gif_on_face_detection.py

# Esta obra está licenciada bajo la licencia MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Todos los derechos reservados.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Ejemplo de grabación de video GIF en detección de rostros
#
# Nota: Necesitará una tarjeta SD para ejecutar este ejemplo.
#
# Puede usar su OpenMV Cam para grabar archivos gif. Puede alimentar el
# objeto recorder con fotogramas RGB565 o en escala de grises. Use software de edición de fotos
# como GIMP para comprimir y optimizar el Gif antes de subirlo a la web.
#
# Este ejemplo demuestra el uso del seguimiento de rostros en su OpenMV Cam para tomar un
# gif.

import csi
import image
import time
import gif
import machine
import random

csi0 = csi.CSI()
csi0.reset()  # Inicializar el sensor de la cámara.
csi0.pixformat(csi.GRAYSCALE)  # Establecer el formato de píxel a RGB565 (o GRAYSCALE)
csi0.framesize(csi.QVGA)  # Establecer el tamaño de fotograma a QVGA
csi0.snapshot(time=2000)  # Esperar a que los ajustes surtan efecto.

led = machine.LED("LED_RED")

# Cargar un HaarCascade de detección de rostros. Este es el objeto que su OpenMV Cam
# puede usar para detectar rostros mediante el método find_features() a continuación. Su OpenMV
# Cam tiene el HaarCascade frontalface incorporado. Por defecto, se cargan todas las etapas del
# HaarCascade. Sin embargo, puede ajustar el número de etapas para acelerar el
# procesamiento a costa de la precisión. El HaarCascade frontalface tiene 25
# etapas.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)

while True:
    print("About to start detecting faces...")
    csi0.snapshot(time=2000)  # Dar tiempo al usuario para prepararse.

    print("Now detecting faces!")

    diff = 10  # Diremos que detectamos un rostro después de 10 fotogramas.
    while diff:
        img = csi0.snapshot()
        # El umbral puede estar entre 0.0 y 1.0. Un umbral más alto produce una
        # tasa de detección más alta con más falsos positivos. El valor de escala
        # controla la escala de coincidencia, permitiéndole detectar rostros más pequeños.
        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()
    g = gif.Gif("example-%d.gif" % random.getrandbits(32), loop=True)

    clock = time.clock()  # Registra los FPS.
    for i in range(100):
        clock.tick()
        # clock.avg() devuelve los milisegundos entre fotogramas; el retardo del gif está en
        g.add_frame(csi0.snapshot(), delay=int(clock.avg() / 10))  # centisegundos.
        print(clock.fps())

    g.close()
    led.off()
    print("Restarting...")