OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
pcDuino是一款兼容Arduino接口的mini pc，A8架构1Ghz的CPU，计算能力不俗，用来跑OpenCV刚刚好。这里就用他们实现一个可以跟随人脸移动的摄像头。
在优酷里面有一个视频: OpenCV+pcDuino人脸跟踪
硬件清单
1、pcDuino一块;
2、传感器扩展板一块;
3、摄像头云台一个;
4、摄像头一个.
软件环境
1、Pcduino板载Ubuntu;
2、GCC 4.6;
3、QT 4.8.5：http://qt-project.org/downloads;
4、OpenCV 2.4.7：http://opencv.org/downloads.html;
5、Arduino SDK（c_enviroment）：https://github.com/pcduino/c_enviroment .
在开始动手前，我们先来捋一下思路。
通过OpenCV可以方便的实现Face Detect，OpenCV的sample目录就有这个例子。流程大致是从摄像头得到逐帧的图像，通过事先训练好的特征检测出人脸的坐标（即图像的像素坐标），最后在该帧图像上圈出人脸的位置。
我们需要的就是这个人脸的坐标，先计算出人脸坐标x轴和y轴分别偏离画面中心点的距离（单位：像素），然后根据这个偏离值驱动摄像头的云台去修正摄像头的指向，使人脸坐标与画面中心点重合（即指向人脸）。
硬件部分
硬件部分安装：
1.先在pcDuino上接驳传感器扩展板，
2.再把云台两个舵机分别接在传感器扩展板PWM 5、6针脚上（PWM与GPIO共用5、6针脚，选用5、6是因为只有5、6是硬件PWM，不会使CPU占用率太高）。
软件部分
一、编译安装OpenCV：
1、先安装各种依赖库，根据你的环境不同，可能出现缺失，全都补上，以求OpenCV一次编译通过（因为编译过程耗时将近3小时）
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg62-dev libtiff4-dev cmake libswscale-dev libjasper-dev
2、下载解压OpenCV包，用cmake工具生成编译所需的信息，第四句说明编译成release版本，安装目录是/usr/local
cd ~/opencv
mkdir release
cd release
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
3、开始编译
make
make install
关于OpenCV的安装大家可以参照官方文档：http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html#linux-installation
二、编译安装c_enviroment：
1、c_enviroment是Pcduino控制硬件I/O的库，从开头软件环境处给的链接下载c_enviroment的zip包，解压编译
cd c_enviroment
make
编译完后，我们可以进入output/test目录，测试一下点亮led的sample
三、编译安装Qt：
为了方便开发，我这里用了Qt creator作为IDE
1、安装Qt creator
sudo apt-get install qtcreator
现在已经可以在programing里运行Qt creator了，但是这时候它还不能用，还需要安装Qt library
2、安装Qt library
通过开头软件环境中的链接下载嵌入式版Qt library：Qt libraries 4.8.5 for embedded Linux
具体安装过程大家可以参照这个帖子，这里就不赘述了：
http://www.pcduino.org/forum.php?mod=viewthread&tid=21&highlight=%E5%9C%A8pcduino%E5%AE%89%E8%A3%85Qt
经过漫长的编译安装，Qt终于完成，至此环境算是搭好一大半了。
新建一个名为face_tracking_camera的C++项目，编辑face_tracking_camera.pro文件，加入OpenCV和c_enviroment的源文件、头文件和类库路径，我这里OpenCV安装在/usr/local/，c_enviroment安装在/home/ubuntu/c_enviroment/
expand source
到这里，环境就全部搭好了。
#include <opencv2/opencv.hpp>
#include <Arduino.h>
#include <wiring_private.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#include <sys/time.h>
#include <signal.h>
//用于人脸识别的分类器特征库文件路径
constchar* cascade_name =”/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml”;
//定义了X轴（横向摆动），Y轴（纵向摆动）舵机的中心点
staticintcenterlevelX = 110;
staticintcenterlevelY = 60;
//定义了舵机的频率
constintfrequncy = 260;
//用一个整数存储目前舵机摆动方向
staticintturningRight = 1;
//函数的签名列表
voiddetect_and_draw( IplImage* image );
voidstart_pulse(intpwm_id,intfreq,intvalue);
voidsigroutine(intdunno);
voidreset();
longgetCurrentTime();
longstartTime;
longendTime;
//led指示灯pin脚
intpin_led = 3;
