树莓派交叉编译opencv3.4.1/pycharm安装opencv/实现人脸识别Demo记录

小咪咪 2023-08-17 16:55 109阅读 0赞

# 目录 #

### 文章目录 ###

*  目录
 *  前言
 *  树莓派交叉编译opencv3.4.1
 *   *  安装环境
     *  开始交叉编译
     *  错误记录
 *  WIN10+Anaconda+PyCharm安装opencv3.4.7
 *  WIN10下opencv人脸检测
 *  树莓派下opencv人脸检测
 *  总结

# 前言 #

有需要用到树莓派实现一个人脸识别的程序，所以又回到了交叉编译opencv上。虽然工作的时候用到过opencv，交叉编译一次次失败的恐惧感还在眼前。而这次编译也花了三天的时间，我太难了\[哭出声\]！网上很多的opencv编译教程，但是写的挺乱的，我尽量把自己遇到的问题表达清楚吧！

# 树莓派交叉编译opencv3.4.1 #

交叉编译opencv3.4.1的教程参考[Install OpenCV Python on Raspberry Pi 3][]，原文是英文写的，比较简单，大家可以看原文，也可以看我的翻译。

## 安装环境 ##

博主使用的是最新版的Raspbian Buster系统，大家可以去[官网][Link 1]自行下载安装，安装完成后可以使用单独的显示器操作；也可以使用ssh+vncserver的方式，将树莓派的桌面通过网线投影到电脑上来显示，这里不做描述，大家可以到[树莓派实验室][Link 2]上去找教程。  
使用的opencv版本是opencv3.4.1，在博主这版的树莓派上，如果使用如下命令直接安装opencv。

sudo apt-get install libopencv-dev
    sudo apt-get install python-opencv

但是注意apt-get安装的方式，opencv是在python2.7的环境下存在的，python3下使用`import cv2`的方式导入opencv会发现找不到cv2模块。由于python2.7即将停止维护，所以以后的程序都会是python3的程序，因此最好在python3的环境下使用opencv编写人脸识别的代码。故有了交叉编译opencv3的需要。

## 开始交叉编译 ##

*  第一步：更新Pi

sudo apt-get update
    sudo apt-get upgrade
    sudo rpi-update

*  第二步：安装依赖

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

*  第三步：安装python3开发工具

sudo apt-get install python3 python3-setuptools python3-dev

*  第四步：设置pip工具

wget https://bootstrap.pypa.io/get-pip.py
    sudo python3 get-pip.py
    # 注意：如果wget速度太慢的话，可以直接访问https://bootstrap.pypa.io网页，
    # 然后在windows下下载get-pip.py文件，然后使用xftp传到pi上

第五步：抓取OpenCV3.4.1和OpenCV-contrib包

cd ~
    wget -O opencv.zip https://github.com/Itseez/opencv/archive/3.4.1.zip
    wget -O opencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/3.4.1.zip
    unzip opencv.zip
    unzip opencv_contrib.zip
    # 建议直接访问https://github.com/Itseez/opencv/archive/3.4.1.zip下载

第六步：安装numpy

sudo pip3 install numpy

第七步：编译OpenCV

cd ~				# ~：指家目录，一般是/home/pi
    mkdir opencv
    cd opencv	# 将下载好的opencv 
    cd ~/opencv-3.4.1/
    mkdir build
    cd build
    cmake -D CMAKE_BUILD_TYPE=RELEASE \
          -D CMAKE_INSTALL_PREFIX=/usr/local \
          -D INSTALL_C_EXAMPLES=ON \
          -D INSTALL_PYTHON_EXAMPLES=ON \
          -D OPENCV_EXTRA_MODULES_PATH=~/opencv/opencv_contrib-3.4.1/modules \
          -D ENABLE_PRECOMPILED_HEADERS=OFF \
          -D BUILD_EXAMPLES=ON ..

*  第八步：增加swap空间  
    将swap大小从100MB增加到1024MB，可以方便OpenCV使用Pi的4个核进行编译

vi /etc/dphys-swapfile

找到 CONF\_SWAPSIZE 这个变量，将100改成1024，然后保存退出。使用如下命令重启：

sudo /etc/init.d/dphys-swapfile stop
    sudo /etc/init.d/dphys-swapfile start

第九步：编译并安装OpenCV

make -j4

编译的过程时间很长，[Install OpenCV Python on Raspberry Pi 3][]这篇教程中说不到两个小时，但是我每次编译都是3小时以上。遇到的错误单独记录，这里把整个编译流程完整的叙述一下。  
如果`make -j4`的结果，命令行中显示了100%，那么恭喜你，opencv编译完成，接下来就是安装的过程了，使用如下命令：

