• 免费好用的星瞳AI云服务上线!简单标注,云端训练,支持OpenMV H7和OpenMV H7 Plus。可以替代edge impulse。 https://forum.singtown.com/topic/9519
  • 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。
  • 人脸识别成功后我用灰度图来保存,然后想转回成RGB565的图像,可是之后图像为什么一直是灰度图?



    • # 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
      
      # 重置感光元件
      sensor.reset()
      
      # 感光元件设置
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      # HQVGA and GRAYSCALE are the best for face tracking.
      # HQVGA和灰度对于人脸识别效果最好
      sensor.set_framesize(sensor.QQVGA2)
      sensor.set_pixformat(sensor.RGB565)
      #注意人脸识别只能用灰度图哦
      sensor.skip_frames(time = 5000)
      # 加载Haar算子
      # 默认情况下,这将使用所有阶段,更低的satges更快,但不太准确。
      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()
      
          # 拍摄一张照片
          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
          for r in objects:
              img.draw_rectangle(r)
          img.to_grayscale()
          img.save("singtown/1.jpg")
          img.to_rgb565()
          # 打印FPS
          # 注:实际FPS更高,流FB使它更慢。
          print(clock.fps())
      ![0_1615628424410_InkedQQ截图20210313173857_LI.jpg](正在上传 79%) 
      

      ![0_1615628455623_InkedQQ截图20210313173857_LI.jpg.jpg](正在上传 0%) ![0_1615628468345_InkedQQ截图20210313173857_LI.jpg.jpg](正在上传 0%)



    • 😂 我又一次自己解决了😆 转化为灰度图的时候把copy=True,这样就在栈上修改图象了,不是在基础图像上修改。然后赋给另一个对象,保存另一个图像就可以了。