虽然本项目官方并不支持Windows，但一些大神们摸索出了在Windows上运行本项目的方法：
新型肺炎対策・AIによる顔認識および非接触型温度計を利用して体温を自動測定するシステムを開発中です。
DonkeyCarのフレーム上、カメラとサーモセンサー（amg8833）を装備し、この装置の前に立つと自動的に顔認識による個人特定と体温測定を行うもの。大学のキャンパス、教室の出入り口での体温検知による入館チェックなどを想定したシステムです。
https://github.com/mtatsuma/python-googlehome-player.git
を参考しながら進める。
ついに、webcamから人物認識の段階に来ました。
まず結果を見てください。
face_recognitionのリポジトリ(https://github.com/ageitgey/face_recognition/)から、examples/facerec_from_webcam.pyファイルも同じ画像フォルダに入れてください。
知っている人の写真ファイル名を次のように追加してください。
（とりあえず手作業で追加、後ほどフォルダ内すべての写真を自動追加するようにプログラミングする）
最後に、このプリグラムを起動するだけです。
＄ python facerec_from_webcam.py
フォルダ内すべての写真を自動追加するようにプログラミングする
Raspberry Piで動く
Haar特徴ベースのCascade型分類器を使った顔と目の検出を行う。
事前に学習を済ませた学習機のxmlファイルを下記URLからダウンロードしてください。
ダウンロードする方法は、ブラウザChromeの場合まずgithubの画面をRaw画面に切り替えて、XMLのままの表示になります。それからブラウザを右クリックで、別名で保存にしてください。
またネットからLenna.pngを探して、ダウンロードしてください。
Colabに新しいノートブックを作り、上記ファイルをColabにアップしてください。
import cv2
import matplotlib.pyplot as plt # matplotlib(描画用)
print(cv2.__version__)
face_cascade_path = "haarcascade_frontalface_default.xml"
eye_cascade_path = "haarcascade_eye.xml"
face_cascade = cv2.CascadeClassifier(face_cascade_path)
eye_cascade = cv2.CascadeClassifier(eye_cascade_path)
img = cv2.imread('Lenna.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray)
for x, y, w, h in faces:
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
face = img[y: y + h, x: x + w]
face_gray = gray[y: y + h, x: x + w]
eyes = eye_cascade.detectMultiScale(face_gray)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(face, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
# 結果表示
plt.imshow(img)
済ませた学習機のxmlファイルの読み込ませるところは、” *** Unknown error code -49 *** “を発生しました。
もベタランと自負して、初歩的なエラーがあまりないと思うだが、このエラーに数時間も費やした。
stackoverflow.comなどからの対策しても無駄でした。パスを相対パス、絶対パスに変えでも無駄、opencv 3からopencv 4に変化も見つからない、他人の成功例も再現できない、。。。
途方に暮れて、次のページで回答を見つかった。
https://answers.opencv.org/question/191490/opencv-error-unknown-error-code-49-persistencecpp-error/
英語：
日本語：
ダウンロードしたファイルをVSCodeで開いてみたら、htmlファイルでした！
正しいダウンロードする方法は、ブラウザChromeの場合まずgithubの画面をRaw画面に切り替えて、XMLのままの表示になります。それからブラウザを右クリックで、別名で保存にしてください。
まずパッケージを更新します．
sudo apt update && sudo apt upgrade
dlibのインストールに必要なパッケージをインストールします．
sudo apt install build-essential cmake pkg-configアレイをサポートするpicamerapythonライブラリをインストールします.
sudo apt-get install python3-picamera
sudo pip3 install --upgrade picamera[array]Download and install dlib v19.6:
mkdir -p dlib
git clone -b 'v19.6' --single-branch https://github.com/davisking/dlib.git dlib/
cd ./dlib
sudo python3 setup.py install --compiler-flags "-mfpu=neon"
以上でインストールが完了しているはずです．Pythonから簡単に確認してみます．
dlibをインポートしてみて特にエラーが出なければ大丈夫です．
pi@raspberrypi:~/dlib $ python3
Python 3.7.3 (default, Jan 22 2021, 20:04:44)
[GCC 8.3.0] on linux
Type “help”, “copyright”, “credits” or “license” for more information.
