blazeface_detector.py

# Questo lavoro è concesso in licenza MIT.
# Copyright (c) 2013-2025 OpenMV LLC. Tutti i diritti riservati.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Questo esempio mostra il modello MediaPipe Face Detection di Google.

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

# Inizializza il sensore.
csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

# BlazeFace richiede un'immagine quadrata per ottenere i migliori risultati.
csi0.window((400, 400))

# Carica il modello integrato di rilevamento volti
model = ml.Model("/rom/blazeface_front_128.tflite", postprocess=BlazeFace(threshold=0.4))
print(model)

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

    # faces è una lista di tuple ((x, y, w, h), score, keypoints)
    for r, score, keypoints in model.predict([img]):
        ml.utils.draw_predictions(img, [r], ("face",), ((0, 0, 255),), format=None)

        # keypoints è un ndarray di forma (6, 2)
        # 0 - occhio destro (x, y)
        # 1 - occhio sinistro (x, y)
        # 2 - naso (x, y)
        # 3 - bocca (x, y)
        # 4 - orecchio destro (x, y)
        # 5 - orecchio sinistro (x, y)
        ml.utils.draw_keypoints(img, keypoints, color=(255, 0, 0))

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