关于缺失值个数的统计问题求大佬解答

kidswong999

而且在最里面定义函数和绑定，有啥用？

guzr

@kidswong999 a是把img.draw_cross(iris[0], iris[1])里的数据提取出来用来检测瞳孔识别这个代码对着眼睛然后你眨眼打印数据就会丢失丢失的个数就是眨眼次数

kidswong999

很奇怪，建议你换一个思路。

if iris 就是判断是否有眼睛。

guzr

你这个思路我们最开始就是这个但是根本运行不到else那里去 0_1621075822570_O()(_))Q2_3ZHK98OQ6MT`7.png

# 瞳孔识别例程
#
# 这个例子展示了如何找到图像中的眼睛后的瞳孔（瞳孔检测）。 该脚本使用
# find_eyes函数来确定应该包含瞳孔的roi的中心点。 它通过基本上找到瞳孔
# 中心的眼睛最黑暗的区域的中心。
#
# 注意：此脚本首先不会检测到脸部，请将其与长焦镜头一起使用。

import sensor, time, image

#重置传感器
sensor.reset()

#传感器设置
sensor.set_contrast(3)
sensor.set_gainceiling(16)

# 将分辨率设置为VGA。
sensor.set_framesize(sensor.VGA)

#拉近镜头，使眼睛的更多细节展现在摄像头中。
# 裁剪图像到200x100，这提供了更多的细节和更少的数据处理
sensor.set_windowing((220, 190, 200, 100))

sensor.set_pixformat(sensor.GRAYSCALE)

# 加载眼睛的haar算子
# 默认情况下，这将使用所有阶段，较低的阶段更快但不太准确。
eyes_cascade = image.HaarCascade("eye", stages=24)
print(eyes_cascade)

# FPS clock
clock = time.clock()

while (True):
    clock.tick()
    # Capture snapshot
    img = sensor.snapshot()
    # Find eyes !
    # Note: Lower scale factor scales-down the image more and detects smaller objects.
    # 注意：较低的比例因子会进一步缩小图像，并检测较小的物体。
    # Higher threshold results in a higher detection rate, with more false positives.
    # 阈值越高，检测率越高，假阳性也越多。
    eyes = img.find_features(eyes_cascade, threshold=0.5, scale=1.5)
    # 先利用find_features函数识别人眼。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。

    # 在识别到的人眼中寻找瞳孔。
    for e in eyes:
        iris = img.find_eye(e)
        #image.find_eye((x, y, w, h)),find_eye的参数是一个矩形区域，左上顶点为
        #（x,y），宽w,高h，注意（x,y,w,h）是一个元组，不要漏掉括号（）。上行代码中
        #的e即代表识别到的眼睛的矩形区域。
        #find_eye的原理是找到区域中颜色最深处的中心。
        img.draw_rectangle(e)
        img.draw_cross(iris[0], iris[1])
        if iris:
            print(2)
        else:
            print(1)

kidswong999

当然不会运行到，因为你在是for循环里面判断的。

guzr

那您有什么好办法吗我试了好多好多种

guzr

@kidswong999 那您有什么好办法吗我试了好多好多种

kidswong999

首先，我不知道你具体要做什么。

guzr

@kidswong999 就是想在每隔一分钟可以把人眼的眨眼次数给搞出来

guzr

@guzr 大佬我这个有办法嘛

关于缺失值个数的统计问题 求大佬解答

关于缺失值个数的统计问题求大佬解答