《DNK210使用指南 -CanMV版 V1.0》第四十三章 人臉屬性分析實驗

正点原子發表於2024-12-10

第四十三章 人臉屬性分析實驗

1）實驗平臺：正點原子DNK210開發板

2）章節摘自【正點原子】DNK210使用指南 - CanMV版 V1.0

3）購買連結：https://detail.tmall.com/item.htm?&id=782801398750

4）全套實驗原始碼+手冊+影片下載地址：http://www.openedv.com/docs/boards/k210/ATK-DNK210.html

5）正點原子官方B站：https://space.bilibili.com/394620890

6）正點原子K210技術交流企鵝群:605557868

在上一章節中，介紹了利用maix.KPU模組實現了人臉口罩佩戴檢測，本章將繼續介紹利用maix.KPU模組實現的人臉屬性分析。透過本章的學習，讀者將學習到人臉屬性分析應用在CanMV上的實現。

本章分為如下幾個小節：

43.1 maix.KPU模組介紹

43.2 硬體設計

43.3 程式設計

43.4 執行驗證

43.1 maix.KPU模組介紹

有關maix.KPU模組的介紹，請見第39.1小節《maix.KPU模組介紹》。

43.2 硬體設計

43.2.1 例程功能

  1. 獲取攝像頭輸出的影像，並送入KPU進行人臉檢測，接著對檢測到的人臉分別進行人臉五關鍵點檢測和屬性分析，最後將所有的檢測結果和原始影像一同在LCD上進行顯示。

43.2.2 硬體資源

本章實驗內容，主要講解maix.KPU模組的使用，無需關注硬體資源。

43.2.3 原理圖

本章實驗內容，主要講解maix.KPU模組的使用，無需關注原理圖。

43.3 程式設計

43.3.1 maix.KPU模組介紹

有關maix.KPU模組的介紹，請見第43.1小節《maix.KPU模組介紹》。

43.3.2 程式流程圖


圖43.3.2.1 人臉屬性分析實驗流程圖

43.3.3 main.py程式碼

main.py中的指令碼程式碼如下所示：


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']

# 構造並初始化人臉檢測KPU物件

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))

# 構造並初始化人臉五關鍵點檢測KPU物件

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"]

# 構造並初始化人臉屬性分析KPU物件

fac_kpu = KPU()

fac_kpu.load_kmodel("/sd/KPU/fac.kmodel")

# 按指定比例擴充套件矩形框

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:

# 框出人臉位置

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))

# 計算人臉五關鍵點

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))

# 計算人臉屬性

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()

可以看到一開始是先初始化了LCD和攝像頭，並分別構造並初始化了用於人臉檢測、人臉五關鍵點、人臉屬性分析的KPU物件。

然後便是在一個迴圈中不斷地獲取攝像頭輸出的影像，首先將影像進行人臉檢測，檢測影像中存在的人臉，接著對人臉影像進行五關鍵點檢測，分析出人臉五關鍵點的位置，接著是對人臉影像進行屬性分析，分析人臉的性別、嘴巴開合、是否微笑、是否佩戴眼鏡等屬性，最後將以上所有的分析檢測結果在影像上進行繪製，然後在LCD上顯示影像。

43.4 執行驗證

將DNK210開發板連線CanMV IDE，點選CanMV IDE上的“開始(執行指令碼)”按鈕後，將攝像頭對準人臉，讓其採集到人臉影像，隨後便能在LCD上看到攝像頭輸出的影像，同時能看到影像上標註了人臉位置、人臉五關鍵點位置、人臉屬性等資訊，如下圖所示：

圖43.4.1 LCD顯示人臉屬性分析實驗結果

相關文章