讓我們通過集成面部檢測將現(xiàn)有的網(wǎng)絡(luò)攝像頭服務(wù)器提升到一個新的水平。使用我們基于ESP32的機器人，我們可以突出人臉!

在本課中，我們將通過在視頻流中添加實時人臉檢測來增強BallyBot的相機功能。使用機器學(xué)習(xí)模型，你的機器人將檢測人臉并在視頻饋送中突出顯示。這是邁向未來交互式機器人項目的基礎(chǔ)一步。

步驟0：從上一課開始編寫代碼

而不是從頭開始創(chuàng)建這個項目，我們將使用第7課：視頻流與BallyBots相機的代碼為基礎(chǔ)。

步驟1：添加人臉檢測庫

我們將使用兩種模型進行面部檢測：

?HumanFaceDetectMSR01：檢測人臉區(qū)域。

?HumanFaceDetectMNP01：提高檢測精度。

在現(xiàn)有內(nèi)容之后添加這些行：

步驟2：創(chuàng)建人臉檢測對象

要使用人臉查找?guī)?，我們需要從每個庫的類中創(chuàng)建一個對象。我們稱它們?yōu)閟1和s2

S1和S2保存庫的函數(shù)，如用于面部檢測的infer()。

?S1配置為高靈敏度(低置信閾值)，但可能產(chǎn)生更多誤報。

?S2是更嚴(yán)格的(更高的置信閾值)，以精煉S1的結(jié)果。

在setup()函數(shù)之前創(chuàng)建這些面部檢測類的實例：

步驟3：修改攝像頭配置

相機目前捕獲JPEG格式的圖像，但我們需要RBG圖像來讓infer()工作。我們可以通過更新相機設(shè)置來解決這個問題，以RGB565格式而不是JPEG格式捕獲圖像。

具體來說，更新CameraSetup()以輸出RGB565像素格式的幀：

步驟4：將檢測集成到視頻循環(huán)中

現(xiàn)在我們可以添加s1和s2的infer()命令來執(zhí)行面部檢測。在循環(huán)中，我們將對相機的幀緩沖區(qū)變量fb調(diào)用infer()

一旦完成，我們現(xiàn)在就可以執(zhí)行Serial.println()來告訴我們它是否檢測到人臉：

然后，我們需要將RGB565幀緩沖區(qū)轉(zhuǎn)換為JPEG格式，以流式傳輸?shù)娇蛻舳藶g覽器。JPEG的使用效率更高，因為它的文件大小要小得多，因此更容易發(fā)送數(shù)據(jù)。

C++

步驟5：在幀緩沖區(qū)中突出顯示臉部

之前的代碼將檢測人臉，但在發(fā)送的視頻中沒有明顯的差異!我們需要在它檢測到我們發(fā)送的視頻中的人臉的地方添加一個正方形。

要在幀緩沖區(qū)中檢測到的面周圍繪制矩形，我們將使用fb_gfx庫的fb_gfx_drawFastHLine()命令。

步驟6：測試人臉檢測

?上傳代碼。

?連接到BallyBot的WiFi。

?在瀏覽器中打開192.168.4.1。

?攝像機視圖中的人臉現(xiàn)在應(yīng)該有黃色邊框了!

步驟7：最終代碼：

以下是本課程的完整代碼，供將來的項目參考：

故障排除

?無框可見：確保相機的像素格式設(shè)置為RGB565。

?延遲流：在CameraSetup()中將幀大小減小為FRAMESIZE_QVGA。

?誤報：調(diào)整檢測參數(shù)(步驟5)。

結(jié)論

你的BallyBot現(xiàn)在可以看到人臉了!這為以下方面打開了大門：

?安全：觸發(fā)告警或日志檢測。

?交互：當(dāng)人臉出現(xiàn)時，讓機器人揮手或說話。

?導(dǎo)航：自動跟蹤人臉。

本文編譯自hackster.io