在當今尖端技術的世界中，數字圖像處理發展非常迅速，并成為許多數字設備的重要組成部分，如手機、安全攝像頭、筆記本電腦等。

數字圖像處理最常見的應用是對象檢測、人臉識別和人數統計。所以在本教程中，我們將使用 Raspberry Pi 和 ThingSpeak 構建一個 OpenCV 人群計數。在這里，pi 相機模塊將用于連續捕獲幀，然后將這些幀用HOG（面向直方圖的對象描述符）處理以檢測圖像中的對象。在此之后，這些幀將與 OpenCV 的預訓練模型進行比較以進行人員檢測。人數統計將顯示在 ThingSpeak 頻道上，可以從世界任何地方進行監控。

所需組件

硬件

樹莓派 3（任何版本）

派相機

軟件和在線服務

物語

Python3.0

開放CV3.0

在樹莓派中安裝 OpenCV

這里將使用 OpenCV 庫來檢測人群。要安裝 OpenCV，首先，更新 Raspberry Pi。

sudo apt-get 更新

然后安裝在 Raspberry Pi 上安裝 OpenCV 所需的依賴項。

sudo apt-get install libhdf5-dev -y 
sudo apt-get install libhdf5-serial-dev –y 
sudo apt-get install libatlas-base-dev –y 
sudo apt-get install libjasper-dev -y 
sudo apt-get install libqtgui4 –y 
sudo apt-get install libqt4-test –y

之后，使用以下命令在 Raspberry Pi 中安裝 OpenCV。

pip3 安裝 opencv-contrib-python==4.1.0.25

安裝其他必需的軟件包

在對 Raspberry Pi 進行人群計數編程之前，讓我們安裝其他所需的軟件包。

安裝imutils： imutils 用于執行一些必要的圖像處理功能，例如平移、旋轉、調整大小、骨架化，以及使用 OpenCV 更輕松地顯示 Matplotlib 圖像。因此，使用以下命令安裝imutils ：

pip3 安裝 imutils

matplotlib：之后，安裝matplotlib庫。Matplotlib是一個綜合庫，用于在 Python 中創建靜態、動畫和交互式可視化。

pip3 安裝 matplotlib

人數統計的 ThingSpeak 設置

ThingSpeak 是一個非常流行的物聯網平臺，通過使用 ThingSpeak 平臺，我們可以從任何地方通過互聯網監控我們的數據。

單擊 Sing up 并輸入您的詳細信息。

在此之后，驗證您的電子郵件 ID，然后單擊繼續。

現在，登錄后，單擊“新建頻道”按鈕創建一個新頻道。

單擊“新頻道”后，輸入您要在此頻道上上傳的數據的名稱和描述。在這里，我們創建了一個名為People的字段。可根據需要創建多個字段。

在此之后，單擊保存頻道按鈕以保存詳細信息。

要將數據發送到 ThingSpeak，請在 Python 腳本中輸入 API 密鑰和通道 ID，然后復制 API 密鑰和通道 ID。

硬件設置

在這里，我們只需要 Raspberry Pi 和 Pi 相機來完成這個OpenCV 人員計數項目，您只需將相機帶狀連接器連接到 Raspberry pi 中提供的相機插槽中

Pi 攝像頭可用于構建各種有趣的項目，如Raspberry Pi 監控攝像頭、訪客監控系統、家庭安全系統等。

人員計數器的Python程序說明

此人群計數 OpenCV 項目的完整 Python 代碼在頁面末尾給出。在這里，我們將解釋代碼的重要部分，以便更好地解釋。

因此，在代碼開始時，導入將在此項目中使用的所有必需庫。

導入簡歷2
導入 imutils
從 imutils.object_detection 導入 non_max_suppression
將 numpy 導入為 np
導入請求
進口時間
導入base64
從 matplotlib 導入 pyplot 作為 plt
從 urllib.request 導入 urlopen?

