4. 想检测人脸，希望达到最大人脸在左侧输出“left”，右侧“right”,无人脸pass，希望修改代码？
  • OpenMV VSCode 扩展发布了，在插件市场直接搜索OpenMV就可以安装
  • 如果有产品硬件故障问题，比如无法开机，论坛很难解决。可以直接找售后维修。
  • 发帖子之前，请确认看过所有的视频教程，https://singtown.com/learn/ 和所有的上手教程http://book.openmv.cc/
  • 每一个新的提问，单独发一个新帖子
  • 帖子需要目的，你要做什么？
  • 如果涉及代码，需要报错提示与全部代码文本，请注意不要贴代码图片
  • 必看：玩转星瞳论坛了解一下图片上传，代码格式等问题。

    • 想检测人脸，希望达到最大人脸在左侧输出“left”，右侧“right”,无人脸pass，希望修改代码？

    • 1
       

      # 人脸识别例程

#

# 这个例子展示了OpenMV Cam的内置人脸检测功能。

#

# 人脸检测通过在图像上使用Haar Cascade特征检测器来工作。 haar级联是

# 一系列简单的区域对比检查。 对于内置的前表面探测器，有25个阶段的检查，

# 每个阶段有数百个检查一块。 Haar Cascades运行速度很快，因为只有在 

# 以前的阶段过去后才会评估后期阶段。 此外，您的OpenMV使用称为

# 整体图像的数据结构来在恒定时间内快速执行每个区域对比度检查

#（特征检测仅为灰度的原因是因为整体图像的空间需求）。



import sensor, time, image



# Reset sensor

sensor.reset()



# Sensor settings

sensor.set_contrast(1)

sensor.set_gainceiling(16)

# HQVGA and GRAYSCALE are the best for face tracking.

sensor.set_framesize(sensor.HQVGA)

sensor.set_pixformat(sensor.GRAYSCALE)

#注意人脸识别只能用灰度图哦



# Load Haar Cascade

# By default this will use all stages, lower satges is faster but less accurate.

face_cascade = image.HaarCascade("frontalface", stages=25)

#image.HaarCascade(path, stages=Auto)加载一个haar模型。haar模型是二进制文件，

#这个模型如果是自定义的，则引号内为模型文件的路径；也可以使用内置的haar模型，

#比如“frontalface” 人脸模型或者“eye”人眼模型。

#stages值未传入时使用默认的stages。stages值设置的小一些可以加速匹配，但会降低准确率。

print(face_cascade)



# FPS clock

clock = time.clock()



while (True):

    clock.tick()



    # Capture snapshot

    img = sensor.snapshot()



    # Find objects.

    # Note: Lower scale factor scales-down the image more and detects smaller objects.

    # Higher threshold results in a higher detection rate, with more false positives.

    objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)

    #image.find_features(cascade, threshold=0.5, scale=1.5),thresholds越大，

    #匹配速度越快，错误率也会上升。scale可以缩放被匹配特征的大小。



    #在找到的目标上画框，标记出来

    # Draw objects

    for r in objects:

        img.draw_rectangle(r)



    # Print FPS.

    # Note: Actual FPS is higher, streaming the FB makes it slower.

    #print(clock.fps())
    if (clock.fps()>16.8 and clock.fps()<17.2) or (clock.fps()>20.8 and clock.fps()<21.2) or (clock.fps()>28.1 and clock.fps()<28.5):
        print('middle')    
    elif clock.fps()<16.8 or clock.fps()<20.8 or clock.fps()<28.1:
        print('left')
    elif clock.fps()>17.2 or clock.fps()>21.2 or clock.fps()>28.5:
        print('right')
      0

    • 你判断clock.fps()>16.8有什么用？那是帧率。

      0 

    • 如果r是最大的人脸的区域
x = r[0]
y = r[1]
w = r[2]
h = r[3]

if x+w/2 < img.width()/2:
    print("在左边")
      0
      1
       2 条回复
    • 1

      @kidswong999 可不可以将整个显示区域纵向分为三百六十份，中央竖直线设置为零，左侧为负，右侧为正？

      0
    • 1

      @kidswong999 嗯，更详细的说，根据分辨率分为320份，编写代码让其返回人脸框图中央坐标（横），然后根据坐标返回不同值

      0

    • 你直接打印坐标就行了。
      你的代码里是HQVGA，https://docs.singtown.com/micropython/zh/latest/openmvcam/library/omv.sensor.html#sensor.sensor.set_framesize

      0