//为OpenCV申请一块用于计算的内存
staticCvMemStorage* storage = 0;
//声明一个haar分类器
staticCvHaarClassifierCascade* cascade = 0;
voidsetup(){
//定义指示灯针脚为输出
pinMode(pin_led,OUTPUT);
//复位云台舵机
reset();
//监听中断信号
signal(SIGINT,sigroutine);
//建立一个名为result的窗口
cvNamedWindow(“result”, 1 );
//打开摄像头
CvCapture* capture = cvCaptureFromCAM(-1);
//声明两个opencv图像类型
IplImage *img;
IplImage *newImg;
//加载分类器
cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
//检查分类器加载异常
if( !cascade ){
fprintf( stderr,”ERROR: Could not load classifier cascade\n”);
}
//定位内存块
storage = cvCreateMemStorage(0);
while(1) {
//由于pcduino的计算能力有限，为了保证帧率，把从摄像头采集来的画面缩小1/2
newImg = cvQueryFrame( capture );
if( !newImg )break;
img = cvCreateImage(cvSize(newImg->width/2, newImg->height/2), newImg->depth, newImg->nChannels);
cvResize(newImg, img);
//翻转图像
cvFlip(img, img, 1);
//调用识别和绘制图像的函数
detect_and_draw(img);
//释放图像使用的内存
cvReleaseImage(&img);
//监听esc键
intc = cvWaitKey(33);
if( c == 27 )break;
}
//释放摄像头
cvReleaseCapture( &capture );
//销毁窗口
cvDestroyWindow(“result”);
}
voiddetect_and_draw( IplImage* img ){
startTime = getCurrentTime();
//清空使用过的内存空间
cvClearMemStorage( storage );
intscale = 1;
inti;
//声明一个中心点存储识别出来的人脸位置
CvPoint ptcenter;
//人脸识别
if( cascade ){
//逐帧检测人脸
CvSeq* faces = cvHaarDetectObjects( img, cascade, storage,
1.1, 2, CV_HAAR_DO_CANNY_PRUNING,
cvSize(80, 80));
//如果检测到多张脸，遍历取出
for( i = 0; i < (faces ? faces->total : 0); i++ ){
//创建人脸矩形
CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
//换算出人脸矩形的中心点
ptcenter.x = (r->x+(r->width/2))*scale;
ptcenter.y = (r->y+(r->height/2))*scale;
//绘制一个圆形标识出人脸的位置
cvCircle(img, ptcenter, (r->width+r->height)/4, CV_RGB(255,0,0), 3, 8, 0 );
}
}
//显示图像
cvShowImage(“result”, img );
//计算帧率
endTime = getCurrentTime();
longtime= endTime-startTime;
intframerate = 1000/time;
//检查中心点是否为空
if(ptcenter.x && ptcenter.y){
//std::cout<<”center_point:(“<<ptcenter.x<<”,”<<ptcenter.y<<”)\tframe_rate:”<<framerate<<”\n”<<std::endl;
//std::cout<<”x:”<<(ptcenter.x-img->width/2)<<”\ty:”<<(ptcenter.y-img->height/2)<<std::endl;
//向led指示灯引脚输出低电平，熄灭指示灯
digitalWrite(pin_led,LOW);
//驱动摄像头移动到人脸中心位置
centerlevelX += (ptcenter.x-img->width/2)/110*2;
if(centerlevelX <= 170 && centerlevelX >= 50)start_pulse(6,frequncy,centerlevelX);
centerlevelY -= (ptcenter.y-img->height/2)/70;
if(centerlevelY <= 90 && centerlevelY >= 45)start_pulse(5,frequncy,centerlevelY);
//显示修正的X和Y轴幅度和帧率
std::cout<<”X:”<<centerlevelX<<”\tY:”<<centerlevelY<<”\tFrameRate:”<<framerate<<std::endl;
}else{
printf(“no face is detected in the image\n”);
//指示灯亮起
digitalWrite(pin_led,HIGH);
//如果没有检测到人脸则左右摇摆摄像头
if(centerlevelX <= 170 && turningRight == 1){
