• 免费好用的星瞳AI云服务上线!简单标注,云端训练,支持OpenMV H7和OpenMV H7 Plus。可以替代edge impulse。 https://forum.singtown.com/topic/9519
  • 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。
  • 我将这个程序封装成函数并在下方调用函数但得到的值却一直没变一直是初始值0,我把函数解除后,进行里面的循环得到的值又对的



    • 0_1668748493377_屏幕截图 2022-11-18 131440.png

      import sensor, time, image, pyb  
      def face_fb():
          while(True):
              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 = 5000) #等待5s
              
              
              
              #SUB = "s1"
              NUM_SUBJECTS = 3 #图像库中不同人数,一共6人
              NUM_SUBJECTS_IMGS = 10 #每人有20张样本图片
              
              # 拍摄当前人脸。
              img = sensor.snapshot()
              #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("face/F%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。
                  #print(pmin)
              
              print(num) # num为当前最匹配的人的编号。
      face_fb()
      


    • 我能看到的错误是4到9行的sensor设置不应该在死循环里。其他的没看出来什么问题。