gif_on_face_detection.py

# Este trabalho está licenciado sob a licença MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Todos os direitos reservados.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Exemplo de Gravação de Vídeo GIF com Detecção de Rosto
#
# Nota: Você precisará de um cartão SD para executar este exemplo.
#
# Você pode usar sua OpenMV Cam para gravar arquivos gif. Você pode alimentar o
# objeto recorder com frames RGB565 ou Grayscale. Use um software de edição de fotos
# como o GIMP para comprimir e otimizar o Gif antes de enviá-lo para a web.
#
# Este exemplo demonstra o uso do rastreamento de rosto na sua OpenMV Cam para gravar um
# gif.

import csi
import image
import time
import gif
import machine
import random

csi0 = csi.CSI()
csi0.reset()  # Inicializa o sensor da câmera.
csi0.pixformat(csi.GRAYSCALE)  # Define o formato de pixel para RGB565 (ou GRAYSCALE)
csi0.framesize(csi.QVGA)  # Define o tamanho do frame para QVGA
csi0.snapshot(time=2000)  # Aguarda as configurações fazerem efeito.

led = machine.LED("LED_RED")

# Carrega um HaarCascade de detecção de rosto. Este é um objeto que sua OpenMV Cam
# pode usar para detectar rostos usando o método find_features() abaixo. Sua OpenMV
# Cam tem o HaarCascade fontalface embutido. Por padrão, todos os estágios do
# HaarCascade são carregados. No entanto, você pode ajustar o número de estágios para acelerar
# o processamento às custas da precisão. O HaarCascade frontalface tem 25
# estágios.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)

while True:
    print("About to start detecting faces...")
    csi0.snapshot(time=2000)  # Dá tempo para o usuário se preparar.

    print("Now detecting faces!")

    diff = 10  # Diremos que detectamos um rosto após 10 frames.
    while diff:
        img = csi0.snapshot()
        # O limiar pode estar entre 0.0 e 1.0. Um limiar mais alto resulta em uma
        # taxa de detecção mais alta com mais falsos positivos. O valor de escala
        # controla a escala de correspondência, permitindo detectar rostos menores.
        faces = img.find_features(face_cascade, threshold=0.5, scale=1.5)

        if faces:
            diff -= 1
            for r in faces:
                img.draw_rectangle(r)

    led.on()
    g = gif.Gif("example-%d.gif" % random.getrandbits(32), loop=True)

    clock = time.clock()  # Rastreia FPS.
    for i in range(100):
        clock.tick()
        # clock.avg() retorna os milissegundos entre frames - o delay do gif é em
        g.add_frame(csi0.snapshot(), delay=int(clock.avg() / 10))  # centissegundos.
        print(clock.fps())

    g.close()
    led.off()
    print("Restarting...")