start_pulse(6,frequncy,centerlevelX+=2);
if(centerlevelX > 170)turningRight = 0;
//std::cout<<centerlevelX<<std::endl;
}
if(centerlevelX >= 50 && turningRight == 0){
start_pulse(6,frequncy,centerlevelX-=2);
if(centerlevelX < 50)turningRight =1;
//std::cout<<centerlevelX<<std::endl;
}
}
//防止摄像头下移过度
if(centerlevelY < 45) centerlevelY = 45;
}
//复位函数，调整舵机X、Y轴到中心位置
voidreset(){
delay(50);
start_pulse(5,frequncy,60);
start_pulse(6,frequncy,110);
delay(50);
}
longgetCurrentTime(){
structtimeval tv;
gettimeofday(&tv,NULL);
longtime= tv.tv_sec * 1000 + tv.tv_usec / 1000;
returntime;
}
//舵机驱动函数
voidstart_pulse(intpwm_id,intfreq,intvalue){
intstep = 0;
step = pwmfreq_set(pwm_id, freq);
//printf(“PWM%d set freq %d and valid duty cycle range [0, %d]\n”, pwm_id, freq, step);
if(step > 0){
//printf(“PWM%d test with duty cycle %d\n”, pwm_id, value);
analogWrite(pwm_id, value);
delay(50);
}
}
//signal回调函数，监听中断信号，做一些状态复位工作
voidsigroutine(intdunno) {
switch(dunno) {
case2:
printf(“Get a signal – SIGINT \n”);
reset();
analogWrite(6,0);
analogWrite(5,0);
digitalWrite(pin_led,LOW);
exit(0);
break;
}
}
voidloop(){}
linksprite 学习中心
OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
pcDuino是一款兼容Arduino接口的mini pc，A8架构1Ghz的CPU，计算能力不俗，用来跑OpenCV刚刚好。这里就用他们实现一个可以跟随人脸移动的摄像头。
在优酷里面有一个视频: OpenCV+pcDuino人脸跟踪
硬件清单
1、pcDuino一块;
2、传感器扩展板一块;
3、摄像头云台一个;
4、摄像头一个.
软件环境
1、Pcduino板载Ubuntu;
2、GCC 4.6;
3、QT 4.8.5：http://qt-project.org/downloads;
4、OpenCV 2.4.7：http://opencv.org/downloads.html;
5、Arduino SDK（c_enviroment）：https://github.com/pcduino/c_enviroment .
在开始动手前，我们先来捋一下思路。
通过OpenCV可以方便的实现Face Detect，OpenCV的sample目录就有这个例子。流程大致是从摄像头得到逐帧的图像，通过事先训练好的特征检测出人脸的坐标（即图像的像素坐标），最后在该帧图像上圈出人脸的位置。
我们需要的就是这个人脸的坐标，先计算出人脸坐标x轴和y轴分别偏离画面中心点的距离（单位：像素），然后根据这个偏离值驱动摄像头的云台去修正摄像头的指向，使人脸坐标与画面中心点重合（即指向人脸）。
硬件部分
硬件部分安装：
1.先在pcDuino上接驳传感器扩展板，
2.再把云台两个舵机分别接在传感器扩展板PWM 5、6针脚上（PWM与GPIO共用5、6针脚，选用5、6是因为只有5、6是硬件PWM，不会使CPU占用率太高）。
软件部分
一、编译安装OpenCV：
1、先安装各种依赖库，根据你的环境不同，可能出现缺失，全都补上，以求OpenCV一次编译通过（因为编译过程耗时将近3小时）
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg62-dev libtiff4-dev cmake libswscale-dev libjasper-dev
2、下载解压OpenCV包，用cmake工具生成编译所需的信息，第四句说明编译成release版本，安装目录是/usr/local
cd ~/opencv
mkdir release
cd release
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
3、开始编译
make
make install
关于OpenCV的安装大家可以参照官方文档：http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html#linux-installation
二、编译安装c_enviroment：
1、c_enviroment是Pcduino控制硬件I/O的库，从开头软件环境处给的链接下载c_enviroment的zip包，解压编译
cd c_enviroment
make
编译完后，我们可以进入output/test目录，测试一下点亮led的sample
三、编译安装Qt：
为了方便开发，我这里用了Qt creator作为IDE
1、安装Qt creator
sudo apt-get install qtcreator
现在已经可以在programing里运行Qt creator了，但是这时候它还不能用，还需要安装Qt library
