPICTURE，如下图：

解决方案：找到报错文件路径，编译文件，在文件顶部添加以下内容：

#编辑文件
sudo nano /home/pi/opencv-3.3.0/modules/videoio/src/cap_ffmpeg_impl.hpp
##添加以下内容
#define AV_CODEC_FLAG_GLOBAL_HEADER (1 << 22)
#define CODEC_FLAG_GLOBAL_HEADER AV_CODEC_FLAG_GLOBAL_HEADER
#define AVFMT_RAWPICTURE 0x0020

问题4：找不到boostdesc_bgm.i文件
解决方案：在本机直接下载该文件，将这些文件复制到树莓派的/home/pi/opencv/opencv_contrib-3.3.0/modules/xfeatures2d/src目录中即可。
参考博客，里面附带资源
问题5：char转换错误，此处忘记截图
解决方案：打开错误文件，修改代码
问题6：在安装OpenCV后创建软链失败，导致验证结果错误
解决方案：直接将CV2文件移到相应的目录下即可。
问题7：在pip install face_recognition时下载的非常慢，还一直报网络错误
解决方案：在本机打开终端下载时显示的网站下载相应的文件，然后再复制保存到相应的文件夹安装即可。
问题8：树莓派无法连接WiFi，这个真的是把我们给坑惨了[吐血]
解决方案：搞了一下午，才发现是电源没有接好，原来电源没有接好是会影响树莓派联网？？所以，下次得记得一定要接好电源。
问题9：在commit镜像是显示空间不足，错误如下图：

解决方案：删除了一些垃圾，空出来了200多M的空间，得以解决。

六、团队协作分工

分工

学号	姓名	各自贡献
031702301	王瑞卿	查阅资料，编写部分博客
031702312	鲍冰如	实际操作树莓派
031702313	周丽榕	查阅资料，编写部分博客

团队协作方式