fg51 发布的帖子

因为通过例程，看到人脸识别与人脸分辨是用Haar特征与LBP特征来实现的，但是口罩与人脸的分辨又是通过训练模型实现的，那么我们能不能用训练就机器学习模型的方式来做人脸识别与人脸分辨呢？

因为看到口罩识别例程是使用Edge Impulse训练的图像分类的功能，所以我就想着能不能做一些对象检测功能，比如说用openmv采集到图像，然后在图像上做标注，接着上传到Edge Impulse上训练出模型。但是好像OpenmvIDE中的采集数据集的工具只能将图像分类，请问如果要标记图像中的物品需要如何实现呢？

或者说应该如何导入推理引擎呢？

这个模型我们之前在我们自己的STM32F7的板子上都能部署成功，按理说用H7 Plus应该没有问题的呀

@kidswong999 好的 我研究一下

@fg51 链接：https://pan.baidu.com/s/1gCFY_z9iWgwQfumQRm6LXQ
提取码：0bxs
--来自百度网盘超级会员V5的分享

这是模型文件，我没有权限直接上传文件。

@kidswong999

# 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('mcunet-10fps_vww.tflite')
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")

按理来说531kb肯定是能部署的呀。。

下面是我的代码

我的设备是H7 Plus