2、安装Qt library
通过开头软件环境中的链接下载嵌入式版Qt library：Qt libraries 4.8.5 for embedded Linux
具体安装过程大家可以参照这个帖子，这里就不赘述了：
http://www.pcduino.org/forum.php?mod=viewthread&tid=21&highlight=%E5%9C%A8pcduino%E5%AE%89%E8%A3%85Qt
经过漫长的编译安装，Qt终于完成，至此环境算是搭好一大半了。
新建一个名为face_tracking_camera的C++项目，编辑face_tracking_camera.pro文件，加入OpenCV和c_enviroment的源文件、头文件和类库路径，我这里OpenCV安装在/usr/local/，c_enviroment安装在/home/ubuntu/c_enviroment/
expand source
到这里，环境就全部搭好了。
代码
#include <opencv2/opencv.hpp>
#include <Arduino.h>
#include <wiring_private.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#include <sys/time.h>
#include <signal.h>
//用于人脸识别的分类器特征库文件路径
constchar* cascade_name =”/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml”;
//定义了X轴（横向摆动），Y轴（纵向摆动）舵机的中心点
staticintcenterlevelX = 110;
staticintcenterlevelY = 60;
//定义了舵机的频率
constintfrequncy = 260;
//用一个整数存储目前舵机摆动方向
staticintturningRight = 1;
//函数的签名列表
voiddetect_and_draw( IplImage* image );
voidstart_pulse(intpwm_id,intfreq,intvalue);
voidsigroutine(intdunno);
voidreset();
longgetCurrentTime();
longstartTime;
longendTime;
//led指示灯pin脚
intpin_led = 3;
//为OpenCV申请一块用于计算的内存
staticCvMemStorage* storage = 0;
//声明一个haar分类器
staticCvHaarClassifierCascade* cascade = 0;
voidsetup(){
//定义指示灯针脚为输出
pinMode(pin_led,OUTPUT);
//复位云台舵机
reset();
//监听中断信号
signal(SIGINT,sigroutine);
//建立一个名为result的窗口
cvNamedWindow(“result”, 1 );
//打开摄像头
CvCapture* capture = cvCaptureFromCAM(-1);
//声明两个opencv图像类型
IplImage *img;
IplImage *newImg;
//加载分类器
cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
//检查分类器加载异常
if( !cascade ){
fprintf( stderr,”ERROR: Could not load classifier cascade\n”);
}
//定位内存块
storage = cvCreateMemStorage(0);
while(1) {
//由于pcduino的计算能力有限，为了保证帧率，把从摄像头采集来的画面缩小1/2
newImg = cvQueryFrame( capture );
if( !newImg )break;
img = cvCreateImage(cvSize(newImg->width/2, newImg->height/2), newImg->depth, newImg->nChannels);
cvResize(newImg, img);
//翻转图像
cvFlip(img, img, 1);
//调用识别和绘制图像的函数
detect_and_draw(img);
//释放图像使用的内存
cvReleaseImage(&img);
//监听esc键
intc = cvWaitKey(33);
if( c == 27 )break;
}
//释放摄像头
cvReleaseCapture( &capture );
//销毁窗口
cvDestroyWindow(“result”);
}
voiddetect_and_draw( IplImage* img ){
startTime = getCurrentTime();
//清空使用过的内存空间
cvClearMemStorage( storage );
intscale = 1;
inti;
//声明一个中心点存储识别出来的人脸位置
CvPoint ptcenter;
//人脸识别
if( cascade ){
//逐帧检测人脸
CvSeq* faces = cvHaarDetectObjects( img, cascade, storage,
1.1, 2, CV_HAAR_DO_CANNY_PRUNING,
cvSize(80, 80));
//如果检测到多张脸，遍历取出
for( i = 0; i < (faces ? faces->total : 0); i++ ){
//创建人脸矩形
CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
//换算出人脸矩形的中心点
ptcenter.x = (r->x+(r->width/2))*scale;
