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。
  • snapshot_on_face_detection不能跑到Face detected! Saving image?



    • # 人脸识别拍照例程
      #
      # 注意:您将需要SD卡来运行此示例。
      #
      # 这个例子演示了如何在你的OpenMV Cam上使用面部追踪来拍照。
      
      import sensor, image, pyb
      
      RED_LED_PIN = 1
      BLUE_LED_PIN = 3
      
      sensor.reset() # 初始化sensor
      
      sensor.set_pixformat(sensor.GRAYSCALE)
      #设置图像色彩格式,有RGB565色彩图和GRAYSCALE灰度图两种
      
      sensor.set_framesize(sensor.HQVGA) # or sensor.QQVGA (or others)
      #设置图像像素大小
      
      sensor.skip_frames(time = 2000) # 让新的设置生效
      
      # 加载人脸检测HaarCascade。 这是OpenMV Cam可以使用下面的
      # find_features()方法来检测人脸的对象。 您的OpenMV具有HaarCascade
      # 内置的人脸模型。 默认情况下,HaarCascade的所有阶段都被加载。 但是,
      # 您可以调整阶段的数量来加快处理速度,但要以准确性为代价。 
      # HaarCascade的前面有25个阶段。
      
      face_cascade = image.HaarCascade("frontalface", stages=25)
      
      while(True):
      
          pyb.LED(RED_LED_PIN).on()
          print("About to start detecting faces...")
          sensor.skip_frames(time = 2000) # 给用户一个时间来准备
      
      
          pyb.LED(RED_LED_PIN).off()
          print("Now detecting faces!")
          pyb.LED(BLUE_LED_PIN).on()
      
          diff = 10 # We'll say we detected a face after 10 frames.
          while(diff):
              img = sensor.snapshot()
              # Threshold是介于0.0-1.0的阈值,较低值会同时提高检出率和假阳性
              # 率。相反,较高值会同时降低检出率和假阳性率。
              # scale是一个必须大于1.0的浮点数。较高的比例因子运行更快,
              # 但其图像匹配相应较差。理想值介于1.35-1.5之间。
              faces = img.find_features(face_cascade, threshold=0.5, scale_factor=1.5)
      
              if faces:
                  diff -= 1
                  for r in faces:
                      img.draw_rectangle(r)
      
          pyb.LED(BLUE_LED_PIN).off()
          print("Face detected! Saving image...")
          sensor.snapshot().save("snapshot-%d.jpg" % pyb.rng()) # Save Pic.
      


    • 可以识别到,在面前打光,让画面里能看出人脸。