超级版主
- 积分
- 4746
- 金钱
- 4746
- 注册时间
- 2019-5-8
- 在线时间
- 1237 小时
|
本帖最后由 正点原子运营 于 2024-12-6 16:21 编辑
1)实验平台:正点原子DNK210开发板
2)章节摘自【正点原子】DNK210使用指南 - CanMV版 V1.0
6)正点原子K210技术交流企鹅群:605557868
在上一章节中,介绍了利用maix.KPU模块实现了人脸口罩佩戴检测,本章将继续介绍利用maix.KPU模块实现的人脸属性分析。通过本章的学习,读者将学习到人脸属性分析应用在CanMV上的实现。 本章分为如下几个小节: 43.1 maix.KPU模块介绍 43.2 硬件设计 43.3 程序设计 43.4 运行验证
43.1 maix.KPU模块介绍 有关maix.KPU模块的介绍,请见第39.1小节《maix.KPU模块介绍》。
43.2 硬件设计 43.2.1 例程功能 1. 获取摄像头输出的图像,并送入KPU进行人脸检测,接着对检测到的人脸分别进行人脸五关键点检测和属性分析,最后将所有的检测结果和原始图像一同在LCD上进行显示。 43.2.2 硬件资源 本章实验内容,主要讲解maix.KPU模块的使用,无需关注硬件资源。 43.2.3 原理图 本章实验内容,主要讲解maix.KPU模块的使用,无需关注原理图。
43.3 程序设计 43.3.1 maix.KPU模块介绍 有关maix.KPU模块的介绍,请见第43.1小节《maix.KPU模块介绍》。 43.3.2 程序流程图 43.3.3 main.py代码 main.py中的脚本代码如下所示: - import lcd
- import sensor
- import gc
- from maix import KPU
- lcd.init()
- sensor.reset()
- sensor.set_framesize(sensor.QVGA)
- sensor.set_pixformat(sensor.RGB565)
- sensor.set_hmirror(False)
- anchor = (0.1075, 0.126875, 0.126875, 0.175, 0.1465625, 0.2246875, 0.1953125, 0.25375, 0.2440625, 0.351875, 0.341875, 0.4721875, 0.5078125, 0.6696875, 0.8984375, 1.099687, 2.129062, 2.425937)
- names = ['face']
- # 构造并初始化人脸检测KPU对象
- face_detecter = KPU()
- face_detecter.load_kmodel("/sd/KPU/face_detect_320x240.kmodel")
- face_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=240, layer_w=10, layer_h=8, threshold=0.5, nms_value=0.2, classes=len(names))
- # 构造并初始化人脸五关键点检测KPU对象
- ld5_kpu = KPU()
- ld5_kpu.load_kmodel("/sd/KPU/ld5.kmodel")
- pos_face_attr = ["Male ", "MouthOpen ", "Smiling ", "Glasses"]
- neg_face_attr = ["Female ", "MouthClosed", "No Smile", "NoGlasses"]
- # 构造并初始化人脸属性分析KPU对象
- fac_kpu = KPU()
- fac_kpu.load_kmodel("/sd/KPU/fac.kmodel")
- # 按指定比例扩展矩形框
- def extend_box(x, y, w, h, scale):
- x1 = int(x - scale * w)
- x2 = int(x + w - 1 + scale * w)
- y1 = int(y - scale * h)
- y2 = int(y + h - 1 + scale * h)
- x1 = x1 if x1 > 0 else 0
- x2 = x2 if x2 < (320 - 1) else (320 - 1)
- y1 = y1 if y1 > 0 else 0
- y2 = y2 if y2 < (240 - 1) else (240 - 1)
- return x1, y1, x2 - x1 + 1, y2 - y1 + 1
- while True:
- img= sensor.snapshot()
- face_detecter.run_with_output(img)
- faces = face_detecter.regionlayer_yolo2()
- for face in faces:
- # 框出人脸位置
- x, y, w, h = extend_box(face[0], face[1], face[2], face[3], 0.08)
- img.draw_rectangle(x, y, w, h, color=(0, 255, 0))
- # 计算人脸五关键点
- face_img = img.cut(x, y, w, h)
- resize_img = face_img.resize(128, 128)
- resize_img.pix_to_ai()
- output = ld5_kpu.run_with_output(resize_img, getlist=True)
- for i in range(len(output) // 2):
- point_x = int(KPU.sigmoid(output[2 * i]) * w + x)
- point_y = int(KPU.sigmoid(output[2 * i + 1]) * h + y)
- img.draw_cross(point_x, point_y, size=5, color=(0, 0, 255))
- # 计算人脸属性
- output = fac_kpu.run_with_output(resize_img, getlist=True)
- for i in range(len(output)):
- if KPU.sigmoid(output) > 0.5:
- img.draw_string(x + w + 2, y + i * 16 + 2, "%s" % (pos_face_attr), color=(255, 0, 0), scale=1.5)
- else:
- img.draw_string(x + w + 2, y + i * 16 + 2, "%s" % (neg_face_attr), color=(0, 0, 255), scale=1.5)
- del face_img
- del resize_img
- lcd.display(img)
- gc.collect()
复制代码可以看到一开始是先初始化了LCD和摄像头,并分别构造并初始化了用于人脸检测、人脸五关键点、人脸属性分析的KPU对象。 然后便是在一个循环中不断地获取摄像头输出的图像,首先将图像进行人脸检测,检测图像中存在的人脸,接着对人脸图像进行五关键点检测,分析出人脸五关键点的位置,接着是对人脸图像进行属性分析,分析人脸的性别、嘴巴开合、是否微笑、是否佩戴眼镜等属性,最后将以上所有的分析检测结果在图像上进行绘制,然后在LCD上显示图像。
43.4 运行验证 将DNK210开发板连接CanMV IDE,点击CanMV IDE上的“开始(运行脚本)”按钮后,将摄像头对准人脸,让其采集到人脸图像,随后便能在LCD上看到摄像头输出的图像,同时能看到图像上标注了人脸位置、人脸五关键点位置、人脸属性等信息,如下图所示:
图43.4.1 LCD显示人脸属性分析实验结果
|
|