ptcenter.y = (r->y+(r->height/2))*scale;
//绘制一个圆形标识出人脸的位置
cvCircle(img, ptcenter, (r->width+r->height)/4, CV_RGB(255,0,0), 3, 8, 0 );
}
}
//显示图像
cvShowImage(“result”, img );
//计算帧率
endTime = getCurrentTime();
longtime= endTime-startTime;
intframerate = 1000/time;
//检查中心点是否为空
if(ptcenter.x && ptcenter.y){
//std::cout<<”center_point:(“<<ptcenter.x<<”,”<<ptcenter.y<<”)\tframe_rate:”<<framerate<<”\n”<<std::endl;
//std::cout<<”x:”<<(ptcenter.x-img->width/2)<<”\ty:”<<(ptcenter.y-img->height/2)<<std::endl;
//向led指示灯引脚输出低电平，熄灭指示灯
digitalWrite(pin_led,LOW);
//驱动摄像头移动到人脸中心位置
centerlevelX += (ptcenter.x-img->width/2)/110*2;
if(centerlevelX <= 170 && centerlevelX >= 50)start_pulse(6,frequncy,centerlevelX);
centerlevelY -= (ptcenter.y-img->height/2)/70;
if(centerlevelY <= 90 && centerlevelY >= 45)start_pulse(5,frequncy,centerlevelY);
//显示修正的X和Y轴幅度和帧率
std::cout<<”X:”<<centerlevelX<<”\tY:”<<centerlevelY<<”\tFrameRate:”<<framerate<<std::endl;
}else{
printf(“no face is detected in the image\n”);
//指示灯亮起
digitalWrite(pin_led,HIGH);
//如果没有检测到人脸则左右摇摆摄像头
if(centerlevelX <= 170 && turningRight == 1){
start_pulse(6,frequncy,centerlevelX+=2);
if(centerlevelX > 170)turningRight = 0;
//std::cout<<centerlevelX<<std::endl;
}
if(centerlevelX >= 50 && turningRight == 0){
start_pulse(6,frequncy,centerlevelX-=2);
if(centerlevelX < 50)turningRight =1;
//std::cout<<centerlevelX<<std::endl;
}
}
//防止摄像头下移过度
if(centerlevelY < 45) centerlevelY = 45;
}
//复位函数，调整舵机X、Y轴到中心位置
voidreset(){
delay(50);
start_pulse(5,frequncy,60);
start_pulse(6,frequncy,110);
delay(50);
}
longgetCurrentTime(){
structtimeval tv;
gettimeofday(&tv,NULL);
longtime= tv.tv_sec * 1000 + tv.tv_usec / 1000;
returntime;
}
//舵机驱动函数
voidstart_pulse(intpwm_id,intfreq,intvalue){
intstep = 0;
step = pwmfreq_set(pwm_id, freq);
//printf(“PWM%d set freq %d and valid duty cycle range [0, %d]\n”, pwm_id, freq, step);
if(step > 0){
//printf(“PWM%d test with duty cycle %d\n”, pwm_id, value);
analogWrite(pwm_id, value);
delay(50);
}
}
//signal回调函数，监听中断信号，做一些状态复位工作
voidsigroutine(intdunno) {
switch(dunno) {
case2:
printf(“Get a signal – SIGINT \n”);
reset();
analogWrite(6,0);
analogWrite(5,0);
digitalWrite(pin_led,LOW);
exit(0);
break;
}
}
voidloop(){}
OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
pcDuino是一款兼容Arduino接口的mini pc，A8架构1Ghz的CPU，计算能力不俗，用来跑OpenCV刚刚好。这里就用他们实现一个可以跟随人脸移动的摄像头。
在优酷里面有一个视频: OpenCV+pcDuino人脸跟踪
硬件清单
1、pcDuino一块;
2、传感器扩展板一块;
3、摄像头云台一个;
4、摄像头一个.
软件环境
1、Pcduino板载Ubuntu;
2、GCC 4.6;
3、QT 4.8.5：http://qt-project.org/downloads;
4、OpenCV 2.4.7：http://opencv.org/downloads.html;
5、Arduino SDK（c_enviroment）：https://github.com/pcduino/c_enviroment .