導入庫后，輸入 ThingSpeak 頻道 ID 并寫入您之前復制的 API 密鑰。

channel_id = 812060 # 在此處輸入頻道 ID
WRITE_API = 'X5AQ3EGIKMBYW31H' # 把你的寫密鑰放在這里
BASE_URL = "https://api.thingspeak.com/update?api_key= {}".format(WRITE_API)

現在，初始化 HOG（面向直方圖的對象描述符）。HOG 是最流行的目標檢測技術之一，并已在多個應用中使用。cv2.HOGDescriptor_getDefaultPeopleDetector()用于調用 OpenCV 的預訓練模型進行人員檢測。我們之前在之前的 OpenCV 教程中詳細解釋過 HOG 。

豬 = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

在檢測器（）內部，Pi 接收到一個 RGB 圖像，該圖像被分成三個顏色通道。之后，它使用imutils調整圖像大小。然后它調用detectMultiScale()方法來分析圖像，使用 SVM 模型的分類結果來了解是否存在人。

def檢測器（圖像）：
   image = imutils.resize(image, width=min(400, image.shape[1]))
   克隆 = image.copy()
   rects, weights = hog.detectMultiScale(image, winStride=(4, 4), padding=(8, 8), scale=1.05)

有時捕獲框重疊并產生誤報或檢測錯誤，因此下面的代碼將imutils的非最大抑制應用于啟動重疊框。

對于矩形中的 (x, y, w, h)：
       cv2.rectangle(圖像, (x, y), (x + w, y + h), (0, 0, 255), 2)
   rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
   結果 = non_max_suppression(rects，probs=None，overlapThresh=0.7)
   返回結果

在record()函數中，它使用 OpenCV 中的VideoCapture()方法直接從 Pi 相機中檢索圖像，使用 imultis 調整圖像大小并將結果發送到 ThingSpeak。

def 記錄（sample_time=5）：
  相機 = cv2.VideoCapture(0)
frame = imutils.resize(frame, width=min(400, frame.shape[1]))
結果=檢測器（frame.copy（））
thingspeakHttp = BASE_URL + "&field1={}".format(result1)

測試 OpenCV 人員計數器

在啟動 python 腳本之前，首先檢查您的 PI 相機是否工作。檢查相機后，通過發出以下命令啟動 python 腳本：

然后你會發現彈出一個窗口，里面有你的視頻源。Pi 將獲取第一幀并使用 OpenCV 對其進行處理以檢測人數。如果它檢測到人，你會在它周圍找到一個像這樣的框：

現在檢查您的 ThingSpeak 頻道，您可以在其中監控來自世界任何地方的人群規模。

導入簡歷2
導入 imutils
從 imutils.object_detection 導入 non_max_suppression
將 numpy 導入為 np
導入請求
進口時間
導入base64
從 matplotlib 導入 pyplot 作為 plt
從 urllib.request 導入 urlopen
channel_id = 812060 # 在此處輸入頻道 ID
WRITE_API = 'X5AQ3EGIKMBYW31H' # 把你的寫密鑰放在這里
BASE_URL = "https://api.thingspeak.com/update?api_key={}".format(WRITE_API)
豬 = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
# 在[3]：
def檢測器（圖像）：
image = imutils.resize(image, width=min(400, image.shape[1]))
克隆 = image.copy()
rects, weights = hog.detectMultiScale(image, winStride=(4, 4), padding=(8, 8), scale=1.05)
對于矩形中的 (x, y, w, h)：
cv2.rectangle(圖像, (x, y), (x + w, y + h), (0, 0, 255), 2)
rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
結果 = non_max_suppression(rects，probs=None，overlapThresh=0.7)
返回結果
def 記錄（sample_time=5）：
打印（“錄音”）
相機 = cv2.VideoCapture(0)
初始化 = time.time()
# ubidots 樣本限制
如果 sample_time < 3：
采樣時間 = 1
而（真）：
打印（“帽框”）
ret, frame = camera.read()
frame = imutils.resize(frame, width=min(400, frame.shape[1]))
結果=檢測器（frame.copy（））
結果1 = len（結果）
打印（結果1）
對于 (xA, yA, xB, yB) 結果：
cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 255, 0), 2)
plt.imshow(幀)
plt.show()
# 發送結果
如果 time.time() - init >= sample_time:
thingspeakHttp = BASE_URL + "&field1={}".format(result1)
打印（thingspeakHttp）
conn = urlopen(thingspeakHttp)
print("發送結果")
初始化 = time.time()
相機.release()
cv2.destroyAllWindows()
# 在[7]：
定義主（）：
記錄（）
# 在[8]:
如果 __name__ == '__main__'：
主要的（）