>>> import dlib
>>> dlib.__version__
‘19.22.0’
>>>
>>>
pi@raspberrypi:~/dlib $
sudo pip3 install face_recognition顔認識コードの例をダウンロードします。
git clone --single-branch https://github.com/ageitgey/face_recognition.git
cd ./face_recognition/examples
python3 facerec_on_raspberry_pi.pyこちらでBlue Book の機械学習の例題です。
 |
| カラー図解 Raspberry Piではじめる機械学習 基礎からディープラーニングまで (ブルーバックス)
新品価格 |
コード
# -*- coding: utf-8 -*-
from sklearn import datasets, svm
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
# アヤメのデータをロードし、変数irisに格納
iris = datasets.load_iris()
# 特徴量のセットを変数Xに、ターゲットを変数yに格納
X = iris.data
y = iris.target
# 特徴量を外花被片の長さ(sepal length)と幅(sepal width)の
# 2つのみに制限(2次元で考えるため)
X = X[:,:2]
# ターゲットは2 (iris virginica) でないもの,
# つまり iris setosa (0) と iris versicolor (1) のみを対象とする
# (領域の2分割)
X = X[y!=2]
y = y[y!=2]
# 分類用にサポートベクトルマシン (Support Vector Classifier) を用意
clf = svm.SVC(C=1.0, kernel='linear')
# データに最適化
clf.fit(X, y)
##### 分類結果を背景の色分けにより表示
# 外花被片の長さ(sepal length)と幅(sepal width)の
# 最小値と最大値からそれぞれ1ずつ広げた領域を
# グラフ表示エリアとする
x_min = min(X[:,0]) - 1
x_max = max(X[:,0]) + 1
y_min = min(X[:,1]) - 1
y_max = max(X[:,1]) + 1
# グラフ表示エリアを縦横500ずつのグリッドに区切る
# (分類クラスに応じて背景に色を塗るため)
XX, YY = np.mgrid[x_min:x_max:500j, y_min:y_max:500j]
# グリッドの点をscikit-learn用の入力に並べなおす
Xg = np.c_[XX.ravel(), YY.ravel()]
# 各グリッドの点が属するクラス(0か1)の予測をZに格納
Z = clf.predict(Xg)
# Zをグリッド上に並べなおす
Z = Z.reshape(XX.shape)
# クラス0 (iris setosa) が薄オレンジ (1, 0.93, 0.5, 1)
# クラス1 (iris versicolor) が薄青 (0.5, 1, 1, 1)
cmap01 = ListedColormap([(0.5, 1, 1, 1), (1, 0.93, 0.5, 1)])
# 背景の色を表示
plt.pcolormesh(XX, YY, Z==0, cmap=cmap01)
# 軸ラベルを設定
plt.xlabel('sepal length')
plt.ylabel('sepal width')
##### ターゲットに応じた色付きでデータ点を表示
# iris setosa (y=0) のデータのみを取り出す
Xc0 = X[y==0]
# iris versicolor (y=1) のデータのみを取り出す
Xc1 = X[y==1]
# iris setosa のデータXc0をプロット
plt.scatter(Xc0[:,0], Xc0[:,1], c='#E69F00', linewidths=0.5, edgecolors='black')
# iris versicolor のデータXc1をプロット
plt.scatter(Xc1[:,0], Xc1[:,1], c='#56B4E9', linewidths=0.5, edgecolors='black')
# サポートベクトルを取得
SV = clf.support_vectors_
# サポートベクトルの点に対し、赤い枠線を表示
plt.scatter(SV[:,0], SV[:,1], c=(0,0,0,0), linewidths=1.0, edgecolors='red')
# 描画したグラフを表示
plt.show()
結果
# 必要なライブラリの利用を宣言 %matplotlib inline import matplotlib.pyplot as plt import numpy as np # グラフを描画 x = np.arange(0, 20, 0.1) y = np.cos(x) plt.plot(x,y) plt.show()
cmakeを用意する。
chen@Hong-Mac-mini Python % brew install cmake
face_recognitionをインストールすると、2つのシンプルなコマンドラインがついてきます。
実際はexamplesからコピーする。
chen@Hong-MacBook-Air-2017 ~ % face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
./unknown_pictures/two_people.jpg,biden
./unknown_pictures/two_people.jpg,obama
chen@Hong-MacBook-Air-2017 ~ %
古いMacまたはWindowsマシンを持って、最新版OSに対応してない、重くで使い物にならない、または最新版のgcc, VS Codeなどのツールが動作しない場合、Linuxをインストールして、多くのタスクが軽快に実行できるようになるだろう。
Win32DiskImagerを起動します。
フォルダマークのボタンを押して読み込むimgファイルを選択し、その右側のインストール先のドライブを書き込むドライブ(マイクロSDカード等)に変更します。imgファイルと書き込み先ドライブに間違いが無ければWriteをクリックします。
イメージを書き込んだUSBをPCに差し込んで、電源を投入します。持ちのPCに依りますが、BIOS設定画面を表示するために、[F2]または[ESC]キーを押します。
ラズパイのマークが表示されてブートがはじまります。しばらくすると、見慣れた Raspbian のデスクトップが表示されました。
C言語プログラムのファイル名を「hello.c」というファイルを作成します。ファイルの中身は「Hello, World!」という文字列を出力するプログラムです。
hello.cをコンパイルします。
$ gcc hello.c
エラーが表示されなければ、OKです。
実行します。
$ ./a.out Hello, World
無事に実行できましたね。
$ scort -sb
マウスでクリックした窓が、画面コピーを取れて、ホームに保存される。
