【Beagle Bone开源设计】智能医疗监控设计

只看该作者 · 2015-2-28 08:54

本帖最后由偏爱番茄酱于 2015-2-28 08:56 编辑

我之所一选择Beagle Bone作为设计，其最大特点在于：BeagleBone是最新推出的一块开源开发平台，其采用了更低成本的AM335x Cortex A8 ARM 微处理器，尺寸只有信用*的大小。同时USB接口和Ethernet使得它能够扩展与BeagleBoard或者BeagleBoard-XM相连，也能独立的工作。

只看该作者 · 2015-2-28 08:57

BeagleBone只集成了一些必不可少的接口功能，如USB、以太网口。从了提供了最大的扩展性，所有的微处理器的输入输出接口都通过插座连出，为使用者提供了极大灵活性，可以开发各种子板甚至直接连接传感器。可以实现各种二次开发。

只看该作者 · 2015-2-28 08:59

我手上这块板子虽然有点老，但是功能还是十分强劲的

只看该作者 · 2015-2-28 09:31

首先分享一下智能医院人脸门禁识别方案：
开源人脸识别基本功能代码
OpenCV这方面各项目开发国外已经很开源了，我们虚拟公司也参考和学习修改运用在修改调试过来的知反反复复了多少遍。

只看该作者 · 2015-2-28 09:32

一如何使用OpenCV的人脸检测器检测到人脸：

/ /执行的输入图像上的人脸检测，使用给定的（Haar）级联。
/ /返回一个矩形，在给定的图像中检测到的区域。
CvRect detectFaceInImage(IplImage *inputImg, CvHaarClassifierCascade* cascade)
{
/ /最小脸的大小.
CvSize minFeatureSize = cvSize(20, 20);
/ /只搜索一面.
int flags = CV_HAAR_FIND_BIGGEST_OBJECT | CV_HAAR_DO_ROUGH_SEARCH;
/ /详细的搜索.
float search_scale_factor = 1.1f;
IplImage *detectImg;
IplImage *greyImg = 0;
CvMemStorage* storage;
CvRect rc;
double t;
CvSeq* rects;
CvSize size;
int i, ms, nFaces;
storage = cvCreateMemStorage(0);
cvClearMemStorage( storage );

/ /如果图像是彩色的，使用的灰度图像的副本.
detectImg = (IplImage*)inputImg;
if (inputImg->nChannels > 1) {
  size = cvSize(inputImg->width, inputImg->height);
  greyImg = cvCreateImage(size, IPL_DEPTH_8U, 1 );
  cvCvtColor( inputImg, greyImg, CV_BGR2GRAY );
  detectImg = greyImg; // Use the greyscale image.
}
//检测的灰度图像中的所有面.
t = (double)cvGetTickCount();
rects = cvHaarDetectObjects( detectImg, cascade, storage,
search_scale_factor, 3, flags, minFeatureSize);
t = (double)cvGetTickCount() - t;
ms = cvRound( t / ((double)cvGetTickFrequency() * 1000.0) );
nFaces = rects->total;
printf("Face Detection took %d ms and found %d objects\n", ms, nFaces);
//获取第一个检测到的人脸（最大）.
if (nFaces > 0)
  rc = *(CvRect*)cvGetSeqElem( rects, 0 );
else
  rc = cvRect(-1,-1,-1,-1); / /找不到的脸.
if (greyImg)
  cvReleaseImage( &greyImg );
cvReleaseMemStorage( &storage );
// cvReleaseHaarClassifierCascade的（级联）;
return rc; / /返回发现最大的面，或（-1，-1，-1，-1）.
}
// Haar的级联文件，使用的人脸检测.
char *faceCascadeFilename = "haarcascade_frontalface_alt.xml";
/ /加载的HaarCascade分类器进行人脸检测.
CvHaarClassifierCascade* faceCascade;
faceCascade = (CvHaarClassifierCascade*)cvLoad(faceCascadeFilename, 0, 0, 0);
if( !faceCascade ) {
printf("Couldnt load Face detector '%s'\n", faceCascadeFilename);
exit(1);
}
/ /获取下一帧的摄像头.
IplImage *inputImg = cvQueryFrame(camera);
/ /对输入图像执行面部检测，使用给定的（Haar）分类.
CvRect faceRect = detectFaceInImage(inputImg, faceCascade);
/ /确保有效侦测到脸部.
if (faceRect.width > 0) {
printf("Detected a face at (%d,%d)!\n", faceRect.x, faceRect.y);
}
.... Use 'faceRect' and 'inputImg' ....
//人脸检测程序完成时的资源cvReleaseHaarClassifierCascade（级联);

