snapshot_on_face_detection.py

# هذا العمل مرخص بموجب ترخيص MIT.
# حقوق النشر (c) 2013-2023 OpenMV LLC. جميع الحقوق محفوظة.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# مثال التقاط صورة عند اكتشاف الوجه
#
# ملاحظة: ستحتاج إلى بطاقة SD لتشغيل هذا المثال.
#
# يوضح هذا المثال استخدام تتبع الوجه على كاميرا OpenMV لالتقاط
# صورة.

import csi
import image
import random
import machine

csi0 = csi.CSI()
csi0.reset()  # إعادة ضبط المستشعر وتهيئته.
csi0.pixformat(csi.GRAYSCALE)  # تعيين تنسيق البكسل إلى RGB565 (أو GRAYSCALE)
csi0.framesize(csi.QVGA)  # تعيين حجم الإطار إلى QVGA
csi0.snapshot(time=2000)  # انتظر حتى تدخل الإعدادات حيز التنفيذ.

led = machine.LED("LED_RED")

# قم بتحميل HaarCascade لاكتشاف الوجوه. هذا كائن تستخدمه كاميرا OpenMV
# لاكتشاف الوجوه باستخدام دالة find_features() أدناه. تحتوي كاميرا OpenMV
# الخاصة بك على HaarCascade لاكتشاف الوجه الأمامي مدمج بها. بشكل افتراضي، يتم تحميل جميع مراحل
# HaarCascade. ومع ذلك، يمكنك ضبط عدد المراحل لتسريع
# المعالجة على حساب الدقة. يحتوي HaarCascade للوجه الأمامي على 25
# مرحلة.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)

while True:
    print("About to start detecting faces...")
    csi0.snapshot(time=2000)  # امنح المستخدم وقتاً للاستعداد.

    print("Now detecting faces!")
    diff = 10  # سنعتبر أننا اكتشفنا وجهاً بعد 10 إطارات.

    while diff:
        img = csi0.snapshot()
        # يمكن أن تكون قيمة العتبة بين 0.0 و1.0. تؤدي قيمة العتبة الأعلى إلى
        # معدل اكتشاف أعلى مع مزيد من الإيجابيات الخاطئة. تتحكم قيمة scale
        # في مقياس المطابقة مما يتيح لك اكتشاف وجوه أصغر.
        faces = img.find_features(face_cascade, threshold=0.5, scale=1.5)

        if faces:
            diff -= 1
            for r in faces:
                img.draw_rectangle(r)
    led.on()
    print("Face detected! Saving image...")
    csi0.snapshot().save("snapshot-%d.jpg" % random.getrandbits(32))  # حفظ الصورة.
    led.off()