【K210学习笔记】#MaixPy#(3)人脸检测与人脸识别
目录
- 一、人脸检测:
- 1、烧录模型:
- 2、示例测试:
- 二、人脸识别:
- 1、获取机器码:
- 2、获取人脸识别模型:
- 3、烧录专用固件:
- 4、烧录模型:
- 5、示例测试:
- 6、报错解决:
一、人脸检测:
1、烧录模型:
在 模型下载 下载 face_model_at_0x300000.kfpkg
这个模型文件,使用 kflash_gui 下载模型到 Flash。
2、示例测试:
连接开发板,拷贝以下示例代码到 MaixPy IDE
运行,参考:【K210学习笔记】#Maixpy#(1)Maixpy IDE安装与使用
示例脚本:demo_find_face.py
import sensor, image, lcd, time
import KPU as kpu
import gc, sysdef lcd_show_except(e):import uioerr_str = uio.StringIO()sys.print_exception(e, err_str)err_str = err_str.getvalue()img = image.Image(size=(224,224))img.draw_string(0, 10, err_str, scale=1, color=(0xff,0x00,0x00))lcd.display(img)def main(model_addr=0x300000, lcd_rotation=0, sensor_hmirror=False, sensor_vflip=False):try:sensor.reset()except Exception as e:raise Exception("sensor reset fail, please check hardware connection, or hardware damaged! err: {}".format(e))sensor.set_pixformat(sensor.RGB565)sensor.set_framesize(sensor.QVGA)sensor.set_hmirror(sensor_hmirror)sensor.set_vflip(sensor_vflip) # 开启摄像头垂直翻转sensor.run(1)lcd.init(type=1)lcd.rotation(lcd_rotation)lcd.clear(lcd.WHITE)anchors = (1.889, 2.5245, 2.9465, 3.94056, 3.99987, 5.3658, 5.155437, 6.92275, 6.718375, 9.01025)try:task = Nonetask = kpu.load(model_addr)kpu.init_yolo2(task, 0.5, 0.3, 5, anchors) # threshold:[0,1], nms_value: [0, 1]while(True):img = sensor.snapshot()t = time.ticks_ms()objects = kpu.run_yolo2(task, img)t = time.ticks_ms() - tif objects:for obj in objects:img.draw_rectangle(obj.rect(), color=(255,0,0), thickness=3)img.draw_string(0, 200, "t:%dms" %(t), scale=2)lcd.display(img)except Exception as e:raise efinally:if not task is None:kpu.deinit(task)if __name__ == "__main__":try:main( model_addr=0x300000, lcd_rotation=0, sensor_hmirror=False, sensor_vflip=True)# main(model_addr="/sd/m.kmodel")except Exception as e:sys.print_exception(e)lcd_show_except(e)finally:gc.collect()
二、人脸识别:
1、获取机器码:
使用 kflash_gui 下载:key_gen_v1.2.bin 烧录到开发板
烧录后从串口终端获取到机器码:
2、获取人脸识别模型:
进入 MaixHub 下载人脸识别模型:
填入机器码下载:(地址)
下载后得到0x300000
、0x400000
、0x500000
三个地址的 .smodel
模型文件
3、烧录专用固件:
在 下载站 下载 kmodelv4
支持固件,并用 kflash 烧录。
4、烧录模型:
按照文件名分别烧录到不同的地址:
5、示例测试:
连接开发板,拷贝以下示例代码到 MaixPy IDE
运行,参考:[【K210学习笔记】#Maixpy#(1)Maixpy IDE安装与使用]
示例脚本:demo_face_recognization.py
import sensor
import image
import lcd
import KPU as kpu
import time
from Maix import FPIOA, GPIO
import gc
from fpioa_manager import fm
from board import board_info
import utimetask_fd = kpu.load(0x300000) # 加载人脸检测模型
task_ld = kpu.load(0x400000) # 加载人脸五点关键点检测模型
task_fe = kpu.load(0x500000) # 加载人脸196维特征值模型clock = time.clock() # 初始化系统时钟,计算帧率# 设置按键引脚 按下记录人脸
fm.register(board_info.BOOT_KEY, fm.fpioa.GPIOHS0)
key_gpio = GPIO(GPIO.GPIOHS0, GPIO.IN)
start_processing = FalseBOUNCE_PROTECTION = 50def set_key_state(*_):global start_processingstart_processing = Trueutime.sleep_ms(BOUNCE_PROTECTION)key_gpio.irq(set_key_state, GPIO.IRQ_RISING, GPIO.WAKEUP_NOT_SUPPORT)lcd.init() # 初始化lcd
sensor.reset() # 初始化sensor 摄像头
sensor.set_pixformat(sensor.RGB565) # 设置摄像头输出格式
sensor.set_framesize(sensor.QVGA) # 设置摄像头输出帧大小,k210最大支持VGA格式
sensor.set_hmirror(1) # 设置摄像头镜像
sensor.set_vflip(1) # 设置摄像头翻转
sensor.run(1) # 使能图像捕捉功能
anchor = (1.889, 2.5245, 2.9465, 3.94056, 3.99987, 5.3658, 5.155437,6.92275, 6.718375, 9.01025) # anchor for face detect 人脸检测的Anchor
