• 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。
  • 请问openmv的人检测神经网络模型有吗?在哪里啊?



    • 请问openmv的人检测神经网络模型有吗?在哪里啊?

      TensorFlow Lite 人检测例程

      Google的“人检测模型”会检测到是否有人。

      在此示例中,我们将探测器窗口滑到图像上方,并获取激活列表。

      请注意,使用带有滑动窗口的CNN计算极为复杂,因此对于详尽搜索,不要期望CNN是实时的。

      import sensor, image, time, os, tf

      sensor.reset() # 复位并初始化传感器。

      sensor.set_pixformat(sensor.GRAYSCALE) # Set pixel format to RGB565 (or GRAYSCALE)
      #设置图像色彩格式,有RGB565色彩图和GRAYSCALE灰度图两种

      sensor.set_framesize(sensor.QVGA) # 将图像大小设置为QVGA (320x240)

      sensor.set_windowing((240, 240)) # 设置240x240窗口。
      sensor.skip_frames(time=2000) # 等待一段时间,让相机设置生效。

      加载内置的人检测神经网络模型(该网络位于OpenMV Cam的固件中)。

      net = tf.load('person_detection')
      labels = ['unsure', 'person', 'no_person']

      clock = time.clock()
      while(True):
      clock.tick()

      img = sensor.snapshot()
      
      # net.classify()将在图像的roi上运行网络(如果没有指定roi,则在整个图像上运行)
      # 将为每个位置生成一个分类得分输出向量。
      # 在每个比例下,检测窗口都以x_overlap(0-1)和y_overlap(0-1)为指导在ROI中移动。
      # 如果将重叠设置为0.5,那么每个检测窗口将与前一个窗口重叠50%。
      # 请注意,重叠越多,计算工作量就越大。
      # 最后,对于在网络沿x/y方向滑动后的多尺度匹配,检测窗口将由scale_mul(0-1)缩小到min_scale(0-1)。
      # 下降到min_scale(0-1)。例如,如果scale_mul为0.5,则检测窗口将缩小50%。
      # 请注意,如果x_overlap和y_overlap较小,则在较小的比例下可以搜索更多区域...
      
      # 默认设置只是进行一次检测...更改它们以搜索图像...
      for obj in net.classify(img, min_scale=1.0, scale_mul=0.5, x_overlap=0.0, y_overlap=0.0):
          print("**********\nDetections at [x=%d,y=%d,w=%d,h=%d]" % obj.rect())
          for i in range(len(obj.output())):
              print("%s = %f" % (labels[i], obj.output()[i]))
          img.draw_rectangle(obj.rect())
          img.draw_string(obj.x()+3, obj.y()-1, labels[obj.output().index(max(obj.output()))], mono_space = False)
      print(clock.fps(), "fps")


    • person_detection模型,已经内置在固件里了,你直接运行就行了。