mjpeg_on_face_detection.py

# Эта работа лицензирована по лицензии MIT.
# Copyright (c) 2013-2023 OpenMV LLC. All rights reserved.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Пример записи видео MJPEG при обнаружении лица
#
# Примечание: для выполнения этого примера вам понадобится SD-карта.
#
# Вы можете использовать OpenMV Cam для записи файлов mjpeg. Вы можете передавать в
# объект recorder кадры JPEG или кадры RGB565/в градациях серого. После завершения
# записи файла Mjpeg вы можете воспроизвести его с помощью VLC. Если вы используете Ubuntu, то
# встроенный видеопроигрыватель тоже подойдёт.
#
# В этом примере показано использование отслеживания лица на OpenMV Cam для записи
# mjpeg.

import csi
import image
import time
import mjpeg
import random
import machine

csi0 = csi.CSI()
csi0.reset()  # Сброс и инициализация датчика.
csi0.pixformat(csi.GRAYSCALE)  # Установить формат пикселей RGB565 (или GRAYSCALE)
csi0.framesize(csi.QQVGA)  # Установить размер кадра QQVGA (160x120)
csi0.snapshot(time=2000)  # Подождать, пока настройки вступят в силу.

led = machine.LED("LED_RED")

# Загрузить каскад Хаара (HaarCascade) для обнаружения лиц. Это объект, который OpenMV Cam
# может использовать для обнаружения лиц с помощью метода find_features() ниже. В OpenMV
# Cam уже встроен каскад Хаара frontalface. По умолчанию загружаются все этапы
# каскада Хаара. Однако вы можете уменьшить количество этапов, чтобы ускорить
# обработку за счёт точности. Каскад Хаара frontalface содержит 25
# этапов.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)

while True:
    print("About to start detecting faces...")
    csi0.snapshot(time=2000)  # Дать пользователю время подготовиться.

    print("Now detecting faces!")

    diff = 10  # Мы будем считать, что лицо обнаружено после 10 кадров.
    while diff:
        img = csi0.snapshot()
        # Порог может быть от 0.0 до 1.0. Более высокий порог даёт
        # более высокую частоту обнаружения, но с большим числом ложных срабатываний. Значение scale
        # управляет масштабом сопоставления, позволяя обнаруживать более мелкие лица.
        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()
    m = mjpeg.Mjpeg("example-%d.mjpeg" % random.getrandbits(32))

    clock = time.clock()  # Отслеживает FPS.
    for i in range(200):
        clock.tick()
        m.write(csi0.snapshot())
        print(clock.fps())

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