【树莓派5】人脸检测与物体识别-电子产品世界论坛

【树莓派5】人脸检测与物体识别

本文介绍了树莓派 5 结合 OpenCV 实现人脸检测与物体识别的板端推理的项目设计。

项目介绍

树莓派 5 板端部署 OpenCV 软件包，结合 Haar 级联分类和 YuNet 算法实现人脸检测、结合 YOLO 算法实现物体识别。

环境搭建：OpenCV 安装、Ultralytics 软件包安装等；
人脸检测：采用 Haar 级联分类器和 YuNet 算法两种方案实现人脸检测的板端推理；
物体识别：采用 YOLOv8 算法及模型实现物体识别的本地推理；

环境搭建

为了快速实现人脸检测和物体识别，需完成 OpenCV 部署和 Ultralytics 软件包的安装等操作。

OpenCV 安装

OpenCV 是一个开源的计算机视觉库，广泛应用于图像处理、视频分析和机器学习等领域。

为了避免影响系统 Python，这里采用创建虚拟环境的方案

创建并激活虚拟环境

 mkdir ~/cv && cd ~/cv    # 创建 cv 文件夹，便于管理
 python3 -m venv venv     # 创建虚拟环境 venv
 source venv/bin/activate # 激活虚拟环境 venv

升级 pip 并安装 NumPy + OpenCV 全家桶

 pip install -U pip numpy                          # 安装 numpy
 pip install opencv-python opencv-contrib-python   # opencv 主模块及 contrib

验证安装

python -c "import cv2,sys,numpy;print('OpenCV:',cv2.__version__,'NumPy:',numpy.__version__)"

输出版本号

详见：OpenCV .

Ultralytics 部署

Ultralytics 基于多年在计算机视觉和人工智能领域的基础研究，打造出尖端、先进的YOLO 模型；

具有速度快、精度高、操作简便等特点。

在目标检测、跟踪、实例分割、图像分类和姿态估计等任务中表现出色。

使用系统或第三方轮子，安装 ultralytics 软件包

 # 升级系统工具
 sudo apt update && sudo apt install -y python3-dev python3-pip libopenblas-dev
 # 安装 numpy 轮子
 python3 -m pip install -U pip
 pip install --only-binary=numpy numpy==1.26.4     # 不编译
 # 安装 ultralytics
 pip install ultralytics

验证安装

python -c "import ultralytics, sys, torch; print('✅ ultralytics', ultralytics.__version__, '| torch', torch.__version__, '| Python', sys.version.split()[0])"

输出相应版本号

详见：ultralytics) .

人脸检测

这里给出 Haar 级联分类和 YuNet 算法两种实现人脸检测的解决方案。

Haar Casecade

使用 OpenCV 自带的 Haar Casecade 方案实现人脸检测。

代码

终端执行 source ~/cv/venv/bin/activate 激活虚拟环境；
执行 touch fd_xml.py 新建程序文件，并添加如下代码

 #!/usr/bin/env python3
 import cv2
 
 # 1. 读图
 img = cv2.imread('./img/friends.jpg')
 if img is None:
     raise FileNotFoundError('找不到 ./img/*.jpg，请确认路径！')
 
 # 2. 加载 Haar 人脸检测模型（OpenCV 自带）
 cascade_path = cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
 face_cascade = cv2.CascadeClassifier(cascade_path)
 
 # 3. 灰度化 + 检测
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 faces = face_cascade.detectMultiScale(
     gray,
     scaleFactor=1.1,
     minNeighbors=5,
     minSize=(30, 30)
 )
 
 # 4. 画框
 for (x, y, w, h) in faces:
     cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
 
 # 5. 弹窗显示
 cv2.imshow('Face Detection - press any key to quit', img)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

