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。
  • 下面是人脸跟踪的源代码 怎么加程序才能够保存跟踪过程的视频(整个界面右上角的视频)



    • # 人脸追踪例程
      #
      # 这个例子展示了使用OpenMV Cam的关键点功能来跟踪一个被Haar Cascade 
      # 检测到的人脸。 该脚本的第一部分使用前面Haar Cascade在图像中找到一张
      # 脸。 之后,脚本使用关键点功能自动学习你的脸并跟踪它。 关键点可以
      # 用来自动追踪任何东西。
      import sensor, time, image
      
      # Reset sensor
      sensor.reset()
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.VGA)
      sensor.set_windowing((320, 240))
      sensor.set_pixformat(sensor.GRAYSCALE)
      
      # Skip a few frames to allow the sensor settle down
      sensor.skip_frames(time = 2000)
      
      # Load Haar Cascade
      # 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。
      face_cascade = image.HaarCascade("frontalface", stages=25)
      print(face_cascade)
      
      # First set of keypoints
      kpts1 = None
      
      # Find a face!
      while (kpts1 == None):
          img = sensor.snapshot()
          img.draw_string(0, 0, "Looking for a face...")
          # Find faces
          objects = img.find_features(face_cascade, threshold=0.5, scale=1.25)
          if objects:
              # 在每个方向上将ROI扩大31个像素
              face = (objects[0][0]-31, objects[0][1]-31,objects[0][2]+31*2, objects[0][3]+31*2)
              # 使用检测面大小作为ROI提取关键点
              kpts1 = img.find_keypoints(threshold=10, scale_factor=1.1, max_keypoints=100, roi=face)
              # Draw a rectangle around the first face
              img.draw_rectangle(objects[0])
      
      # Draw keypoints
      print(kpts1)
      img.draw_keypoints(kpts1, size=24)
      img = sensor.snapshot()
      time.sleep(2000)
      
      # FPS clock
      clock = time.clock()
      
      while (True):
          clock.tick()
          img = sensor.snapshot()
          # 从整个帧中提取关键点
          kpts2 = img.find_keypoints(threshold=10, scale_factor=1.1, max_keypoints=100, normalized=True)
      
          if (kpts2):
              # 将第一组关键点与第二组关键点匹配
              c=image.match_descriptor(kpts1, kpts2, threshold=85)
              match = c[6] # C[6] contains the number of matches.
              if (match>5):
                  img.draw_rectangle(c[2:6])
                  img.draw_cross(c[0], c[1], size=10)
                  print(kpts2, "matched:%d dt:%d"%(match, c[7]))
      
          # Draw FPS
          img.draw_string(0, 0, "FPS:%.2f"%(clock.fps()))