dst_point = [(44, 59), (84, 59), (64, 82), (47, 105),(81, 105)] # standard face key point position 标准正脸的5关键点坐标:左眼 右眼 鼻子 左嘴角 右嘴角
a = kpu.init_yolo2(task_fd, 0.5, 0.3, 5, anchor)
img_lcd = image.Image() # 创建一个新的图像对象
img_face = image.Image(size=(128, 128)) # 设置图像大小
a = img_face.pix_to_ai() # 将RGB565的图像手动更新到RGB888的区域,供kpu功能使用
record_ftr = [] # 用于存储当前196维特征
record_ftrs = [] # 用于存储按键记录下人脸特征, 可以将特征以txt等文件形式保存到sd卡后,读取到此列表,即可实现人脸断电存储
names = ['Mr.1', 'Mr.2', 'Mr.3', 'Mr.4', 'Mr.5','Mr.6', 'Mr.7', 'Mr.8', 'Mr.9', 'Mr.10'] # 人名标签,与上面列表特征值一一对应ACCURACY = 85 # 人脸匹配分数值定义(判定识别成功)while (1):img = sensor.snapshot() # 从摄像头获取图像clock.tick() # 记录时间,用于计算帧率code = kpu.run_yolo2(task_fd, img) # 运行人脸检测模型,获取人脸坐标位置if code: # 检测到人脸for i in code:# Cut face and resize to 128x128a = img.draw_rectangle(i.rect()) # 在屏幕显示人脸方框face_cut = img.cut(i.x(), i.y(), i.w(), i.h()) # 裁剪人脸部分图片到 face_cutface_cut_128 = face_cut.resize(128, 128) # 将裁出的人脸图片 缩放到128 * 128像素a = face_cut_128.pix_to_ai() # 将RGB565的图像转为kpu格式# a = img.draw_image(face_cut_128, (0,0))# Landmark for face 5 pointsfmap = kpu.forward(task_ld, face_cut_128) # 运行人脸5点关键点检测模型plist = fmap[:] # 获取关键点预测结果le = (i.x() + int(plist[0] * i.w() - 10), i.y() + int(plist[1] * i.h())) # 计算左眼位置, 这里在w方向-10 用来补偿模型转换带来的精度损失re = (i.x() + int(plist[2] * i.w()), i.y() + int(plist[3] * i.h())) # 计算右眼位置nose = (i.x() + int(plist[4] * i.w()), i.y() + int(plist[5] * i.h())) # 计算鼻子位置lm = (i.x() + int(plist[6] * i.w()), i.y() + int(plist[7] * i.h())) # 计算左嘴角位置rm = (i.x() + int(plist[8] * i.w()), i.y() + int(plist[9] * i.h())) # 计算右嘴角位置# 在相应位置处画小圆圈a = img.draw_circle(le[0], le[1], 4)a = img.draw_circle(re[0], re[1], 4)a = img.draw_circle(nose[0], nose[1], 4)a = img.draw_circle(lm[0], lm[1], 4)a = img.draw_circle(rm[0], rm[1], 4)# align face to standard positionsrc_point = [le, re, nose, lm, rm] # 图片中 5 坐标的位置T = image.get_affine_transform(src_point, dst_point) # 根据获得的5点坐标与标准正脸坐标获取仿射变换矩阵a = image.warp_affine_ai(img, img_face, T) # 对原始图片人脸图片进行仿射变换,变换为正脸图像a = img_face.ai_to_pix() # 将正脸图像转为kpu格式# a = img.draw_image(img_face, (128,0))del (face_cut_128) # 释放裁剪人脸部分图片# calculate face feature vectorfmap = kpu.forward(task_fe, img_face) # 计算正脸图片的196维特征值feature = kpu.face_encode(fmap[:]) # 获取计算结果reg_flag = Falsescores = [] # 存储特征比对分数for j in range(len(record_ftrs)): # 迭代已存特征值score = kpu.face_compare(record_ftrs[j], feature) # 计算当前人脸特征值与已存特征值的分数scores.append(score) # 添加分数总表max_score = 0index = 0for k in range(len(scores)): # 迭代所有比对分数,找到最大分数和索引值if max_score < scores[k]:max_score = scores[k]index = kif max_score > ACCURACY: # 如果最大分数大于设定值,可以被认定为同一个人a = img.draw_string(i.x(), i.y(), ("%s :%2.1f" % (names[index], max_score)), color=(0, 255, 0), scale=2) # 显示人名 与 分数else:a = img.draw_string(i.x(), i.y(), ("X :%2.1f" % (max_score)), color=(255, 0, 0), scale=2) # 显示未知 与 分数if start_processing:record_ftr = featurerecord_ftrs.append(record_ftr)start_processing = Falsebreakfps = clock.fps()print("%2.1f fps" % fps) # 打印帧率a = lcd.display(img) # 刷屏显示gc.collect()# kpu.memtest()# a = kpu.deinit(task_fe)
# a = kpu.deinit(task_ld)
# a = kpu.deinit(task_fd)
基本图像变换 和 常用操作
6、报错解决:
报错:only support kmodel V3/V4 now
MaixPy AI 硬件加速基本知识
**原因:**模型未烧录或者烧录地址错误,重新烧录下模型文件
【K210学习笔记】#MaixPy#(3)人脸检测与人脸识别相关推荐
- K210学习笔记(十)——二维码识别
前言 MAIX BIT(K210)和openmv在传统视觉处理这个方面代码是通用的,掌握K210的色块识别和二维码识别其实也掌握了openmv对应的用法. 一.二维码是什么? 二维码 (2-dimen ...