保存代码。

效果

终端运行 python fd_xml.py ；
弹窗显示人脸检测结果

按任意键即可关闭窗口；

YuNet

通过 YuNet 算法实现高精度人脸检测，并给出置信度。

代码

终端执行 source ~/cv/venv/bin/activate 激活虚拟环境；
执行 touch fd_onnx.py 新建程序文件，并添加如下代码

 #!/usr/bin/env python3
 import cv2
 import argparse
 
 def detect_faces_yunet(image_path: str,
                        conf_threshold: float = 0.8,
                        model_path: str = "./model/face_detection_yunet_2023mar.onnx") -> None:
     img = cv2.imread(image_path)
     if img is None:
         raise FileNotFoundError(image_path)
     h, w = img.shape[:2]
 
     # 初始化 YuNet
     detector = cv2.FaceDetectorYN_create(
         model=model_path,
         config="",
         input_size=(w, h),
         score_threshold=conf_threshold,
         nms_threshold=0.4,
         top_k=5000
     )
     detector.setInputSize((w, h))
 
     # detect 返回 (status, faces)  取第 1 个元素
     faces = detector.detect(img)[1]
     if faces is None:
         faces = []
 
     for face in faces:
         x, y, w_box, h_box, *_ = map(int, face[:4])
         score = face[-1]
         cv2.rectangle(img, (x, y), (x + w_box, y + h_box), (0, 255, 0), 2)
         label = f"{score:.2f}"
         label_size, _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1)
         cv2.rectangle(img, (x, y - label_size[1] - 4),
                       (x + label_size[0], y), (0, 255, 0), -1)
         cv2.putText(img, label, (x, y - 2), cv2.FONT_HERSHEY_SIMPLEX,
                     0.5, (0, 0, 0), 1, cv2.LINE_AA)
 
     # 树莓派小屏：允许鼠标拖拽缩放
     cv2.namedWindow("YuNet Face Detection", cv2.WINDOW_NORMAL)
     cv2.imshow("YuNet Face Detection", img)
     cv2.waitKey(0)
     cv2.destroyAllWindows()

保存代码。

效果

终端执行 python fd_onnx.py -i ./img/test.jpg 启动人脸检测程序；
终端打印检测结果；
弹窗显示

物体识别

通过 YOLO 算法实现高精度的物体识别，包括关键代码和效果演示。

代码

终端执行 source ~/cv/venv/bin/activate 激活虚拟环境；
执行 touch or_yolo.py 新建程序文件，并添加如下代码

 #!/usr/bin/env python3
 import cv2
 import numpy as np
 from ultralytics import YOLO
 
 # ---------- 1. 加载模型 ----------
 model = YOLO('./model/yolov8n.pt') # 加载模型
 names = model.names          # 动态获取标签
 
 # ---------- 2. 颜色方案（基于 model.names） ----------
 def generate_distinct_colors(name_dict):
     """name_dict: {0:'person', 1:'bicycle', ...}"""
     base_colors = [
         (255, 0, 0), (0, 255, 0), (0, 0, 255), (255, 255, 0),
         (255, 0, 255), (0, 255, 255), (255, 128, 0), (128, 0, 255),
         (0, 255, 128), (128, 255, 0), (255, 0, 128), (0, 128, 255)
     ]
     fixed_colors = {
         'person': (255, 0, 0),        'car': (0, 255, 0),
         'truck': (255, 255, 0),       'bus': (255, 128, 0),
         'bicycle': (255, 0, 255),     'motorcycle': (128, 0, 255),
         'traffic light': (0, 0, 255), 'stop sign': (0, 0, 255),
         'parking meter': (0, 255, 255)
     }
     colors = []
     for idx in range(len(name_dict)):
         name = name_dict[idx]
         if name in fixed_colors:
             colors.append(fixed_colors[name])
         else:
             color_idx = (idx - len(fixed_colors)) % len(base_colors)
             colors.append(base_colors[color_idx])
     return colors
 
 def get_contrast_text_color(bg):
     r, g, b = bg
     return (0, 0, 0) if 0.2126*r + 0.7152*g + 0.0722*b > 128 else (255, 255, 255)
 
