• 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。
  • 请大神指点指点代码感谢,无法检测两个人脸信息。检测一人还出错



    • #一个或者多个人脸识别,并与图片样本库对比,有没有被测者的信息存储,输出最匹配人的样本库编号
      import sensor, time, image
      
      # Reset sensor
      sensor.reset()
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.HQVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      face_cascade = image.HaarCascade("frontalface", stages=25)
      print(face_cascade)
      
      NUM_SUBJECTS = 3 #图像库中不同人数,一共6人
      NUM_SUBJECTS_IMGS = 10 #每人有10张样本图片
      img = None
      pmin = 999999
      num=0
      
      def min(pmin, a, s):
           global num
           if a<pmin:
               pmin=a
               num=s
           return pmin
      
      clock = time.clock()
      
      while (True):
           clock.tick()
           img = sensor.snapshot()
           objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
      
           #在找到的目标上画框,标记出来
      
           for r in objects:
               img.draw_rectangle(r)
               d0 = img.find_lbp(r)
               for s in range(1, NUM_SUBJECTS+1):
                   dist = 0
                   for i in range(2, NUM_SUBJECTS_IMGS+1):
      
      
                       img = image.Image("picture/s%d/%d.pgm"%(s, i))
                       d1 = img.find_lbp((0, 0, img.width(), img.height()))
      
                       #d1为第s文件夹中的第i张图片的lbp特征
                       dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
      
                       pmin = min(pmin, dist/NUM_SUBJECTS_IMGS, s)#特征差异度越小,被检测人脸与此样本更相似更匹配。
      
      
           print("差异度为:%d"%pmin)
           print("匹配人编号为:%d"%num) # num为当前最匹配的人的编号。
           print(clock.fps())
      
      
      
      
      
      
      


    • 没有搞懂你的问题?

      请描述详细的问题、步骤、现象、代码。



    • 问题:如何识别同时出现在openmv摄像头下的两个人脸
      步骤:先进行A、B两人的图片样本库s1与s2的采集,以便后来的对比。当A和B两个人脸同时出现时,运行下面的代码:结果分别输出与A最匹配的样本库编号和与B最匹配的样本库编号。

      import sensor, time, image
      
      # Reset sensor
      sensor.reset()
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.HQVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      face_cascade = image.HaarCascade("frontalface", stages=25)
      print(face_cascade)
      
      NUM_SUBJECTS = 2 #图像库中不同人数,一共2人
      NUM_SUBJECTS_IMGS = 10 #每人有10张样本图片
      img = None
      pmin = 999999
      num=0
      
      def min(pmin, a, s):
          global num
          if a<pmin:
              pmin=a
              num=s
          return pmin
      
      clock = time.clock()
      
      while (True):
          clock.tick()
          img = sensor.snapshot()
          objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
          #在找到的目标上画框,标记出来
          for r in objects:
              img.draw_rectangle(r)
              d0 = img.find_lbp(r)
      
              for s in range(1, NUM_SUBJECTS+1):
                   dist = 0
                   for i in range(2, NUM_SUBJECTS_IMGS+1):
      
                         img = image.Image("picture/s%d/%d.pgm"%(s, i))
                         d1 = img.find_lbp((0, 0, img.width(), img.height()))
                         #d1为第s文件夹中的第i张图片的lbp特征
                         dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
              print("Average dist for subject %d: %d"%(s, dist/NUM_SUBJECTS_IMGS))
              pmin = min(pmin, dist/NUM_SUBJECTS_IMGS, s)#特征差异度越小,被检测人脸与此样本更相似更匹配。
              print("差异度为:%d"%pmin)
      
              print("匹配人编号为:%d"%num) # num为当前最匹配的人的编号。