星瞳实验室APP,快速收到回复
  • 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。
  • 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?



    • # 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())