Distinguir diferentes caras
Vídeo tutorial 19 - Distinguir diferentes caras: https://singtown.com/learn/50033/
Esta sección comparte cómo utilizar las funciones LBP para distinguir diferentes caras.
Primero necesitamos construir nuestra propia biblioteca de imágenes. Primero creamos una nueva carpeta en la unidad flash USB OpenMV (tenga en cuenta que se debe insertar la tarjeta SD) y la llamamos singtown, y luego creamos n subcarpetas llamadas s1, s2, s3...sn en la carpeta singtown, donde n. es el número de personas en toda la biblioteca de imágenes. Como se muestra a continuación:
Luego podemos ejecutar el siguiente código para recopilar diferentes muestras de rostros. Preste atención a que el fondo sea lo más uniforme posible al recopilar y a que la cara llene toda la pantalla tanto como sea posible. El rostro humano puede ser sonriente, no sonriente, serio, inclinado, con gafas, sin gafas, etc. Puedes elegir entre 10 y 20 fotografías por persona.
# Snapshot Example
#
# Note: You will need an SD card to run this example.
#
# You can use your OpenMV Cam to save image files.
import sensor, image, machine
#import pyb
RED_LED_PIN = 1
BLUE_LED_PIN = 3
sensor.reset() # Initialize the camera sensor.
sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.GRAYSCALE
sensor.set_framesize(sensor.B128X128) # or sensor.QQVGA (or others)
sensor.set_windowing((92,112))
sensor.skip_frames(10) # Let new settings take affect.
sensor.skip_frames(time = 2000)
num = 1 #设置被拍摄者序号，第一个人的图片保存到s1文件夹，第二个人的图片保存到s2文件夹，以此类推。每次更换拍摄者时，修改num值。
n = 20 #设置每个人拍摄图片数量。
#连续拍摄n张照片，每间隔3s拍摄一次。
while(n):
#红灯亮
machine.LED("LED_RED").on()
#pyb.LED(RED_LED_PIN).on()
sensor.skip_frames(time = 3000) # Give the user time to get ready.等待3s，准备一下表情。
#红灯灭，蓝灯亮
machine.LED("LED_RED").off()
machine.LED("LED_BLUE").on()
#pyb.LED(RED_LED_PIN).off()
#pyb.LED(BLUE_LED_PIN).on()
#保存截取到的图片到SD卡
print(n)
sensor.snapshot().save("singtown/s%s/%s.pgm" % (num, n) ) # or "example.bmp" (or others)
n -= 1
#pyb.LED(BLUE_LED_PIN).off()
machine.LED("LED_BLUE").off()
print("Done! Reset the camera to see the saved image.")
Después de disparar, la imagen en la unidad flash USB OpenMV es la siguiente (tenga en cuenta que cada vez que la unidad flash USB OpenMV escribe una nueva imagen/archivo, debe restablecer OpenMV antes de poder verlo):
Finalmente, ejecutamos el siguiente código para identificar caras dentro del campo de visión actual de la cámara y generar la persona que mejor coincida con el objeto actual.
# Face recognition with LBP descriptors.
# See Timo Ahonen's "Face Recognition with Local Binary Patterns".
#
# Before running the example:
# 1) Download the AT&T faces database http://www.cl.cam.ac.uk/Research/DTG/attarchive/pub/data/att_faces.zip
# 2) Exract and copy the orl_faces directory to the SD card root.
import sensor, time, image
sensor.reset() # Initialize the camera sensor.
sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.GRAYSCALE
sensor.set_framesize(sensor.B128X128) # or sensor.QQVGA (or others)
sensor.set_windowing((92,112))
sensor.skip_frames(10) # Let new settings take affect.
sensor.skip_frames(time = 5000) #等待5s
#SUB = "s1"
NUM_SUBJECTS = 6 #图像库中不同人数，一共6人
NUM_SUBJECTS_IMGS = 20 #每人有20张样本图片
# 拍摄当前人脸。
img = sensor.snapshot()
#img = image.Image("singtown/%s/1.pgm"%(SUB))
d0 = img.find_lbp((0, 0, img.width(), img.height()))
#d0为当前人脸的lbp特征
img = None
pmin = 999999
num=0
def min(pmin, a, s):
global num
if a<pmin:
pmin=a
num=s
return pmin
for s in range(1, NUM_SUBJECTS+1):
dist = 0
for i in range(2, NUM_SUBJECTS_IMGS+1):
img = image.Image("singtown/s%d/%d.pgm"%(s, i))
d1 = img.find_lbp((0, 0, img.width(), img.height()))
#d1为第s文件夹中的第i张图片的lbp特征
dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
print("Average dist for subject %d: %d"%(s, dist/NUM_SUBJECTS_IMGS))
pmin = min(pmin, dist/NUM_SUBJECTS_IMGS, s)#特征差异度越小，被检测人脸与此样本更相似更匹配。
print(pmin)
print(num) # num为当前最匹配的人的编号。
El resultado de la ejecución es como se muestra en la figura:
