face_eye_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 обнаружения лица и глаз
#
# Этот скрипт использует встроенный детектор frontalface, чтобы найти лицо, а затем
# глаза на этом лице. Если вы хотите определить направление взгляда, см. пример
# iris_detection, показывающий, как это сделать.

import csi
import time
import image

csi0 = csi.CSI()
csi0.reset()
csi0.contrast(1)
csi0.gainceiling(16)
csi0.framesize(csi.HQVGA)
csi0.pixformat(csi.GRAYSCALE)

# Загрузить каскад Хаара
# По умолчанию используются все каскады; меньшее количество каскадов работает быстрее, но менее точно.
face_cascade = image.HaarCascade("/rom/haarcascade_frontalface.cascade", stages=25)
eyes_cascade = image.HaarCascade("/rom/haarcascade_eye.cascade", stages=24)
print(face_cascade, eyes_cascade)

# Часы FPS
clock = time.clock()

while True:
    clock.tick()

    # Сделать снимок
    img = csi0.snapshot()

    # Найти лицо!
    # Примечание: меньший масштабный коэффициент сильнее уменьшает изображение и обнаруживает более мелкие объекты.
    # Более высокий порог даёт более высокую частоту обнаружения, но с большим количеством ложных срабатываний.
    objects = img.find_features(face_cascade, threshold=0.5, scale=1.5)

    # Отрисовать лица
    for face in objects:
        img.draw_rectangle(face)
        # Теперь найти глаза в пределах каждого лица.
        # Примечание: используйте здесь более высокий порог (больше обнаружений) и меньший масштаб (для поиска мелких объектов)
        eyes = img.find_features(
            eyes_cascade, threshold=0.5, scale=1.2, roi=face
        )
        for e in eyes:
            img.draw_rectangle(e)

    # Выведите FPS.
    # Примечание: фактическая частота кадров выше, трансляция буфера кадра замедляет её.
    print(clock.fps())