face_tracking.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 Gesichtsverfolgung
#
# Dieses Beispiel demonstriert die Verwendung der Keypoints-Funktion Ihrer OpenMV Cam, um
# ein Gesicht zu verfolgen, nachdem es von einer Haar-Kaskade erkannt wurde. Der erste Teil dieses
# Skripts findet ein Gesicht im Bild mithilfe der Haar-Kaskade frontalface.
# Danach nutzt das Skript die Keypoints-Funktion, um Ihr Gesicht automatisch zu erlernen
# und zu verfolgen. Keypoints können verwendet werden, um beliebige Objekte automatisch zu verfolgen.
import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(3)
csi0.gainceiling(16)
csi0.framesize(csi.VGA)
csi0.window((320, 240))
csi0.pixformat(csi.GRAYSCALE)

# Ein paar Frames überspringen, damit sich der Sensor stabilisieren kann
csi0.snapshot(time=2000)

# 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)
print(face_cascade)

# Erster Satz von Keypoints
kpts1 = None

# Ein Gesicht finden!
while kpts1 is None:
    img = csi0.snapshot()
    img.draw_string((0, 0), "Looking for a face...")
    # Gesichter finden
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.25)
    if objects:
        # Die ROI um 31 Pixel in jede Richtung erweitern
        face = (
            objects[0][0] - 31,
            objects[0][1] - 31,
            objects[0][2] + 31 * 2,
            objects[0][3] + 31 * 2,
        )
        # Keypoints extrahieren, wobei die erkannte Gesichtsgröße als ROI verwendet wird
        kpts1 = img.find_keypoints(
            threshold=10, scale_factor=1.1, max_keypoints=100, roi=face
        )
        # Ein Rechteck um das erste Gesicht zeichnen
        img.draw_rectangle(objects[0])

# Keypoints zeichnen
print(kpts1)
img.draw_keypoints(kpts1, size=24)
img = csi0.snapshot()
time.sleep_ms(2000)

# FPS-Uhr
clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    # Keypoints aus dem gesamten Bild extrahieren
    kpts2 = img.find_keypoints(
        threshold=10, scale_factor=1.1, max_keypoints=100, normalized=True
    )

    if kpts2:
        # Den ersten Satz von Keypoints mit dem zweiten abgleichen
        c = image.match_descriptor(kpts1, kpts2, threshold=85)
        match = c[6]  # C[6] enthält die Anzahl der Übereinstimmungen.
        if match > 5:
            img.draw_rectangle(c[2:6])
            img.draw_cross((c[0], c[1]), size=10)
            print(kpts2, "matched:%d dt:%d" % (match, c[7]))

    # FPS zeichnen
    img.draw_string((0, 0), "FPS:%.2f" % (clock.fps()))