blazepalm_detection.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 Palm Detection di Google.
#
# NOTA: questo esempio richiede una OpenMV Cam con NPU come la AE3 o la N6 per funzionare in tempo reale.

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

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

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

# Carica il modello integrato di rilevamento del palmo
model = ml.Model("/rom/palm_detection_full_192.tflite", postprocess=BlazePalm(threshold=0.4))
print(model)

# Connessioni tra le linee delle articolazioni della mano per disegnare lo scheletro della mano.
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 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], ("palm",), ((0, 0, 255),), format=None)

        # keypoints è un ndarray di forma (7, 2)
        # 0 - polso (x, y)
        # 1 - nocca dell'indice mcp (x, y)
        # 2 - nocca del medio mcp (x, y)
        # 3 - nocca dell'anulare mcp (x, y)
        # 4 - nocca del mignolo mcp (x, y)
        # 5 - base del pollice cmc (x, y)
        # 6 - nocca del pollice mcp (x, y)
        #
        # mcp = articolazione metacarpo-falangea - la nocca
        # cmc = articolazione carpo-metacarpale - la base del pollice
        ml.utils.draw_skeleton(img, keypoints, palm_lines, kp_color=(255, 0, 0), line_color=(0, 255, 0))

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