iris_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 القزحية 2
#
# يوضح هذا المثال كيفية إيجاد اتجاه نظرة العين (اكتشاف البؤبؤ) بعد إيجاد
# العينين في الصورة. يستخدم هذا البرنامج النصي دالة find_eyes التي تحدد
# نقطة مركز منطقة الاهتمام (roi) التي يفترض أن تحتوي على بؤبؤ. ويقوم بذلك أساسًا
# بإيجاد مركز أغمق منطقة داخل منطقة اهتمام العين، وهو مركز البؤبؤ.
#
# ملاحظة: لا يكتشف هذا البرنامج النصي وجهًا أولاً، استخدمه مع عدسة التكبير (telephoto).

import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(3)
csi0.gainceiling(16)
csi0.framesize(csi.VGA)
# قص/تجميع الصورة إلى 200x100، مما يعطي تفاصيل أكثر مع بيانات أقل للمعالجة
csi0.window((220, 190, 200, 100))
csi0.pixformat(csi.GRAYSCALE)

# تحميل Haar Cascade
# بشكل افتراضي سيستخدم هذا جميع المراحل، والمراحل الأقل أسرع لكنها أقل دقة.
eyes_cascade = image.HaarCascade("/rom/haarcascade_eye.cascade", stages=24)
print(eyes_cascade)

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

while True:
    clock.tick()
    # التقاط لقطة
    img = csi0.snapshot()
    # ابحث عن العينين!
    # ملاحظة: عامل التحجيم الأقل يقلل حجم الصورة أكثر ويكتشف أجسامًا أصغر.
    # العتبة الأعلى تؤدي إلى معدل اكتشاف أعلى، مع مزيد من الإيجابيات الخاطئة.
    eyes = img.find_features(eyes_cascade, threshold=0.5, scale=1.5)

    # البحث عن القزحية
    for e in eyes:
        iris = img.find_eye(roi=e)
        img.draw_rectangle(e)
        img.draw_cross(iris)

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