face_landmarks_multi_face.py

# Este trabalho está licenciado sob a licença MIT.
# Copyright (c) 2013-2025 OpenMV LLC. Todos os direitos reservados.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Este exemplo demonstra o modelo MediaPipe Face Landmark Detection do Google para múltiplos rostos.
#
# NOTA: Este exemplo requer uma OpenMV Cam com NPU, como a AE3 ou N6, para executar em tempo real.

import csi
import time
import ml
from ml.preprocessing import Normalization
from ml.postprocessing.mediapipe import BlazeFace
from ml.postprocessing.mediapipe import FaceLandmarks

# Inicializa o sensor.
csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

# O BlazeFace requer uma imagem quadrada para os melhores resultados.
# FaceLandmarks funciona com imagens não quadradas provenientes de recortes do BlazeFace.
csi0.window((400, 400))

# Carrega o modelo integrado de detecção de rostos
face_detection = ml.Model("/rom/blazeface_front_128.tflite", postprocess=BlazeFace(threshold=0.4))
print(face_detection)

# Carrega o modelo integrado de pontos de referência faciais
face_landmarks = ml.Model("/rom/face_landmarks_192.tflite", postprocess=FaceLandmarks(threshold=0.4))
print(face_landmarks)

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

    # faces é uma lista de tuplas ((x, y, w, h), score, keypoints)
    for r, score, keypoints in face_detection.predict([img]):
        # rect é (x, y, w, h) - amplie em 2x para o modelo de pontos de referência faciais
        wider_rect = (r[0] - r[2] // 2, r[1] - r[3] // 2, r[2] * 2, r[3] * 2)
        # Opera apenas na ROI do rosto detectado
        n = Normalization(roi=wider_rect)

        # marks é uma lista de tuplas ((x, y, w, h), score, keypoints)
        for r, score, keypoints in face_landmarks.predict([n(img)]):
            ml.utils.draw_predictions(img, [r], ("face",), ((0, 0, 255),), format=None)

            # keypoints é um ndarray de formato (468, 3) onde cada ponto-chave é (x, y, z)
            ml.utils.draw_keypoints(img, keypoints, radius=0, color=(255, 0, 0))

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