基于人脸检测的行车控制功能要求是通过摄像头检测出人脸，然后自动控制小车的行走将该检测出的人脸（只选择最大的脸）以指定大小定位在视频中部。
实现该功能的目的，就是阐释反馈控制的基本原理，并说明PythonPi平台反馈控制系统的设计与实现。
-
要实现这一功能，就是检测人脸在画面中的位置和大小，以此来产生小车的行走控制信号：前进、后退、速度和方向角度
-
人脸检测的结果是给出一个框出脸部所在范围的矩形，其左右位置代表了和摄像头的偏移，其大小代表了和摄像头的距离
-
由于小车摄像头固定，所以在小车运动过程中，会形成正面、侧面的变化，所以我们对于距离的判断应以竖向的脸长为判断基准
-
摄像头拍摄画面是根据小孔成像原理，物距=像距×物高/像高，在像距固定（即摄像头镜头和CCD的距离不变，树莓派所使用的CSI摄像头就是定焦镜头）时，人脸距离小车的位置和矩形框高反比，也就是说，我们只需要关心矩形框的高就可以了
-
这一功能主要是控制小车的运行轨迹，所以小车的行进速度不产生主要的影响
-
小车无法独立的进行左右移动，必须在前进或后退的过程中通过方向角的调整来实现左右的移动
-
小车没有方向轮，而是通过两个车轮的差速来实现转向，这一差速是由方向角的大小决定的
困难
主要来自两个方面，一是小车：
-
小车的摄像头和小车的轴向是否垂直不知道，误差多少也没有策略，只能目测调整一下
-
小车的两个车轮是由我们手工装配到步进电机的轴上，并未校准，所以正前方90度并不能确保小车就是直线前进
-
小车的车轮未用紧固件进行固定，随时可能会偏动，尤其在低速情况下甚至会卡住车轮，导致车轮转速出现错误
第二个困难则来自PythonPi平台目前所采取的人脸检测工具javacv（OpenCV的java封装版）的性能非常低，目前只能达到1.5秒识别一次，如果小车的车速过高，很容易就驶出树莓派摄像头的视野范围。
不过，因为这些困难，也就可以更好的体会如何用PythonPi平台来设计一个可以良好工作的反馈控制系统。
====================================================================================================
关注我的公众号及时获取推送的最新文章