只看该作者 · 2015-2-28 09:32

二  如何进行预处理，人脸图像的人脸识别：
/ /无论是将图像转换为灰度，或使用现有的灰度图像.
IplImage *imageGrey;
if (imageSrc->nChannels == 3) {
imageGrey = cvCreateImage( cvGetSize(imageSrc), IPL_DEPTH_8U, 1 );
      / /从RGB（实际上它是BGR）转换为灰度。
cvCvtColor( imageSrc, imageGrey, CV_BGR2GRAY );
}
else {
/ /只使用输入图像，因为它已经是灰度.
imageGrey = imageSrc;
}
/ /调整的图像的大小是一致的大小，即使宽高比变化.
IplImage *imageProcessed;
imageProcessed = cvCreateImage(cvSize(width, height), IPL_DEPTH_8U, 1);
/ /使图像具有固定大小.
/ / CV_INTER_CUBIC或CV_INTER_LINEAR的是良好的扩大，
/ //抽取伸缩CV_INTER_AREA是良好的，但糟糕的扩大.
cvResize(imageGrey, imageProcessed, CV_INTER_LINEAR);
/ /给一个标准的亮度和对比度的图像.
cvEqualizeHist(imageProcessed, imageProcessed);
.....  Use 'imageProcessed' for Face Recognition ....
if (imageGrey)
cvReleaseImage(&imageGrey);
if (imageProcessed)
cvReleaseImage(&imageProcessed);

  三实现离线瞄准:

/ /告诉PCA退出的时候它有足够的特征脸.
CvTermCriteria calcLimit = cvTermCriteria( CV_TERMCRIT_ITER, nEigens, 1);
/ /计算平均图像，特征向量（特征脸）和特征（比率）.
cvCalcEigenObjects(nTrainFaces, (void*)faceImgArr, (void*)eigenVectArr,
CV_EIGOBJ_NO_CALLBACK, 0, 0, &calcLimit,
pAvgTrainImg, eigenValMat->data.fl);
//标准化矩阵的特征值.
cvNormalize(eigenValMat, eigenValMat, 1, 0, CV_L1, 0);
/ /每个training项目的PCA子空间上的图像.
CvMat projectedTrainFaceMat = cvCreateMat( nTrainFaces, nEigens, CV_32FC1 );
int offset = projectedTrainFaceMat->step / sizeof(float);
for(int i=0; i<nTrainFaces; i++) {
cvEigenDecomposite(faceImgArr, nEigens, eigenVectArr, 0, 0,
  pAvgTrainImg, projectedTrainFaceMat->data.fl + i*offset);
}

只看该作者 · 2015-2-28 09:35

四实现从相机的实时识别：
/ /获取下一个摄像机框架。等待，直到下一帧是准备好了，
/ /提供直接访问它，所以不要修改或释放返回的图像！
/ /将自动初始化摄像头，在第一帧上.
IplImage* getCameraFrame(CvCapture* &camera)
{
IplImage *frame;
int w, h;
/ /如果相机没有被初始化，然后打开它.
if (!camera) {
  printf("Acessing the camera ...\n");
  camera = cvCreateCameraCapture( 0 );
  if (!camera) {
printf("Couldn't access the camera.\n");
exit(1);
  }
  / /尝试设置相机的分辨率为320×240.
  cvSetCaptureProperty(camera, CV_CAP_PROP_FRAME_WIDTH, 320);
  cvSetCaptureProperty(camera, CV_CAP_PROP_FRAME_HEIGHT, 240);
  / /获取第一帧，以确保相机初始化.
  frame = cvQueryFrame( camera );
  if (frame) {
w = frame->width;
h = frame->height;
printf("Got the camera at %dx%d resolution.\n", w, h);
  }
  / /等待一点点，使相机可以自动调节其亮度.
  Sleep(1000); / /（以毫秒为单位）
}
/ /等待下一个摄像机的帧准备就绪，然后抓住它.
frame = cvQueryFrame( camera );
if (!frame) {
  printf("Couldn't grab a camera frame.\n");
  exit(1);
}
return frame;
}
CvCapture* camera = 0; / /摄像头装置.
while ( cvWaitKey(10) != 27 ) { // 退出“ "Escape"的关键.
IplImage *frame = getCameraFrame(camera);
...
}
// /相机.
cvReleaseCapture( &camera );

只看该作者 · 2015-2-28 09:36

本帖最后由偏爱番茄酱于 2015-3-2 19:34 编辑

应用程序有LINUX环境和WIN7环境的
WIN7环境的建立一个Projects
里面的文件要通过 Visual Studio + OpenCV
才能生成一个项目。
LINUX环境安装要先搭好环境在进行移植。
同时还要根据提示调用不能的库和添加头文件。
IAR Embedded Workbench 环境下调试的项目文件