sudo make install
    sudo ldconfig

*  第十步：测试  
    在命令行下输入：`python3`，然后`import cv2`导入，如果导入成功不会有提示信息。接下来可以用`cv2.__version__`测试当前opencv的版本。  
    ![1][]
 *  第十一步：将swap大小从1024改回100  
    将swap大小从1024MB改回100MB

vi /etc/dphys-swapfile

找到 CONF\_SWAPSIZE 这个变量，将1024改成100，然后保存退出。使用如下命令重启：

sudo /etc/init.d/dphys-swapfile stop
    sudo /etc/init.d/dphys-swapfile start

## 错误记录 ##

*  错误1：

fatal error: boostdesc_bgm.i: 没有那个文件或目录
               #include "boostdesc_bgm.i"

这个错误的产生是因为缺少一下这些文件：

boostdesc_bgm.i
    boostdesc_bgm_bi.i
    boostdesc_bgm_hd.i
    boostdesc_lbgm.i
    boostdesc_binboost_064.i
    boostdesc_binboost_128.i
    boostdesc_binboost_256.i
    vgg_generated_120.i
    vgg_generated_64.i
    vgg_generated_80.i
    vgg_generated_48.i

我把这个资源也上传一下，大家可以去这个[链接][Link 3]下载  
**解决方法**：  
然后将这些文件复制到`/home/pi/opencv/opencv_contrib-3.4.1/modules/xfeatures2d/src`目录即可继续编译。建议大家直接用xftp的方式将文件复制到该目录下即可。

cp * ~/opencv/opencv_contrib-3.4.1/modules/xfeatures2d/src

*  错误2：

/home/pi/opencv/opencv-3.4.1/modules/stitching/include/opencv2/stitching/detail
     /matchers.hpp:52:12: fatal error: opencv2/xfeatures2d/cuda.hpp: 没有那个文件或目录

错误的原因是缺少cuda.hpp文件，这些文件在`opencv_contrib-3.4.1/modules/xfeatures2d/include/opencv2`目录下，所以直接将这个目录下的文件拷贝到`opencv-3.4.1/modules/stitching/include/opencv2/`即可  
**解决方法**：

cp ~/opencv/opencv_contrib-3.4.1/modules/xfeatures2d/include/opencv2/* ~/opencv/opencv-3.4.1/modules/stitching/include/opencv2/ -rf

*  错误3：

error: 'CODEC_FLAG_GLOBAL_HEADER' was not declared in this scope

这个错误是我在编译opencv-3.2.0的时候出现的错误，当时编译opencv3.4.1到99%的时候出现了错误4，一直没找到解决方法。想着是不是版本的问题，所以就编译了opencv3.2.0，结果还是出了错误4\[此处真的崩溃了，心中有一万只草泥马奔腾而过\]。  
解决方法：

vim ~/opencv/opencv-3.2.0/modules/videoio/src/cap_ffmpeg_impl.hpp

打开cap\_ffmpeg\_impl.hpp这个文件，在最顶端加入如下内容即可：

#define AV_CODEC_FLAG_GLOBAL_HEADER (1 << 22)
    #define CODEC_FLAG_GLOBAL_HEADER AV_CODEC_FLAG_GLOBAL_HEADER
    #define AVFMT_RAWPICTURE 0x0020

*  错误4：  
    这个错误是导致我编译opencv花了3天的罪魁祸首，前几个问题在网上或多或少是有介绍的，但是这个错误我完全没找到答案。可能是没有翻墙的原因，也可能是不会用百度的原因，反正没看见那个人解决了。错误如下：  
    ![5][]  
    `[modules/python2/CMakeFiles/opencv_python2.dir/__src2/cv2.cpp.o] Error 1`  
    这个错误我一直没找到原因，后来发现由于编译信息过多，错误信息刷过去了，导致我一直找不到错误原因。最后，找到了错误。

/home/pi/opencv/opencv-3.4.1/modules/python/src2/cv2.cpp:889:34: error: invalid conversion from ‘const char*’ to ‘char*’ [-fpermissive]

出错是应为const char*不能转换为char*。解决这个问题很简单，就是将const char*强制类型转换为char*，可是因为没找到出错的地方，所以几次编译都死在了错误4上。希望后来人能够看到。

解决方法：

vim ~/opencv/opencv-3.4.1/modules/python/src2/cv2.cpp

定位到889行，修改如下：  
![2][]  
大家也可以通过查看错误日志的方式来找错误，不过我看了，但是错误4依旧没找到问题所在\[这里的教训就是，如果编译出错了，大家要重新编译，这时要盯着屏幕不放，因为错误的信息会用红字标识出来，大家暂停一下，解决红字的错误一般就可以了\]。  
最后，解决了这些错误，博主就编译成功了。三天，都是泪。

