4. WIFI无线图传Connected to 192.168.1.100:44620是怎么回事？
  • 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。

    • WIFI无线图传Connected to 192.168.1.100:44620是怎么回事？

    • E

      代码：
      import sensor, image, time, network, usocket, sys, pyb

      SSID ='OPENMV_AP' # Network SSID
      KEY ='1234567890' # wifi密码(必须为10字符)
      HOST = '' # 使用第一个可用的端口
      PORT = 8080 # 任意非特权端口

      在AP模式下启动wlan模块。

      wlan = network.WINC(mode=network.WINC.MODE_AP)
      wlan.start_ap(SSID, key=KEY, security=wlan.WEP, channel=2)

      配置WIFI并传输视频流

      def start_streaming(s):
      # 重置传感器
      sensor.reset()
      # 设置传感器设置
      sensor.set_contrast(1)
      sensor.set_brightness(1)
      sensor.set_saturation(1)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.QQVGA)
      sensor.set_pixformat(sensor.RGB565)

      print ('Waiting for connections..')
client, addr = s.accept()
# 将客户端套接字超时设置为2秒
client.settimeout(2.0)
print ('Connected to ' + addr[0] + ':' + str(addr[1]))

# 从客户端读取请求
data = client.recv(1024)
# 应该在这里解析客户端请求

# 发送多部分head
client.send("HTTP/1.1 200 OK\r\n" \
            "Server: OpenMV\r\n" \
            "Content-Type: multipart/x-mixed-replace;boundary=openmv\r\n" \
            "Cache-Control: no-cache\r\n" \
            "Pragma: no-cache\r\n\r\n")

# FPS clock
clock = time.clock()

# 开始人脸识别
facial_identification()
# 开始分辨人脸
temp = Distinguish_faces()

if (temp == 0):
    # 开始流媒体图像
    #注：禁用IDE预览以增加流式FPS。
    while (True):
        clock.tick() # 跟踪snapshots()之间经过的毫秒数。
        frame = sensor.snapshot()
        cframe = frame.compressed(quality=35)
        header = "\r\n--openmv\r\n" \
                 "Content-Type: image/jpeg\r\n"\
                 "Content-Length:"+str(cframe.size())+"\r\n\r\n"
        client.send(header)
        client.send(cframe)
        print(clock.fps())

        # 直到接受到信号(WIFI接受的信号/延时信号)在退出视频流传输
        # return 0

else:
    return 0

      人脸识别

      def facial_identification():
      # 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.HQVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      # 注意人脸识别只能用灰度图哦

      # 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。

    # h = None  # 用于判断是否识别到人脸
    # 在找到的目标上画框，标记出来
    for r in objects:
        img.draw_rectangle(r)  # 在找到的目标上画框，标记出来
        # h = 1
        # return h
        return 0

      分辨人脸

      def Distinguish_faces():
      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

      # SUB = "s1"
NUM_SUBJECTS = 3  # 图像库中不同人数，一共3人
NUM_SUBJECTS_IMGS = 10  # 每人有20张样本图片

# 拍摄当前人脸。
img = sensor.snapshot()
# img = image.Image("singtown/%s/1.pgm"%(SUB))
d0 = img.find_lbp((0, 0, img.width(), img.height()))
# d0为当前人脸的lbp特征
img = None
pmin = 15000
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):
    dist = 0
    for i in range(2, NUM_SUBJECTS_IMGS + 1):
        img = image.Image("singtown/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)

print(num)  # num为当前最匹配的人的编号。
if (num == 1 or num == 2 or num == 3):
    # 使电磁失效(待补充)
    print("认证成功")
else:
    num = 0

return int(num)

      主函数

      def main_s():

      while (True):
      # 创建服务器套接字
      s = usocket.socket(usocket.AF_INET, usocket.SOCK_STREAM)
      try:
      # Bind and listen
      s.bind([HOST, PORT])
      s.listen(5)

          # 设置服务器套接字超时
    # 注意：由于WINC FW bug，如果客户端断开连接，服务器套接字必须
    # 关闭并重新打开。在这里使用超时关闭并重新创建套接字。
    s.settimeout(3)
    start_streaming(s)
except OSError as e:
    s.close()
    print("socket error: ", e)
    #sys.print_exception(e)

      开始运行

      main_s()

      运行结果：
      Waiting for connections..
      socket error: -13
      Waiting for connections..
      Connected to 192.168.1.100:44620
      {"width":24, "height":24, "n_stages":25, "n_features":2913, "n_rectangles":6383}

      0