• 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。
  • 解决人脸识别门禁系统的问题(检测到人脸才会和图库里面的人对比,成功后控制舵机开门)以下是我的代码,希望有大佬帮忙改正



    • import sensor, time, image, pyb
      from pyb import Servo
      
      m1 = Servo(1)
      
      sensor.reset() # Initialize the camera sensor.
      sensor.set_contrast(3)
      sensor.set_gainceiling(16)
      sensor.set_framesize(sensor.HQVGA)
      sensor.set_pixformat(sensor.GRAYSCALE)
      sensor.set_windowing((92,112))
      sensor.skip_frames(10) # Let new settings take affect.
      sensor.skip_frames(time = 3000) #等待3s
      
      RED_LED_PIN = 1
      face_cascade = image.HaarCascade("frontalface", stages=25)
      
      #SUB = "s1"
      NUM_SUBJECTS = 3 #图像库中不同人数,一共3人
      NUM_SUBJECTS_IMGS = 20 #每人有20张样本图片
      
      pyb.LED(RED_LED_PIN).on()
      sensor.skip_frames(time = 3000)
      
      # 拍摄一张照片
      img = sensor.snapshot()
      
      pyb.LED(RED_LED_PIN).off()
      
      # 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)
      
      if (objects==1):
          print("get people")
      #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
          
          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。
              
              if pmin > 7500:
                  print("外来访客")
              else:
                  for i in range(1000):
                      m1.pulse_width(5000 + i)
                      time.sleep_ms(5)
                  for i in range(1000):
                      m1.pulse_width(1000 - i)
                      time.sleep_ms(5)
                  print(pmin)
                  print(num) # num为当前最匹配的人的编号
                  print("欢迎回家")
                  print(num) # num为当前最匹配的人的编号。
              time.sleep(3)
      else:
          print("no people")
          time.sleep(3)