• 星瞳AI VISION软件内测!可以离线标注,训练,并生成OpenMV的模型。可以替代edge impulse https://forum.singtown.com/topic/8206
  • 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。
  • 像我这个问题咋解决呀?不知道修改哪里?



    • 0_1650363879245_微信图片_20220419182132.png

      import sensor, time, image, pyb
      sensor.reset()
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.HQVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      
      rtc = pyb.RTC()
      rtc.datetime((2022, 3, 29, 7, 7, 40, 0, 0))
      NUM_SUBJECTS = 6 #图像库中不同人数,一共6人
      NUM_SUBJECTS_IMGS = 20 #每人有20张样本图片
      # 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)
      
      while (True):
          img = sensor.snapshot()# 拍摄一张照片
          objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
          #print(objects)
      
          for r in objects:       #识别人脸画矩形框
              img.draw_rectangle(r)
          x=len(objects)
      
          if x>=1:
              print(x)
              c=0
              while c<x:
                      
                  z=objects[c]
                  print(c)
                  d0 = img.find_lbp(z)
                  print(z)
                  c=c+1
      
                  img = None
                  pmin = 999999
                  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("a123/s%d/%d.pgm"%(s, i))
                          d1 = img.find_lbp((0, 0, img.width(), img.height()))
                          dist += image.match_descriptor(d0, d1)
                      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)
      


    • 第50行img尺寸改变了,所以下次28行循环时,就报错了。你可以默认只有一个人脸,分辨率比较低,分辨一个人脸就不错了。



    • @kidswong999 谢谢大哥,明白了。



    • @kidswong999 不过为啥我用if语句的时候就没报错呢?我还运行出来了。虽然识别过程有点艰难。

          if  x==2:   #如果画面中出现两个人
              z1=objects[0]
              #print(z)
              d0 = img.find_lbp(z1)
              #print(d0)
              img = None
              pmin = 999999
              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("a123/s%d/%d.pgm"%(s, i))
                      d1 = img.find_lbp((0, 0, img.width(), img.height()))
                      dist += image.match_descriptor(d0, d1)
                 #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)
      
      z2=objects[1]
              #print(z2)
              d2 = img.find_lbp(z2)
              #print(d2)
              img = None
              pmin = 999999
              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("a123/s%d/%d.pgm"%(s, i))
                      d1 = img.find_lbp((0, 0, img.width(), img.height()))
                      dist += image.match_descriptor(d2, d1)
                 #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)
      


    • @kidswong999 谢谢哥,问题解决啦。不过你说我买个好点的摄像头应该提高人脸识别精度吧???



    • @natp lbp的精度就比较差。。。