face_eye_detection.py

# Ce travail est publié sous licence MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Tous droits réservés.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Exemple de détection des yeux du visage
#
# Ce script utilise le détecteur frontalface intégré pour trouver un visage puis
# les yeux dans le visage. Si vous souhaitez déterminer la direction du regard, consultez
# le script iris_detection pour un exemple sur la façon de procéder.

import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(1)
csi0.gainceiling(16)
csi0.framesize(csi.HQVGA)
csi0.pixformat(csi.GRAYSCALE)

# Charger la cascade de Haar
# Par défaut, ceci utilisera toutes les étapes ; moins d'étapes est plus rapide mais moins précis.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)
eyes_cascade = image.HaarCascade("/rom/haarcascade_eye.cascade", stages=24)
print(face_cascade, eyes_cascade)

# Horloge FPS
clock = time.clock()

while True:
    clock.tick()

    # Capturer un instantané
    img = csi0.snapshot()

    # Trouver un visage !
    # Remarque : un facteur d'échelle plus faible réduit davantage l'image et détecte des objets plus petits.
    # Un seuil plus élevé donne un taux de détection plus élevé, avec davantage de faux positifs.
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.5)

    # Dessiner les visages
    for face in objects:
        img.draw_rectangle(face)
        # Chercher maintenant les yeux dans chaque visage.
        # Remarque : utilisez ici un seuil plus élevé (plus de détections) et une échelle plus faible (pour trouver de petits objets)
        eyes = img.find_features(
            eyes_cascade, threshold=0.5, scale=1.2, roi=face
        )
        for e in eyes:
            img.draw_rectangle(e)

    # Afficher le FPS.
    # Remarque : le FPS réel est plus élevé, le streaming du tampon d'image le ralentit.
    print(clock.fps())