face_eye_detection.py

# Dieses Werk ist unter der MIT-Lizenz lizenziert.
# Copyright (c) 2013-2023 OpenMV LLC. Alle Rechte vorbehalten.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Beispiel für Gesichts-Augen-Erkennung
#
# Dieses Skript verwendet den eingebauten frontalface-Detektor, um ein Gesicht zu finden, und dann
# die Augen innerhalb des Gesichts. Wenn Sie die Blickrichtung der Augen bestimmen möchten, finden Sie im
# Skript iris_detection ein Beispiel dafür.

import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(1)
csi0.gainceiling(16)
csi0.framesize(csi.HQVGA)
csi0.pixformat(csi.GRAYSCALE)

# Haar-Kaskade laden
# Standardmäßig werden alle Stufen verwendet, weniger Stufen sind schneller, aber weniger genau.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)
eyes_cascade = image.HaarCascade("/rom/haarcascade_eye.cascade", stages=24)
print(face_cascade, eyes_cascade)

# FPS-Uhr
clock = time.clock()

while True:
    clock.tick()

    # Schnappschuss aufnehmen
    img = csi0.snapshot()

    # Ein Gesicht finden!
    # Hinweis: Ein niedrigerer Skalierungsfaktor verkleinert das Bild stärker und erkennt kleinere Objekte.
    # Ein höherer Schwellenwert führt zu einer höheren Erkennungsrate, aber mit mehr Fehlalarmen.
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.5)

    # Gesichter zeichnen
    for face in objects:
        img.draw_rectangle(face)
        # Nun innerhalb jedes Gesichts nach Augen suchen.
        # Hinweis: Verwenden Sie hier einen höheren Schwellenwert (mehr Erkennungen) und eine niedrigere Skalierung (um kleine Objekte zu finden)
        eyes = img.find_features(
            eyes_cascade, threshold=0.5, scale=1.2, roi=face
        )
        for e in eyes:
            img.draw_rectangle(e)

    # FPS ausgeben.
    # Hinweis: Die tatsächliche Bildrate ist höher, das Streamen des Framebuffers macht es langsamer.
    print(clock.fps())