blazepalm_detection.py

# Ce travail est publié sous licence MIT.
# Copyright (c) 2013-2025 OpenMV LLC. Tous droits réservés.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Cet exemple présente le modèle MediaPipe Palm Detection de Google.
#
# REMARQUE : cet exemple nécessite une caméra OpenMV dotée d'un NPU, comme l'AE3 ou le N6, pour fonctionner en temps réel.

import csi
import time
import ml
from ml.postprocessing.mediapipe import BlazePalm

# Initialiser le capteur.
csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

# BlazePalm nécessite une image carrée pour obtenir les meilleurs résultats.
csi0.window((400, 400))

# Charger le modèle intégré de détection de paume
model = ml.Model("/rom/palm_detection_full_192.tflite", postprocess=BlazePalm(threshold=0.4))
print(model)

# Connexions linéaires entre les articulations de la main pour dessiner le squelette de la main.
palm_lines = ((0, 1), (1, 2), (2, 3), (3, 4), (4, 0), (0, 5), (5, 6))

clock = time.clock()
while True:
    clock.tick()
    img = csi0.snapshot()

    # palms est une liste de tuples ((x, y, w, h), score, keypoints)
    for r, score, keypoints in model.predict([img]):
        ml.utils.draw_predictions(img, [r], ("palm",), ((0, 0, 255),), format=None)

        # keypoints est un ndarray de forme (7, 2)
        # 0 - poignet (x, y)
        # 1 - mcp de l'index (x, y)
        # 2 - mcp du majeur (x, y)
        # 3 - mcp de l'annulaire (x, y)
        # 4 - mcp de l'auriculaire  (x, y)
        # 5 - cmc du pouce (x, y)
        # 6 - mcp du pouce (x, y)
        #
        # mcp = articulation métacarpophalangienne - la jointure
        # cmc = articulation carpométacarpienne - la base du pouce
        ml.utils.draw_skeleton(img, keypoints, palm_lines, kp_color=(255, 0, 0), line_color=(0, 255, 0))

    print(clock.fps(), "fps")