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。
  • 人脸分辨每个样本都是相差8000多,本人与本人都差7000-9000,换过很多样本,背景均匀,人脸很大,还是不行



    • import sensor, time, image, lcd, math,pyb
      from pyb import UART
      
      RED_LED_PIN = 1
      BLUE_LED_PIN = 3
      NUM_SUBJECTS = 6 #图像库中不同人数,一共6人
      NUM_SUBJECTS_IMGS = 10 #每人有3张样本图片
      
      uart = UART(3, 115200)
      sensor.reset()
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.HQVGA) # HQVGA最好,其次QVGA,QQVGA
      sensor.set_pixformat(sensor.GRAYSCALE) #注意人脸识别只能用灰度图哦
      sensor.skip_frames(10)
      sensor.skip_frames(time = 1000) #等待1s
      
      face_cascade = image.HaarCascade("frontalface", stages=25)
      clock = time.clock()
      lcd.init()
      
      def face1():
          #uart.write("a,ok\r\n")
          print("a,ok")
      
          j=0
          sensor.reset()
          sensor.set_contrast(3)
          sensor.set_gainceiling(16)
          sensor.set_framesize(sensor.HQVGA) # HQVGA最好,其次QVGA,QQVGA
          sensor.set_pixformat(sensor.GRAYSCALE) #注意人脸识别只能用灰度图哦
          sensor.skip_frames(10) # Let new settings take affect.
          sensor.skip_frames(time = 1000) #等待1s
      
          while (True):
              pyb.LED(RED_LED_PIN).on()
              img = sensor.snapshot()    # 拍摄一张照片
              lcd.display(sensor.snapshot())
              objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)     #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。
              for r in objects:
                  img.draw_rectangle(r)        #在找到的目标上画框,标记出来
              if objects:
                  for object in objects:
                      fs=object[2]*object[3]
                      if fs>=14884:
                          j+=1
                          if j==10:
                              print(fs)
                              print(objects)
                              #uart.write("a,over\r\n")
                              break
                  if j==10:
                      uart.write("a")
                      pyb.LED(RED_LED_PIN).off()    #红灯灭,蓝灯亮
                      pyb.LED(BLUE_LED_PIN).on()
                      pyb.LED(BLUE_LED_PIN).off()
                      break
      
      def dis_face():
          #global NUM_SUBJECTS  #图像库中不同人数,一共6人
          #NUM_SUBJECTS = 4
      
          #uart.write("c,ok\r\n")
          print("c,ok")
      
          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 = 3000) #等待1s
          lcd.init()
      
          #SUB = "s1"
          img = sensor.snapshot() # 拍摄当前人脸。
          #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 = 999999
          num=0
          pyb.LED(RED_LED_PIN).on()
          lcd.display(sensor.snapshot())
      
          for s in range(1, NUM_SUBJECTS+1):
              #lcd.display(sensor.snapshot())
              dist = 0
              for i in range(2, NUM_SUBJECTS_IMGS+1):
                  img = image.Image("sample/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))
              if (dist/NUM_SUBJECTS_IMGS)<pmin:
                  pmin=(dist/NUM_SUBJECTS_IMGS)
                  num=s
              print(pmin)
          if pmin<10000:
              if num==1:
                  uart.write("d")
              if num==2:
                  uart.write("e")
              if num==3:
                  uart.write("f")
              if num==4:
                  uart.write("g")
              if num==5:
                  uart.write("h")
              if num==6:
                  uart.write("i")
          elif pmin>10000:
              uart.write("j")
          print(num) # num为当前最匹配的人的编号。
          #uart.write("%d\r\n" %num)
          #uart.write("c,over\r\n")
      
          pyb.LED(RED_LED_PIN).off()    #红灯灭,蓝灯亮
          pyb.LED(BLUE_LED_PIN).on()
          pyb.LED(BLUE_LED_PIN).off()
      
      def dis_face1():
          #global NUM_SUBJECTS  #图像库中不同人数,一共6人
          #NUM_SUBJECTS = 4
      
          #uart.write("c,ok\r\n")
          print("m,ok")
      
          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 = 1000) #等待1s
          lcd.init()
      
          #SUB = "s1"
          img = sensor.snapshot() # 拍摄当前人脸。
          #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 = 999999
          num=0
          pyb.LED(RED_LED_PIN).on()
          lcd.display(sensor.snapshot())
      
          for s in range(1, NUM_SUBJECTS+1):
              #lcd.display(sensor.snapshot())
              dist = 0
              for i in range(2, NUM_SUBJECTS_IMGS+1):
                  img = image.Image("sample/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))
              if (dist/NUM_SUBJECTS_IMGS)<pmin:
                  pmin=(dist/NUM_SUBJECTS_IMGS)
                  num=s
              print(pmin)
          #if pmin<6500:
              #if num==1:
                  #uart.write("d")
              #if num==2:
                  #uart.write("e")
              #if num==3:
                  #uart.write("f")
              #if num==4:
                  #uart.write("g")
              #if num==5:
                  #uart.write("h")
              #if num==6:
                  #uart.write("i")
          #elif pmin>6500:
              uart.write("j")
          print(num) # num为当前最匹配的人的编号。
          #uart.write("%d\r\n" %num)
          #uart.write("c,over\r\n")
      
          pyb.LED(RED_LED_PIN).off()    #红灯灭,蓝灯亮
          pyb.LED(BLUE_LED_PIN).on()
          pyb.LED(BLUE_LED_PIN).off()
      
      def length():
          #uart.write("b,ok\r\n")
          print("b,ok")
      
