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。
  • objects= img.find_features(...),这里的objects是一个四元数组吗?



    • find_lbp那里是整幅图画,可以运行。。。。改成objects就会出错,我实在是搞不懂为什么!我看视频里面讲到objects确实是一个四元数组。主要想请教下第二张图片为什么出错呢0_1589039325796_1.png 0_1589039335126_2.png



    • 这里是全部代码,objects那里会报错

      import sensor, time, image, pyb  
      from pyb import UART
      uart = UART(3, 19200)
      sensor.set_contrast(1)
      sensor.set_gainceiling(16)
      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
      
      
      face_cascade = image.HaarCascade("frontalface", stages=25)
      
      NUM_SUBJECTS = 1 #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
      
      def min(pmin, a, s):
          global num
          if a<pmin:
              pmin=a
              num=s
          return pmin
      while(True):
          img = sensor.snapshot()
          objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
          d0 = img.find_lbp((objects))
          for r in objects:
                  img.draw_rectangle(r)
          #d0为当前人脸的lbp特征
          img = None
          pmin = 999999
          num=0
          
          for s in range(1, NUM_SUBJECTS+1):
              dist = 0
              for i in range(2, NUM_SUBJECTS_IMGS+1):
                  img = image.Image("zhongbei1/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(pmin)
          if pmin<9000:
              a=1
          if pmin>9000:
              a=0
          output="%d\n"%(a)
          uart.write(output)
      
          #print(num) # num为当前最匹配的人的编号。
          print(a)
      




    • @antoobjects= img.find_features(...),这里的objects是一个四元数组吗? 中说:

      a
      请问解决了吗?我也不清楚