- K210学习笔记(八)——人脸检测和人脸识别
前言 人脸检测是人脸识别算法的第一步,人脸识别过程主要分为人脸图像获取.人脸检测.人脸配准.人脸表征以及人脸图像匹配与识别.人脸检测的目标是找出图像中所有的人脸对应的位置,算法的输出是人脸外接矩形(椭 ...
- AI学习笔记(十三)CNN之人脸检测
AI学习笔记之CNN之人脸检测 人脸检测 人脸检测概念 人脸检测的难点 人脸检测的主要用途 mtcnn 主要步骤 构建图像金字塔 P-Net(Proposal Network) R-Net(Refin ...
- 9月10日OpenCV学习笔记——Mask、彩色直方图、人脸检测
文章目录 前言 一.Mask 二.彩色直方图 三.画出基本图形 四.图片上显示文本 五.人脸检测 前言 本文为9月10日OpenCV学习笔记--Mask.彩色直方图.人脸检测,分为五个章节: Mask ...
- 学习笔记:人脸检测和人脸识别
人脸检测( Face Detection )和人脸识别技术是深度学习的重要应用之一.本章首先会介绍MTCNN算法的原理, 它是基于卷积神经网络的一种高精度的实时人脸检测和对齐技术.接着,还会介绍如何利 ...
- 【K210】K210学习笔记六——MaixHub在线模型训练识别数字
[K210]K210学习笔记六--MaixHub在线模型训练识别数字 前言 K210准备工作 数据的获取 MaixHub如何在线训练模型 训练模型在K210上的测试 小结 前言 本人大四学生,电赛生涯 ...
- 【K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练
[K210]K210学习笔记七--使用K210拍摄照片并在MaixHub上进行训练 前言 K210准备工作 K210如何拍摄照片 准备工作 拍摄相关代码定义 用K210拍摄到的照片在MaixHub平台 ...
- K210学习笔记(十二)——MaixHub本地训练模型(Windows)
文章目录 前言 一.环境配置 1.安装python3.8 2.安装pip 3.安装CUDA10.1 4.安装CUDNN 5.tensorflow安装 6.MaixHub本地训练代码下载 二.本地训练使 ...
- 【K210】K210学习笔记五——串口通信
[K210]K210学习笔记五--串口通信 前言 K210如何进行串口通信 K210串口配置 K210串口发送相关定义 K210串口接收相关定义 K210串口发送接收测试 完整源码 前言 本人大四学生 ...
最新文章
- Android 应用Crash 后自动重启
- java 运算符表达式
- GAN在Image To Image translation 和Inverse Problem中的应用
- Boost:循环缓冲区总和的测试程序
- Web UI⾃动化测试平台,专治Web 的各种疑难杂症。
- MAPGIS67默认打开方式失败
- SQL分组排序,取每组最新的值
- clojure语言_Clojure编程语言
- [Python从零到壹] 四十二.图像处理基础篇之图像金字塔向上取样和向下取样
- 电脑“开始-运行”的常用命令及用法!很有用!
- python基础----文件处理
- linux skyeye,移植LINUX到SKYEYE上
- Win7下使用wubi.exe安装Ubuntu系统
- Python集合运算
- 利息计算器V3.0感悟
- 单点登录、域用户、常规登录、AD域
- [转载学习] 背包问题九讲
- SVG格式转PDF(java实现)
- 17-kubernetes集群中ceph集群使用
- python strip函数
热门文章
- Centos7升级到最新内核版本操作过程
- 为什么培训班都是python
- 数据科学包——Day2
- 互联网校招求职经历记录
- npm 启动报错 解决 events.js:174 throw er; // Unhandled 'error' event 的报错问题
- Quorumpeps 群体感应数据库简介
- Android官方实现的层次状态机Hierarchical State Machine源代码
- 如何用python画帆船_python学习笔记6——文件操作来生成船只侧面图像的描述文件...
- 2022-2028年中国半导体专用设备行业市场深度分析及投资前景趋势报告
- java:求鸡兔同笼类型题目的小程序