4. 想写一个只返回人脸识别图框中心横轴坐标的代码，代码报错，求更改后的完整源代码？
  • 免费好用的星瞳AI云服务上线！简单标注，云端训练，支持OpenMV H7和OpenMV H7 Plus。可以替代edge impulse。 https://forum.singtown.com/topic/9519
  • 我们只解决官方正版的OpenMV的问题（STM32），其他的分支有很多兼容问题，我们无法解决。
  • 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。

    • 想写一个只返回人脸识别图框中心横轴坐标的代码，代码报错，求更改后的完整源代码？

    • 1
       

      # 人脸识别例程

#

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.QVGA)

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)

green_threshold   = (76, 96, -110, -30, 8, 66)
size_threshold = 2000

# FPS clock

clock = time.clock()

def find_max(blobs):
    max_size=0
    for blob in blobs:
        if blob[2]*blob[3] > max_size:
            max_blob=blob
            max_size = blob[2]*blob[3]
    return max_blob
    


while (True):

    clock.tick()



    # Capture snapshot

    img = sensor.snapshot()
    blobs = img.find_blobs([green_threshold])



    if blobs:
        max_blob = find_max(blobs)
        x_error = max_blob[5]-img.width()/2
        h_error = max_blob[2]*max_blob[3]-size_threshold
        print("x error: ", x_error)

    # 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)
        image.find_features(cascade, roi=objects, threshold=0.5, scale=1.5)


    # Print FPS.

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

    #print(clock.fps())
      0