4. 人脸识别可以，瞳孔识别报错RuntimeError: Capture Failed: -3
  • 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。

    • 人脸识别可以，瞳孔识别报错RuntimeError: Capture Failed: -3

    • 1

      用的是官方代码，没有改动
      麻烦了

      0

    • 用的是什么硬件？
      什么固件版本？

      具体的代码文本发一下。

      0
      1
       1 条回复
    • 1

      @kidswong999 用的是OPENMV2
      固件是最新的
      代码是官方的，见下

      # 人眼追踪例程
#
# 该脚本使用内置的前脸检测器来查找脸部，然后查找脸部的眼睛。如果你想确定
# 眼睛的瞳孔，请参阅iris_detection脚本，了解如何做到这一点。

import sensor, time, image

#重置传感器
sensor.reset()

#传感器设置
sensor.set_contrast(1)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.HQVGA)
sensor.set_pixformat(sensor.GRAYSCALE)

# 加载Haar算子
# 默认情况下，这将使用所有阶段，较低的阶段更快但不太准确。
face_cascade = image.HaarCascade("frontalface", stages=25)#人脸识别的haar算子
eyes_cascade = image.HaarCascade("eye", stages=24)#眼睛的haar算子
#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, eyes_cascade)

# FPS clock
clock = time.clock()

while (True):
    clock.tick()

    # Capture snapshot
    #捕获快照
    img = sensor.snapshot()

    # Find a face !
    # 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=0.5, scale=1.5)
    # 先利用haar算子找到视野中的人脸。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。


    # Draw faces
    #将找到的人脸用矩形标记出来
    for face in objects:
        img.draw_rectangle(face)
        # Now find eyes within each face.
        # 现在找出每一张脸的眼睛。
        # Note: Use a higher threshold here (more detections) and lower scale (to find small objects)
        # 注意:这里使用更高的阈值(更多的检测)和更低的尺度(寻找小物体)
        eyes = img.find_features(eyes_cascade, threshold=0.5, scale=1.2, roi=face)
        #在人脸中识别眼睛。roi参数设置特征寻找的范围，roi=face即在找到的人脸中识别眼睛。
        #将找到的眼睛标记出来        
        for e in eyes:
            img.draw_rectangle(e)

    # 打印FPS。
    # 注意:实际FPS更高，流FB使它更慢。
    print(clock.fps())
      0

    • OpenMV2已经不继续维护了。

      0