          K=4148#the value should be measured
          length=0
      
          sensor.reset()
          sensor.set_contrast(3)
          sensor.set_gainceiling(16)
          sensor.set_framesize(sensor.HQVGA) # HQVGA最好,其次QVGA,QQVGA
          sensor.set_pixformat(sensor.GRAYSCALE) #注意人脸识别只能用灰度图哦
          sensor.skip_frames(10) # Let new settings take affect.
          sensor.skip_frames(time = 1000) #等待1s
      
          while (True):
              pyb.LED(RED_LED_PIN).on()
              img = sensor.snapshot()    # 拍摄一张照片
              lcd.display(sensor.snapshot())
              objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)     #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。
      
              for r in objects:
                  img.draw_rectangle(r)        #在找到的目标上画框,标记出来
              if objects:
                  for object in objects:
                      print(object[2],object[3])
                      cx = int(object[0]+object[2]/2)
                      cy = int(object[1]+object[3]/2)
      
                      Lm = (object[2]+object[3])/2
                      length = K/Lm
                      img.draw_cross(cx, cy) # cx, cy
      
                      print(length)
                      #uart.write("%d\r\n" %length)
                      #uart.write("b,over\r\n")
                      break
              if length!=0:
                  uart.write("l")
                  pyb.LED(RED_LED_PIN).off()    #红灯灭,蓝灯亮
                  pyb.LED(BLUE_LED_PIN).on()
                  pyb.LED(BLUE_LED_PIN).off()
                  break
      
      def snapshot1():
          #uart.write("k,ok\r\n")
          print("k,ok")
      
      
          print("%d\r\n" %NUM_SUBJECTS)
      
          sensor.reset() # Initialize the camera sensor.
          sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.GRAYSCALE
          sensor.set_framesize(sensor.HQVGA) # B128X128or sensor.QQVGA (or others)
          sensor.set_windowing((92,112))
          sensor.skip_frames(10) # Let new settings take affect.
          sensor.skip_frames(time = 1000)
          clock = time.clock()
      
          num = 2 #设置被拍摄者序号,第一个人的图片保存到s1文件夹,第二个人的图片保存到s2文件夹,以此类推。每次更换拍摄者时,修改num值。
          n = 10 #设置每个人拍摄图片数量。
      
          while(n):
              pyb.LED(RED_LED_PIN).on()     #红灯亮
              lcd.display(sensor.snapshot())
              sensor.skip_frames(time = 3000) #等待3s,准备一下表情。
      
              pyb.LED(RED_LED_PIN).off()    #红灯灭,蓝灯亮
              pyb.LED(BLUE_LED_PIN).on()
              print(n)
              sensor.snapshot().save("data/s%s/%s.pgm" % (num, n) ) #保存截取到的图片到SD卡
              n -= 1
              pyb.LED(BLUE_LED_PIN).off()
      
              if n==1:
                  print("Done! Reset the camera to see the saved image.")
      
              #uart.write("k,over\r\n")
              uart.write("k\r\n")
      
      
      while(True):
      
          #clock.tick()
      
      
          #img = sensor.snapshot()        #1
          #lcd.display(sensor.snapshot()) #2  这两行无论哪一行运行,串口都无法接收到数据
      
          a='0'
      
          if uart.any():
              a=uart.readline().decode()
              print(a)
         #pyb.delay(100)
      
          if a=='a':
              #uart.write("a,ready\r\n")
              face1()              #人脸识别(日常模式)
              print("face1")
      
          if a=='b':
              #uart.write("b,ready\r\n")
              length()              #人脸识别(测额头距)
              print("length")
      
          if a=='c':
              #uart.write("c,ready\r\n")
              dis_face()           #分辨人脸
              print("dis_face")
      
          if a=='k':
              #uart.write("k,ready\r\n")
              snapshot1()           #拍照保存(人脸样本)
              print("snapshot1")
      
          if a=='m':
              #uart.write("c,ready\r\n")
              dis_face1()           #分辨人脸
              print("dis_face1")
      
          #else:
              #print("not a ")
              #print("a:",a)
      
      


    • 那你把整个图像上传一下,要不我怎么测试?



    • 代码只要最小的,可运行的,你关注的地方。

      你这个代码真是又臭又长,没用的东西一大堆,还要串口才能调试。





    • @kidswong999 已经好了,不同人脸虽然差异很小但可以分辨出