face_tracking.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 seguimiento facial
#
# Este ejemplo muestra cómo usar la función de puntos clave de su OpenMV Cam para seguir
# un rostro después de que haya sido detectado por una Cascada Haar. La primera parte de este
# script encuentra un rostro en la imagen usando la Cascada Haar frontalface.
# Después de lo cual el script usa la función de puntos clave para aprender automáticamente su
# rostro y seguirlo. Los puntos clave se pueden usar para seguir automáticamente cualquier cosa.
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)

# Omita algunos fotogramas para permitir que el sensor se estabilice
csi0.snapshot(time=2000)

# Cargar cascada Haar
# Por defecto se usarán todas las etapas; menos etapas es más rápido pero menos preciso.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)
print(face_cascade)

# Primer conjunto de puntos clave
kpts1 = None

# ¡Encuentra un rostro!
while kpts1 is None:
    img = csi0.snapshot()
    img.draw_string((0, 0), "Looking for a face...")
    # Buscar rostros
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.25)
    if objects:
        # Expande la ROI en 31 píxeles en todas las direcciones
        face = (
            objects[0][0] - 31,
            objects[0][1] - 31,
            objects[0][2] + 31 * 2,
            objects[0][3] + 31 * 2,
        )
        # Extrae puntos clave usando el tamaño del rostro detectado como ROI
        kpts1 = img.find_keypoints(
            threshold=10, scale_factor=1.1, max_keypoints=100, roi=face
        )
        # Dibuja un rectángulo alrededor del primer rostro
        img.draw_rectangle(objects[0])

# Dibuja los puntos clave
print(kpts1)
img.draw_keypoints(kpts1, size=24)
img = csi0.snapshot()
time.sleep_ms(2000)

# Reloj de FPS
clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    # Extrae puntos clave de todo el fotograma
    kpts2 = img.find_keypoints(
        threshold=10, scale_factor=1.1, max_keypoints=100, normalized=True
    )

    if kpts2:
        # Compara el primer conjunto de puntos clave con el segundo
        c = image.match_descriptor(kpts1, kpts2, threshold=85)
        match = c[6]  # C[6] contiene el número de coincidencias.
        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]))

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