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。
  • 人脸识别为什么无法使用?显示NameError: name '“frontalface”' is not defined



    • import sensor, time, image, pyb
      from pyb import UART
      sensor.reset() # Initialize the camera sensor.
      sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.GRAYSCALE
      sensor.set_framesize(sensor.B128X128) # or sensor.QQVGA (or others)
      sensor.set_windowing((92,112))
      sensor.skip_frames(10) # Let new settings take affect.
      sensor.skip_frames(time = 5000) #等待5s

      uart = UART(3,9600)
      face_cascade = image.HaarCascade(“frontalface”, stages=25)
      #红灯亮
      pyb.LED(1).on()# Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
      NUM_SUBJECTS = 6 #图像库中不同人数,一共6人
      NUM_SUBJECTS_IMGS = 20 #每人有20张样本图片
      flag=True

      while(flag):

      拍摄当前人脸。

      img = sensor.snapshot()
      objects = img.find_features(face_cascade, threshold=0.75, scale_factor=1.25)
      if objects:
      #红灯灭
      pyb.LED(1).off()# Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
      #绿灯亮
      pyb.LED(2).on()# Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
      for r in objects:
      img.draw_rectangle(r)
      ROIimg=img.copy(r)
      flag=False

      #img = image.Image(“singtown/%s/1.pgm”%(SUB))
      d0 = ROIimg.find_lbp((0, 0, img.width(), img.height()))
      #d0为当前人脸的lbp特征
      img = None
      pmin = 999999
      num=0

      def min(pmin, a, s):

      global num
      if a<pmin:
          pmin=a
          num=s
      return pmin
      

      for s in range(1, NUM_SUBJECTS+1): # s=1

      dist = 0
      for i in range(1, NUM_SUBJECTS_IMGS+1):
          img = image.Image("data/s%d/%d.pgm"%(s, i)) #.pgm or "example.bmp" (or others)
          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。
      if pmin<50000:
         message = "liujuan"
         uart.write(message)
         #绿灯灭
         pyb.LED(2).off()# Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
         #蓝灯亮
         pyb.LED(3).on()# Red LED = 1, Green LED = 2, Blue LED = 3, IR LEDs = 4.
         print(message)
         print(pmin)
      
      print(num) # num为当前最匹配的人的编号。


    • https://singtown.com/learn/50033/

      按照视频步骤操作。



    • 我用的不是官方例程里面的代码,麻烦你认真看一下,我的问题是显示NameError: name '“frontalface”' is not defined



    • @kidswong999 引用的是例程7人脸识别的代码
      复制例程里面的确实可以使用,但是我写出来的就会显示这个错误

      # 人脸识别例程
      #
      # 这个例子展示了OpenMV Cam的内置人脸检测功能。
      #
      # 人脸检测通过在图像上使用Haar Cascade特征检测器来工作。 haar级联是
      # 一系列简单的区域对比检查。 对于内置的前表面探测器,有25个阶段的检查,
      # 每个阶段有数百个检查一块。 Haar Cascades运行速度很快,因为只有在 
      # 以前的阶段过去后才会评估后期阶段。 此外,您的OpenMV使用称为
      # 整体图像的数据结构来在恒定时间内快速执行每个区域对比度检查
      #(特征检测仅为灰度的原因是因为整体图像的空间需求)。
      
      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.HQVGA)
      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)
      
      # FPS clock
      clock = time.clock()
      
      while (True):
          clock.tick()
      
          # Capture snapshot
          img = sensor.snapshot()
      
          # 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)
      
          # Print FPS.
          # Note: Actual FPS is higher, streaming the FB makes it slower.
          print(clock.fps())
      
      


    • 区分一下中文的标点符号。

      中文“”和
      英文""