例程讲解06-Video-Recording->mjpeg_on_face_detection人脸识别录像

# MJPEG人脸识别录像
#
# 注意:您将需要SD卡来运行此示例。
#
# 您可以使用OpenMV Cam来录制mjpeg文件。 您可以为记录器对象提供JPEG帧
# 或RGB565 /灰度帧。 一旦你完成了一个Mjpeg文件的录制,你可以使用VLC
# 来播放它。 如果你在Ubuntu上,那么内置的视频播放器也可以工作。
#
# 这个例子演示了如何在OpenMV Cam上使用面部跟踪来获取mjpeg。

import sensor
import image
import time
import mjpeg
import random

sensor.reset()  # 初始化sensor
sensor.set_pixformat(sensor.GRAYSCALE)  # 设置图像色彩格式,有RGB565色彩图和GRAYSCALE灰度图两种
sensor.set_framesize(sensor.QQVGA)  # 设置图像像素大小 QQVGA (160x120)
sensor.skip_frames(time=2000)  # 让新的设置生效

led = machine.LED("LED_RED")

# 加载人脸检测HaarCascade。 这是OpenMV Cam可以使用下面的
# find_features()方法来检测人脸的对象。 您的OpenMV具有HaarCascade
# 内置的人脸模型。 默认情况下,HaarCascade的所有阶段都被加载。 但是,
# 您可以调整阶段的数量来加快处理速度,但要以准确性为代价。 
# HaarCascade的前面有25个阶段。
face_cascade = image.HaarCascade("frontalface", stages=25)

while True:
    print("About to start detecting faces...")
    sensor.skip_frames(time=2000)  # 给用户一个时间来准备

    print("Now detecting faces!")

    diff = 10  # We'll say we detected a face after 10 frames.
    while diff:
        img = sensor.snapshot()
        # Threshold是介于0.0-1.0的阈值,较低值会同时提高检出率和假阳性
        # 率。相反,较高值会同时降低检出率和假阳性率。
        # scale是一个必须大于1.0的浮点数。较高的比例因子运行更快,
        # 但其图像匹配相应较差。理想值介于1.35-1.5之间。
        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()
    m = mjpeg.Mjpeg("example-%d.mjpeg" % random.getrandbits(32))

    clock = time.clock()  # 追踪FPS帧率
    for i in range(200):
        clock.tick()
        m.write(sensor.snapshot())
        print(clock.fps())

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

星瞳科技OpenMV官方中文文档函数讲解:

results matching ""

    No results matching ""