在开始动手前，我们先来捋一下思路。
通过OpenCV可以方便的实现Face Detect，OpenCV的sample目录就有这个例子。流程大致是从摄像头得到逐帧的图像，通过事先训练好的特征检测出人脸的坐标（即图像的像素坐标），最后在该帧图像上圈出人脸的位置。
我们需要的就是这个人脸的坐标，先计算出人脸坐标x轴和y轴分别偏离画面中心点的距离（单位：像素），然后根据这个偏离值驱动摄像头的云台去修正摄像头的指向，使人脸坐标与画面中心点重合（即指向人脸）。
硬件部分
硬件部分安装：
1.先在pcDuino上接驳传感器扩展板，
2.再把云台两个舵机分别接在传感器扩展板PWM 5、6针脚上（PWM与GPIO共用5、6针脚，选用5、6是因为只有5、6是硬件PWM，不会使CPU占用率太高）。
软件部分
一、编译安装OpenCV：
1、先安装各种依赖库，根据你的环境不同，可能出现缺失，全都补上，以求OpenCV一次编译通过（因为编译过程耗时将近3小时）
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg62-dev libtiff4-dev cmake libswscale-dev libjasper-dev
2、下载解压OpenCV包，用cmake工具生成编译所需的信息，第四句说明编译成release版本，安装目录是/usr/local
cd ~/opencv
mkdir release
cd release
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
3、开始编译
make
make install
关于OpenCV的安装大家可以参照官方文档：http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html#linux-installation
二、编译安装c_enviroment：
1、c_enviroment是Pcduino控制硬件I/O的库，从开头软件环境处给的链接下载c_enviroment的zip包，解压编译
cd c_enviroment
make
编译完后，我们可以进入output/test目录，测试一下点亮led的sample
三、编译安装Qt：
为了方便开发，我这里用了Qt creator作为IDE
1、安装Qt creator
sudo apt-get install qtcreator
现在已经可以在programing里运行Qt creator了，但是这时候它还不能用，还需要安装Qt library
2、安装Qt library
通过开头软件环境中的链接下载嵌入式版Qt library：Qt libraries 4.8.5 for embedded Linux
具体安装过程大家可以参照这个帖子，这里就不赘述了：
http://www.pcduino.org/forum.php?mod=viewthread&tid=21&highlight=%E5%9C%A8pcduino%E5%AE%89%E8%A3%85Qt
经过漫长的编译安装，Qt终于完成，至此环境算是搭好一大半了。
新建一个名为face_tracking_camera的C++项目，编辑face_tracking_camera.pro文件，加入OpenCV和c_enviroment的源文件、头文件和类库路径，我这里OpenCV安装在/usr/local/，c_enviroment安装在/home/ubuntu/c_enviroment/
expand source
到这里，环境就全部搭好了。
代码
#include <opencv2/opencv.hpp>
#include <Arduino.h>
#include <wiring_private.h>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <assert.h>
#include <math.h>
#include <float.h>
#include <limits.h>
#include <time.h>
#include <ctype.h>
#include <sys/time.h>
#include <signal.h>
//用于人脸识别的分类器特征库文件路径
constchar* cascade_name =”/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml”;
//定义了X轴（横向摆动），Y轴（纵向摆动）舵机的中心点
staticintcenterlevelX = 110;
staticintcenterlevelY = 60;
//定义了舵机的频率
constintfrequncy = 260;
//用一个整数存储目前舵机摆动方向
staticintturningRight = 1;
//函数的签名列表
voiddetect_and_draw( IplImage* image );
voidstart_pulse(intpwm_id,intfreq,intvalue);
voidsigroutine(intdunno);
voidreset();
longgetCurrentTime();
longstartTime;
longendTime;
//led指示灯pin脚
intpin_led = 3;
//为OpenCV申请一块用于计算的内存
staticCvMemStorage* storage = 0;
//声明一个haar分类器
staticCvHaarClassifierCascade* cascade = 0;
voidsetup(){
//定义指示灯针脚为输出
pinMode(pin_led,OUTPUT);
//复位云台舵机
reset();
//监听中断信号
signal(SIGINT,sigroutine);
//建立一个名为result的窗口
cvNamedWindow(“result”, 1 );
//打开摄像头
CvCapture* capture = cvCaptureFromCAM(-1);
//声明两个opencv图像类型
IplImage *img;
IplImage *newImg;
//加载分类器
cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 );
//检查分类器加载异常
if( !cascade ){
fprintf( stderr,”ERROR: Could not load classifier cascade\n”);
}
//定位内存块
storage = cvCreateMemStorage(0);
while(1) {
//由于pcduino的计算能力有限，为了保证帧率，把从摄像头采集来的画面缩小1/2
newImg = cvQueryFrame( capture );
if( !newImg )break;
img = cvCreateImage(cvSize(newImg->width/2, newImg->height/2), newImg->depth, newImg->nChannels);
cvResize(newImg, img);
//翻转图像
cvFlip(img, img, 1);
//调用识别和绘制图像的函数
detect_and_draw(img);
//释放图像使用的内存
cvReleaseImage(&img);
//监听esc键
intc = cvWaitKey(33);
if( c == 27 )break;
}
//释放摄像头
cvReleaseCapture( &capture );
//销毁窗口
cvDestroyWindow(“result”);
}
voiddetect_and_draw( IplImage* img ){
startTime = getCurrentTime();
//清空使用过的内存空间
cvClearMemStorage( storage );
intscale = 1;
inti;
//声明一个中心点存储识别出来的人脸位置
CvPoint ptcenter;
//人脸识别
if( cascade ){
//逐帧检测人脸
CvSeq* faces = cvHaarDetectObjects( img, cascade, storage,
1.1, 2, CV_HAAR_DO_CANNY_PRUNING,
cvSize(80, 80));
//如果检测到多张脸，遍历取出
for( i = 0; i < (faces ? faces->total : 0); i++ ){
//创建人脸矩形
CvRect* r = (CvRect*)cvGetSeqElem( faces, i );
//换算出人脸矩形的中心点
ptcenter.x = (r->x+(r->width/2))*scale;
ptcenter.y = (r->y+(r->height/2))*scale;
//绘制一个圆形标识出人脸的位置
cvCircle(img, ptcenter, (r->width+r->height)/4, CV_RGB(255,0,0), 3, 8, 0 );
}
}
//显示图像
cvShowImage(“result”, img );
//计算帧率
endTime = getCurrentTime();
longtime= endTime-startTime;
intframerate = 1000/time;
//检查中心点是否为空
if(ptcenter.x && ptcenter.y){
//std::cout<<”center_point:(“<<ptcenter.x<<”,”<<ptcenter.y<<”)\tframe_rate:”<<framerate<<”\n”<<std::endl;
//std::cout<<”x:”<<(ptcenter.x-img->width/2)<<”\ty:”<<(ptcenter.y-img->height/2)<<std::endl;
//向led指示灯引脚输出低电平，熄灭指示灯
digitalWrite(pin_led,LOW);
//驱动摄像头移动到人脸中心位置
centerlevelX += (ptcenter.x-img->width/2)/110*2;
if(centerlevelX <= 170 && centerlevelX >= 50)start_pulse(6,frequncy,centerlevelX);
centerlevelY -= (ptcenter.y-img->height/2)/70;
if(centerlevelY <= 90 && centerlevelY >= 45)start_pulse(5,frequncy,centerlevelY);
//显示修正的X和Y轴幅度和帧率
std::cout<<”X:”<<centerlevelX<<”\tY:”<<centerlevelY<<”\tFrameRate:”<<framerate<<std::endl;
}else{
printf(“no face is detected in the image\n”);
//指示灯亮起
digitalWrite(pin_led,HIGH);
//如果没有检测到人脸则左右摇摆摄像头
if(centerlevelX <= 170 && turningRight == 1){
start_pulse(6,frequncy,centerlevelX+=2);
if(centerlevelX > 170)turningRight = 0;
//std::cout<<centerlevelX<<std::endl;
}
if(centerlevelX >= 50 && turningRight == 0){
start_pulse(6,frequncy,centerlevelX-=2);
if(centerlevelX < 50)turningRight =1;
//std::cout<<centerlevelX<<std::endl;
}
}
//防止摄像头下移过度
if(centerlevelY < 45) centerlevelY = 45;
}
//复位函数，调整舵机X、Y轴到中心位置
voidreset(){
delay(50);
start_pulse(5,frequncy,60);
start_pulse(6,frequncy,110);
delay(50);
}
longgetCurrentTime(){
structtimeval tv;
gettimeofday(&tv,NULL);
longtime= tv.tv_sec * 1000 + tv.tv_usec / 1000;
returntime;
}
//舵机驱动函数
voidstart_pulse(intpwm_id,intfreq,intvalue){
intstep = 0;
step = pwmfreq_set(pwm_id, freq);
//printf(“PWM%d set freq %d and valid duty cycle range [0, %d]\n”, pwm_id, freq, step);
if(step > 0){
//printf(“PWM%d test with duty cycle %d\n”, pwm_id, value);
analogWrite(pwm_id, value);
delay(50);
}
}
//signal回调函数，监听中断信号，做一些状态复位工作
voidsigroutine(intdunno) {
switch(dunno) {
case2:
printf(“Get a signal – SIGINT \n”);
reset();
analogWrite(6,0);
analogWrite(5,0);
digitalWrite(pin_led,LOW);
exit(0);
break;
}
}
voidloop(){}
联系客服