 # 生成颜色表
 colors = generate_distinct_colors(names)
 txt_colors = [get_contrast_text_color(c) for c in colors]
 
 # ---------- 3. 读图 ----------
 img_path = './img/desktop.jpg'
 img = cv2.imread(img_path)
 if img is None:
     raise FileNotFoundError(img_path)
 
 # ---------- 4. 推理 ----------
 results = model(img, conf=0.3, iou=0.45)
 
 # ---------- 5. 绘制 ----------
 font_scale = 0.5
 thickness = 1
 for r in results:
     for b in r.boxes:
         x1, y1, x2, y2 = map(int, b.xyxy[0])
         conf = float(b.conf[0])
         cls  = int(b.cls[0])
         label = f'{names[cls]} {conf:.2f}'
 
         color = colors[cls]
         # 半透明填充
         overlay = img.copy()
         cv2.rectangle(overlay, (x1, y1), (x2, y2), color, -1)
         img = cv2.addWeighted(overlay, 0.25, img, 0.75, 0)
 
         # 标签背景
         (tw, th), _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, font_scale, thickness)
         cv2.rectangle(img, (x1, y1-th-8), (x1+tw, y1), color, -1)
         # 文字（自动黑/白）
         cv2.putText(img, label, (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX,
                     font_scale, txt_colors[cls], thickness)
 
 # ---------- 6. 等比例放大显示 ----------
 disp_h = 480
 h, w = img.shape[:2]
 img_show = cv2.resize(img, (int(w * disp_h / h), disp_h),
                       interpolation=cv2.INTER_LINEAR)
 
 cv2.imshow('Colorful YOLO Detection', img_show)
 cv2.waitKey(0)
 cv2.destroyAllWindows()

保存代码。

效果

终端运行 python or_yolo.py ；
弹窗显示物体识别结果

总结

本文介绍了树莓派 5 结合 OpenCV 实现人脸检测与物体识别的板端推理的项目设计，包括 OpenCV 部署、YOLO 算法及 YuNet 算法模型的应用与实现，为树莓派在边缘AI视觉领域的开发设计和快速应用提供了参考。

有奖活动
硬核工程师专属补给计划——填盲盒
“我踩过的那些坑”主题活动——第002期
【EEPW电子工程师创研计划】技术变现通道已开启~
发原创文章【每月瓜分千元赏金凭实力攒钱买好礼~】
【EEPW在线】E起听工程师的声音！
高校联络员开始招募啦！有惊喜！！
【工程师专属福利】每天30秒，积分轻松拿！EEPW宠粉打卡计划启动！
送您一块开发板，2025年“我要开发板活动”又开始了！

我要赚赏金打赏帖
Chaos-nano操作系统在手持式VOC检测设备上的应用被打赏￥37元
【分享开发笔记，赚取电动螺丝刀】关于在导入第三方库lib时，wchart类型冲突的原因及解决方案被打赏￥30元
在FireBeetle2ESP32-C5上实现温湿度检测和显示被打赏￥20元
在FireBeetle2ESP32-C5上实现光照强度检测及显示被打赏￥21元
以FireBeetle2ESP32-C5实现数据识读播报被打赏￥19元
【STM32F103ZET6】14:实测STM32F1的串口输出任务的挂起与恢复功能被打赏￥27元
Chaos-nano在压力容器监控系统中的项目应用被打赏￥23元
基于FireBeetle2ESP32-C5的WS2812B彩色灯带控制被打赏￥21元
SWM221CBT7显示开发板驱动TFT显示屏被打赏￥19元
SWM221CBT7显示开发板驱动OLED屏显示被打赏￥19元

热门分类
STM32	MCU
通讯及无线技术	物联网技术
电子DIY	板卡试用
基础知识	软件与操作系统
我爱生活	小e食堂

【树莓派5】人脸检测与物体识别

回复