4. snapshot_on_face_detection不能跑到Face detected! Saving image？
  • OpenMV VSCode 扩展发布了，在插件市场直接搜索OpenMV就可以安装
  • 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，需要报错提示与全部代码文本，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？

    • 1
       

      # 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.
      0

    • 可以识别到，在面前打光，让画面里能看出人脸。

      0