4. 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
  • 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。

    • 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

    • W
       

      #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())
      0

    • 没有搞懂你的问题？

      请描述详细的问题、步骤、现象、代码。

      0
    • W

      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。
      0