face_tracking.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 suivi de visage
#
# Cet exemple montre comment utiliser la fonctionnalité de points clés de votre OpenMV Cam pour suivre
# un visage après sa détection par une cascade de Haar. La première partie de ce
# script trouve un visage dans l'image en utilisant la cascade de Haar frontalface.
# Ensuite, le script utilise la fonctionnalité de points clés pour apprendre automatiquement votre
# visage et le suivre. Les points clés peuvent être utilisés pour suivre automatiquement n'importe quoi.
import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(3)
csi0.gainceiling(16)
csi0.framesize(csi.VGA)
csi0.window((320, 240))
csi0.pixformat(csi.GRAYSCALE)

# Sauter quelques images pour laisser le capteur se stabiliser
csi0.snapshot(time=2000)

# 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)
print(face_cascade)

# Premier ensemble de points clés
kpts1 = None

# Trouver un visage !
while kpts1 is None:
    img = csi0.snapshot()
    img.draw_string((0, 0), "Looking for a face...")
    # Trouver des visages
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.25)
    if objects:
        # Étendre la ROI de 31 pixels dans chaque direction
        face = (
            objects[0][0] - 31,
            objects[0][1] - 31,
            objects[0][2] + 31 * 2,
            objects[0][3] + 31 * 2,
        )
        # Extraire les points clés en utilisant la taille du visage détecté comme ROI
        kpts1 = img.find_keypoints(
            threshold=10, scale_factor=1.1, max_keypoints=100, roi=face
        )
        # Dessiner un rectangle autour du premier visage
        img.draw_rectangle(objects[0])

# Dessiner les points clés
print(kpts1)
img.draw_keypoints(kpts1, size=24)
img = csi0.snapshot()
time.sleep_ms(2000)

# Horloge FPS
clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    # Extraire les points clés de l'image entière
    kpts2 = img.find_keypoints(
        threshold=10, scale_factor=1.1, max_keypoints=100, normalized=True
    )

    if kpts2:
        # Faire correspondre le premier ensemble de points clés avec le second
        c = image.match_descriptor(kpts1, kpts2, threshold=85)
        match = c[6]  # C[6] contient le nombre de correspondances.
        if match > 5:
            img.draw_rectangle(c[2:6])
            img.draw_cross((c[0], c[1]), size=10)
            print(kpts2, "matched:%d dt:%d" % (match, c[7]))

    # Afficher les FPS
    img.draw_string((0, 0), "FPS:%.2f" % (clock.fps()))