snapshot_on_face_detection.py

# 本作品采用MIT许可证授权。
# 版权所有 (c) 2013-2023 OpenMV LLC。保留所有权利。
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# 人脸检测快照示例
#
# 注意：运行此示例需要一张SD卡。
#
# 此示例演示了如何在OpenMV摄像头上使用面部追踪功能拍摄一张
# 照片。

import csi
import image
import random
import machine

csi0 = csi.CSI()
csi0.reset()  # 重置并初始化传感器。
csi0.pixformat(csi.GRAYSCALE)  # 将像素格式设置为RGB565 (or GRAYSCALE)
csi0.framesize(csi.QVGA)  # 将帧大小设置为QVGA
csi0.snapshot(time=2000)  # 等待设置生效。

led = machine.LED("LED_RED")

# 加载面部检测的HaarCascade。这是您的OpenMV摄像头
# 可以使用下面的find_features()方法来检测人脸。您的OpenMV
# 摄像头内置了frontalface HaarCascade。默认情况下，所有阶段的
# HaarCascade都会被加载。然而，您可以调整阶段数以加快
# 处理速度，但会牺牲准确性。frontalface HaarCascade有25个
# 阶段。
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)

while True:
    print("About to start detecting faces...")
    csi0.snapshot(time=2000)  # 给用户时间准备。

    print("Now detecting faces!")
    diff = 10  # 我们会在10帧后检测到人脸。

    while diff:
        img = csi0.snapshot()
        # 阈值可以在0.0到1.0之间。较高的阈值会导致
        # 更高的检测率，但会有更多的误报。比例值
        # 控制匹配比例，允许您检测更小的面孔。
        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()
    print("Face detected! Saving image...")
    csi0.snapshot().save("snapshot-%d.jpg" % random.getrandbits(32))  # 保存图片。
    led.off()