Industrielle Fertigung
Industrielles Internet der Dinge | Industrielle Materialien | Gerätewartung und Reparatur | Industrielle Programmierung |
home  MfgRobots >> Industrielle Fertigung >  >> Manufacturing Technology >> Herstellungsprozess

Echtzeit-Gesichtsverfolgung mit Arduino & OpenCV selbst bauen

Komponenten und Zubehör

Komponente Menge
Arduino UNO 1
Webcam (Mini-USB) 1
Mikro-Servos 2
Pan-Tilt-Kit (oder Selbstbau) 1
Steckbrett (Breadboard) 1

Apps und Onlinedienste

Über dieses Projekt

In vorherigen Tutorials zeigte ich: Arduino-Python-Kommunikation per pyserial und Farbverfolgung mit OpenCV. Jetzt: Gesichtserkennung (Haar-Cascade) → Gesichtszentrum berechnen → Koordinaten an Arduino senden → Pan-Tilt-Servos bewegen die Kamera dem Gesicht nach.

Voraussetzungen: Grundkenntnisse Arduino & Python.

Schritt 1: Benötigte Hardware & Software

Siehe Tabellen oben. Haarcascade-Datei in den Projektordner legen.

Schritt 2: Python-Umgebung einrichten

  1. Python 2.7.14 installieren, Umgebungsvariable setzen (falls nötig).
  2. Pakete installieren via pip:
    > pip install pyserial
    > pip install opencv-python
    > pip install numpy
    

Schritt 3: Python-Skript (face.py)


import numpy as np
import serial
import time
import sys
import cv2

# Arduino-Port anpassen (Windows: 'COM5', Linux: '/dev/ttyUSB0')
arduino = serial.Serial(port='COM5', baudrate=9600, timeout=1)
time.sleep(2)
print("Mit Arduino verbunden...")

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)

while True:
    ret, img = cap.read()
    if not ret: break

    cv2.resizeWindow('img', 500, 500)
    # Hilfslinien: Bildmitte
    cv2.line(img, (500, 250), (0, 250), (0, 255, 0), 1)
    cv2.line(img, (250, 0), (250, 500), (0, 255, 0), 1)
    cv2.circle(img, (250, 250), 5, (255, 255, 255), -1)

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
        # Gesichtszentrum
        cx = int(x + w/2)
        cy = int(y + h/2)
        print(f"Center: ({cx}, {cy})")

        # Protokoll: "X{cx}Y{cy}Z"
        data = f"X{cx}Y{cy}Z"
        arduino.write(data.encode())
        print(f"Gesendet: {data}")

    cv2.imshow('img', img)
    if cv2.waitKey(30) & 0xFF == 27: break  # ESC

cap.release()
cv2.destroyAllWindows()

Schritt 4: Arduino-Code (servo.ino)


#include <Servo.h>

Servo servoVer; // Vertikal (Pin 5)
Servo servoHor; // Horizontal (Pin 6)

int x = 0, y = 0;
int prevX = -1, prevY = -1;

void setup() {
  Serial.begin(9600);
  servoVer.attach(5);
  servoHor.attach(6);
  servoVer.write(90);
  servoHor.write(90);
}

void updateServos() {
  if (prevX != x || prevY != y) {
    // Mapping: Kamera-Koordinaten (0-600, 0-450) → Servo-Winkel
    int servoX = map(x, 600, 0, 70, 179);
    int servoY = map(y, 450, 0, 179, 95);

    servoX = constrain(servoX, 70, 179);
    servoY = constrain(servoY, 95, 179);

    servoHor.write(servoX);
    servoVer.write(servoY);

    prevX = x;
    prevY = y;
  }
}

void loop() {
  if (Serial.available() > 0) {
    if (Serial.read() == 'X') {
      x = Serial.parseInt();
      if (Serial.read() == 'Y') {
        y = Serial.parseInt();
        updateServos();
      }
    }
    // Puffer leeren
    while (Serial.available() > 0) Serial.read();
  }
}

Schritt 5: Pan-Tilt-Mechanik

Günstiges Kit (ca. 10 €) oder Eigenbau aus Holz/Kunststoff/3D-Druck. Anleitung im Netz.

Schritt 6: Verkabelung

Echtzeit-Gesichtsverfolgung mit Arduino & OpenCV selbst bauen

Schritt 7: Test

  1. Arduino-Sketch hochladen, IDE schließen (Port freigeben).
  2. face.py in IDLE öffnen, F5 drücken.
  3. Nach paar Sekunden: Webcam-Fenster öffnet sich, Gesichtserkennung läuft, Servos folgen.
  4. Kamera auf Pan-Tilt-Montage befestigen → Kamera folgt dem Gesicht.

Dateien

Herstellungsprozess

  1. Fern-Temperatursensor mit Raspberry Pi & Python bauen – Schritt-für-Schritt-Anleitung
  2. Echtzeit-Gesichtserkennung auf Raspberry Pi – Komplette Anleitung
  3. Automatisiertes vision-basiertes Objekttracking mit Raspberry Pi und OpenCV
  4. DTMF-Decoder mit Arduino bauen – ganz ohne zusätzlichen IC
  5. Monitor-Ambilight selbst bauen mit Arduino Nano & WS2812B LEDs
  6. RFID-Anwesenheitssystem mit Arduino & Python – Daten direkt in phpMyAdmin (XAMPP) speichern
  7. Ultraschall-Schwebegerät mit Arduino bauen – Akustische Levitation Schritt für Schritt
  8. Intelligentes Voltmeter mit Arduino & Smartphone bauen – Einfaches DIY-Projekt
  9. Echtzeit-IoT-Herzfrequenzmonitor mit Arduino & MAX30100
  10. Arduino UNO WiFi Webserver: LED per Browser steuern