Example: 01-Camera/01-Video-Recording/gif_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
#
# 人脸检测上的GIF视频录制示例
#
# 注意：运行此示例需要一张SD卡。
#
# 您可以使用OpenMV Cam录制gif文件。您可以向
# 录制器对象提供RGB565帧或灰度帧。使用照片编辑软件
# 如GIMP来压缩和优化Gif，然后再上传到网络。
#
# 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
# gif。

import sensor
import image
import time
import gif
import machine
import random

sensor.reset()  # 初始化相机传感器。
sensor.set_pixformat(sensor.GRAYSCALE)  # 将像素格式设置为RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QVGA)  # 将帧大小设置为QVGA
sensor.skip_frames(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("frontalface", stages=25)

while True:
    print("About to start detecting faces...")
    sensor.skip_frames(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 = sensor.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_factor=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()  # 跟踪FPS。
    for i in range(100):
        clock.tick()
        # clock.avg()返回帧之间的毫秒数 - gif延迟以
        g.add_frame(sensor.snapshot(), delay=int(clock.avg() / 10))  # 百分之一秒为单位。
        print(clock.fps())

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