如果大家也被错误4困扰很久的话，帮忙点个赞啊！毕竟我没看到哪位博主有解决这个问题。

# WIN10+Anaconda+PyCharm安装opencv3.4.7 #

博主要在树莓派上实现一个简单人脸识别的Demo,本来是不需要在电脑上安装opencv的，但是由于Demo在树莓派跑有些限制\[这部分在后面介绍\]。所以必须要在电脑上安装opencv，将电脑上的结果放到树莓派上才行。  
WIN10上安装AnAconda+PyCharm的教程可以参考博主的[win10安装anaconda3和PyCharm教程][win10_anaconda3_PyCharm]。然后需要安装OpenCV，这里博主采用网上经常用的方法：找大神编译好的包，然后安装即可。  
[下载地址][Link 4]，跳转到这个地址如下图：  
![3][]  
博主下载的是`opencv_python‑3.4.7+contrib‑cp37‑cp37m‑win_amd64.whl`这个版本，这个版本的意思是opencv版本位3.4.7，适用于python3.7的编译器。也就是说cp37‑cp37m代表的使用是python的版本。大家对照自己windows的python版本去下载对应的opencv包即可。  
如果下的版本和python的版本不对，就会出现平台不适用的情况\[不要问我怎么知道的，捂脸\]。  
然后将`opencv_python‑3.4.7+contrib‑cp37‑cp37m‑win_amd64.whl`放到`D:\Program\anaconda3\Lib\site-packages`目录下(注意，D:\\Program\\anaconda3\\Lib\\site-packages这个目录是我的anaconda的安装目录，大家可以按照自己的喜好放在在任意目录，只要pip install的时候找得到就可以了)。  
接下来，使用WIN+R打开cmd.exe。切换到D盘的Program\\anaconda3\\Lib\\site-packages目录下，使用

pip install “opencv_python‑3.4.7+contrib‑cp37‑cp37m‑win_amd64.whl”

安装opencv3.4.7就可以了。最后，博主在pycharm中直接import cv2没有问题，就没有再往下弄了。其实还有问题就是，在pycharm中没有opencv的库函数的提示，不过我只是完成任务，就不管了。

# WIN10下opencv人脸检测 #

参考[用树莓派实现实时的人脸检测][Link 5]。之所以要在Win10下跑这个代码是为了训练分类器，在**文章的第六步**中要将**第五步**获取的样本数据训练成.yml文件，这个在Pi上不支持。所以博主就将这个代码放在win10上运行，将训练的模型拷贝到树莓派上去用，结果是成功的。  
注意：win10下我没找到haarcascade\_frontalface\_default.xml的位置，所以从[官网][Link 6]直接下了一个，大家下载后将分类器的文件目录设置为这个即可。

# 树莓派下opencv人脸检测 #

参考[用树莓派实现实时的人脸检测][Link 5]。  
注意：opencv的api可以在[这里][Link 7]查看  
博主还尝试了下用c++编写人脸检测的代码，但是效果不怎么好，也没怎么研究。附上编译命令

g++ test.cpp -o test `pkg-config --cflags --libs opencv`

# 总结 #

python是一门高集成度的语言，我们在学习的时候看不到它的底层，这对于程序员是不友好的。但是一旦我们了解了这门语言的原理之后，用的时候就是直接调函数即可。这或许是python流行的一大原因。也就是说python其实是大佬们才能玩的，我们这种渣渣不建议用python直接找工作！

[Install OpenCV Python on Raspberry Pi 3]: https://www.deciphertechnic.com/install-opencv-python-on-raspberry-pi/
[Link 1]: https://www.raspberrypi.org/downloads/raspbian/
[Link 2]: http://shumeipai.nxez.com/
[1]: /images/20230809/816a17e9f81c40fa8a6bab432c923c0f.png
[Link 3]: https://download.csdn.net/download/simonforfuture/11829926
[5]: /images/20230809/81450ec822e94d7e9f823d36a1918312.png
[2]: /images/20230809/bb765e4cda1f4d56a572bbbcb07598c1.png
[win10_anaconda3_PyCharm]: https://blog.csdn.net/simonforfuture/article/details/100627338
[Link 4]: https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
[3]: /images/20230809/ad54ac4143074aa19290337bcba2d9a6.png
[Link 5]: http://shumeipai.nxez.com/2018/03/09/real-time-face-recognition-an-end-to-end-project-with-raspberry-pi.html
[Link 6]: https://github.com/opencv/opencv/tree/master/data/haarcascades
[Link 7]: https://docs.opencv.org/2.4.13.5/