face_tracking.py

# Questo lavoro è concesso in licenza MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Tutti i diritti riservati.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Esempio di tracciamento del volto
#
# Questo esempio mostra come usare la funzione dei keypoint della OpenMV Cam per tracciare
# un volto dopo che è stato rilevato da un Haar Cascade. La prima parte di questo
# script trova un volto nell'immagine utilizzando l'Haar Cascade frontalface.
# Dopodiché lo script usa la funzione dei keypoint per apprendere automaticamente il
# volto e tracciarlo. I keypoint possono essere usati per tracciare automaticamente qualsiasi cosa.
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)

# Salta alcuni fotogrammi per consentire al sensore di stabilizzarsi
csi0.snapshot(time=2000)

# Carica Haar Cascade
# Per impostazione predefinita verranno usati tutti gli stage; un numero inferiore di stage è più veloce ma meno accurato.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)
print(face_cascade)

# Primo insieme di keypoint
kpts1 = None

# Trovare un volto!
while kpts1 is None:
    img = csi0.snapshot()
    img.draw_string((0, 0), "Looking for a face...")
    # Trovare volti
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.25)
    if objects:
        # Espandere la ROI di 31 pixel in ogni direzione
        face = (
            objects[0][0] - 31,
            objects[0][1] - 31,
            objects[0][2] + 31 * 2,
            objects[0][3] + 31 * 2,
        )
        # Estrarre i keypoint utilizzando le dimensioni del volto rilevato come ROI
        kpts1 = img.find_keypoints(
            threshold=10, scale_factor=1.1, max_keypoints=100, roi=face
        )
        # Disegnare un rettangolo intorno al primo volto
        img.draw_rectangle(objects[0])

# Disegnare i keypoint
print(kpts1)
img.draw_keypoints(kpts1, size=24)
img = csi0.snapshot()
time.sleep_ms(2000)

# Clock FPS
clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    # Estrarre i keypoint dall'intero fotogramma
    kpts2 = img.find_keypoints(
        threshold=10, scale_factor=1.1, max_keypoints=100, normalized=True
    )

    if kpts2:
        # Confrontare il primo insieme di keypoint con il secondo
        c = image.match_descriptor(kpts1, kpts2, threshold=85)
        match = c[6]  # C[6] contiene il numero di corrispondenze.
        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]))

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