理工酷
资源下载
使用OpenCV和Arduino的人脸跟踪器
文件列表（压缩包大小 287.46K)
免费
概述
使用OpenCV的面部识别功能跟踪人脸。
组件和耗材 Arduino UNO ×1个 USB相机 ×1个 SG90微型伺服电机 ×2 跳线（通用） ×8 面包板（通用） ×1个
关于这个项目 面部识别是一种非常有用的工具，已集成在许多现代设备中，用于检测人脸以进行跟踪，生物识别并识别人的活动。在这个项目中，我使用了OpenCV的Harr级联分类器来检测人脸，并使用Arduino UNO进行平移/倾斜伺服机制来跟踪用户的面部。
如何运作？ 面部检测可识别和定位人脸并忽略任何背景对象，例如窗帘，窗户，树木等。OpenCV使用Harr分类器级联，其中视频的每一帧都经过分类器的各个阶段，如果该帧通过所有分类器，存在面部，否则将帧从分类器中丢弃，即未检测到面部。
OpenCV返回检测到的图像的笛卡尔坐标以及高度和宽度。根据这些坐标，可以使用x + width / 2和y + height / 2计算图像的中心坐标。
当检测到人脸时，这些坐标将使用pyserial库传递给Arduino UNO。连接到Arduino的伺服器提供了一个平移/倾斜机制，相机连接到其中一个伺服器。当脸部的坐标远离中心时，则伺服器将对齐2度（递增或递减）以使其朝向屏幕的中心。
侦测脸部 我使用了“haarcascade_frontalface_default.xml” ，它是用于检测人脸的经过预先训练的模型，可以从GitHub（这里）下载。
用于面部检测的功能cv2.CascadeClassifier.detectMultiScale()的“比例因子”值为1.1（默认值），“最小邻域”值为6。这将返回图像的笛卡尔坐标以及高度和宽度。增加“ minNeighbour”（最小邻域）可以改善面部检测，但是会牺牲执行速度，这会导致来自伺服器的延迟响应。因此，这似乎是最佳的。
为了获得精确的面部识别，建议使用纯净的背景，因为由于背景中的窗帘，我面临一些错误的检测。
计算坐标 OpenCV返回以像素值表示的面部坐标。默认情况下，视频分辨率设置为640 * 480。坐标描述了左上像素值（x和y）以及高度和宽度。我已将面部的中心坐标用作参考，可以使用x + width / 2和y + height / 2进行计算，并且可以将其视为绿点。这些坐标被发送到arduino，以移动相机的角度。
框架中心的正方形以白色表示区域，该区域是面部中心（即绿点）必须位于的区域。如果在移动脸部时它位于方形区域之外，则伺服器将对齐相机以将其带入该区域内。
将串行数据发送到Arduino 当我尝试了多种方法将坐标顺序发送到arduino时，我发现此部分具有挑战性，但响应速度很慢。在花了几个小时弄清楚之后，我开始在线寻找类似的项目，直到找到这个项目（在这里）。这让我意识到了Serial函数Serial.parseInt()，该函数从传入的字节序列中获取整数输入（在此处检查）。我发送串行数据的方法类似于该项目中使用的方法。
python在单个字符串中发送中心坐标。例如：“ X100Y200”，X后面的值100表示中心x坐标，值200表示中心y坐标。
伺服安装 我已经将水平移动伺服器安装在装有相机的垂直移动伺服器的轴上。所有附件均使用简单的橡皮筋制作（我不推荐使用，因为我使用的是在家中已有的材料）。
由于我使用2个伺服器进行跟踪，因此建议向Arduino提供额外的9V电源（通过适配器），为两个伺服器提供足够的电流。在没有它的情况下，我注意到它们中存在某种振动而不会使其移动。
理工酷提示：
如果遇到文件不能下载或其他产品问题，请添加管理员微信：ligongku001，并备注：产品反馈
评论（0）
0/250
