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 اكتشاف الوجه
#
# يوضح هذا المثال ميزة اكتشاف الوجه المدمجة في كاميرا OpenMV.
#
# يعمل اكتشاف الوجه باستخدام كاشف ميزات Haar Cascade على الصورة. إن
# Haar Cascade عبارة عن سلسلة من فحوصات تباين بسيطة للمناطق. بالنسبة للكاشف المدمج
# الخاص بـ frontalface، توجد 25 مرحلة من الفحوصات، وتحتوي كل مرحلة على
# مئات الفحوصات. تعمل Haar Cascades بسرعة لأن المراحل اللاحقة
# لا تُقيَّم إلا إذا اجتازت المراحل السابقة. بالإضافة إلى ذلك، تستخدم كاميرا OpenMV الخاصة بك
# بنية بيانات تُسمى الصورة التكاملية (integral image) لتنفيذ كل فحص تباين
# للمنطقة في زمن ثابت (والسبب في أن اكتشاف الميزات يكون
# بتدرج الرمادي فقط هو متطلبات المساحة الخاصة بالصورة التكاملية).

import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(3)
csi0.gainceiling(16)
csi0.framesize(csi.HQVGA)  # HQVGA وGRAYSCALE هما الأفضل لتتبع الوجه.
csi0.pixformat(csi.GRAYSCALE)

# تحميل Haar Cascade
# بشكل افتراضي سيستخدم هذا جميع المراحل، المراحل الأقل أسرع لكنها أقل دقة.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)
print(face_cascade)

# ساعة معدل الإطارات (FPS)
clock = time.clock()

while True:
    clock.tick()

    # التقاط لقطة
    img = csi0.snapshot()

    # البحث عن الأجسام.
    # ملاحظة: عامل التحجيم الأقل يقلل حجم الصورة أكثر ويكتشف أجسامًا أصغر.
    # العتبة الأعلى تؤدي إلى معدل اكتشاف أعلى، مع مزيد من الإيجابيات الخاطئة.
    objects = img.find_features(face_cascade, threshold=0.75, scale=1.25)

    # رسم الأجسام
    for r in objects:
        img.draw_rectangle(r)

    # طباعة معدل الإطارات.
    # ملاحظة: معدل الإطارات (FPS) الفعلي أعلى، وبث إطار الذاكرة (FB) يجعله أبطأ.
    print(clock.fps())