# Raspberry Pi Face Recognition Tre

# Raspberry Pi Face Recognition Treasure Box Configuration
# Copyright 2013 Tony DiCola

# Edit the values below to configure the training and usage of the
# face recognition box.

# Pi GPIO port which is connected to the lock servo signal line.
LOCK_SERVO_PIN = 18
# Pulse width value (in microseconds) for the servo at the unlocked and locked
# position. Center should be a value of 1500, max left a value of 1000, and
# max right a value of 2000.
LOCK_SERVO_UNLOCKED = 2000
LOCK_SERVO_LOCKED = 1100

# Pi GPIO port which is connected to the button.
BUTTON_PIN = 25
# Down and up values for the button. The code expects to detect a down to up
# transition as an activation of the button. Therefore a normally open button
# should be False (low) when down and True (high) when up.
BUTTON_DOWN = False # Low signal
BUTTON_UP = True # High signal

# Threshold for the confidence of a recognized face before it's considered a
# positive match. Confidence values below this threshold will be considered
# a positive match because the lower the confidence value, or distance, the
# more confident the algorithm is that the face was correctly detected.
# Start with a value of 3000, but you might need to tweak this value down if
# you're getting too many false positives (incorrectly recognized faces), or up
# if too many false negatives (undetected faces).
POSITIVE_THRESHOLD = 2000.0

# File to save and load face recognizer model.
TRAINING_FILE = 'training.xml'

# Directories which contain the positive and negative training image data.
POSITIVE_DIR = './training/positive'
NEGATIVE_DIR = './training/negative'

# Value for positive and negative labels passed to face recognition model.
# Can be any integer values, but must be unique from each other.
# You shouldn't have to change these values.
POSITIVE_LABEL = 1
NEGATIVE_LABEL = 2

# Size (in pixels) to resize images for training and prediction.
# Don't change this unless you also change the size of the training images.
FACE_WIDTH = 92
FACE_HEIGHT = 112

# Face detection cascade classifier configuration.
# You don't need to modify this unless you know what you're doing.
# See: http://docs.opencv.org/modules/objdetect/doc/cascade_classification.html
HAAR_FACES = 'haarcascade_frontalface_alt.xml'
HAAR_SCALE_FACTOR = 1.3
HAAR_MIN_NEIGHBORS = 4
HAAR_MIN_SIZE = (30, 30)

# Filename to use when saving the most recently captured image for debugging.
DEBUG_IMAGE = 'capture.pgm'

def get_camera():
# Camera to use for capturing images.
# Use this code for capturing from the Pi camera:
import picam
return picam.OpenCVCapture()
# Use this code for capturing from a webcam:
# import webcam
# return webcam.OpenCVCapture(device_id=0)

ผลลัพธ์ (ไทย) 1:

# กำหนดค่ากล่องสมบัติราสเบอร์รี่ปี่หน้าจดจำ#ลิขสิทธิ์ 2013 โทนี่ DiCola # แก้ไขค่าต่าง ๆ ด้านล่างเพื่อกำหนดค่าการฝึกอบรมและการใช้งานของการ#กล่องการรู้จำใบหน้า# ปี่พอร์ต GPIO ซึ่งเชื่อมต่อกับสายสัญญาณของเซอร์โวล็อคLOCK_SERVO_PIN = 18# ค่ากว้างชีพจร (ในไมโครวินาที) สำหรับเซอร์โวที่ปลดล็อค และล็อคตำแหน่ง# ศูนย์ควรเป็นค่าของ 1500 ซ้าย 1000 ค่าสูงสุด และ อันดับสูงสุดด้านขวาเป็นค่าของ 2000LOCK_SERVO_UNLOCKED = 2000LOCK_SERVO_LOCKED = 1100# ปี่พอร์ต GPIO ซึ่งเชื่อมต่อกับปุ่มBUTTON_PIN = 25#ลง และค่าสำหรับปุ่ม รหัสคาดว่าจะตรวจหาลงขึ้นเปลี่ยน#เป็นการเปิดใช้งานของปุ่ม ดังนั้นปุ่มปกติเปิด#ควรเท็จ (ต่ำ) เมื่อลง และแท้จริงเมื่อ (สูง) ขึ้นBUTTON_DOWN = False #สัญญาณต่ำBUTTON_UP = True #สัญญาณสูง# เขตแดนเพื่อความมั่นใจของใบหน้าที่รู้จักก็มี#ตรงในเชิงบวก ค่าความเชื่อมั่นต่ำกว่าขีดจำกัดนี้จะถือว่า#บวกตรงกับเนื่องจากต่ำกว่าความเชื่อมั่นค่า หรือระยะทาง การมั่นใจมากขึ้น#อัลกอริทึมคือ ว่า ตรวจพบใบหน้าอย่างถูกต้อง# เริ่มต้นมูลค่า 3000 แต่คุณอาจต้องปรับแต่งค่านี้ลงถ้า #คุณได้รับมากเกินไปผลบวกปลอม (รู้จักไม่ถูกต้องใบหน้า), หรือขึ้น#ถ้าเกินไปหลายลวง (ตรวจไม่พบใบหน้า)POSITIVE_THRESHOLD = 2000.0# ไฟล์การบันทึก และโหลดโมเดลการจำแนกใบหน้าTRAINING_FILE = 'training.xml'# ไดเรกทอรีซึ่งประกอบด้วยการฝึกบวก และลบข้อมูลภาพPOSITIVE_DIR = ' . การฝึกอบรม/บวก 'NEGATIVE_DIR = ' . การฝึกอบรม/ลบ '# ค่าบวก และลบป้ายชื่อที่ส่งผ่านไปยังรูปแบบการจดจำใบหน้า# สามารถเป็นค่าจำนวนเต็มใด ๆ แต่ต้องไม่ซ้ำกัน# คุณไม่ควรมีการเปลี่ยนแปลงค่าเหล่านี้POSITIVE_LABEL = 1NEGATIVE_LABEL = 2#ขนาด (เป็นพิกเซล) เพื่อปรับขนาดรูปภาพสำหรับการฝึกอบรมและการคาดเดา# ไม่เปลี่ยนแปลงนี้นอกจากนี้คุณยังเปลี่ยนขนาดของรูปภาพการฝึกอบรมFACE_WIDTH = 92FACE_HEIGHT = 112# ใบหน้าตรวจจับเรียงซ้อนจำแนกการกำหนดค่า# คุณไม่จำเป็นต้องปรับเปลี่ยนนี้ยกเว้นว่าคุณทราบสิ่งที่คุณทำ# ดู: http://docs.opencv.org/modules/objdetect/doc/cascade_classification.htmlHAAR_FACES = 'haarcascade_frontalface_alt.xml'HAAR_SCALE_FACTOR = 1.3HAAR_MIN_NEIGHBORS = 4HAAR_MIN_SIZE = (30, 30)# ชื่อแฟ้มจะใช้เมื่อบันทึกล่าสุดถ่ายภาพสำหรับการดีบักDEBUG_IMAGE = 'capture.pgm'def get_camera(): # กล้องเพื่อใช้สำหรับจับภาพ # ใช้รหัสนี้สำหรับการจับภาพจากกล้องพี่: นำเข้า picam กลับ picam OpenCVCapture() # ใช้รหัสนี้สำหรับการจับภาพจากเว็บแคม: #นำเว็บแคม #คืนแคม OpenCVCapture(device_id=0)

ผลลัพธ์ (ไทย) 2:

# ราสเบอร์รี่ Pi Face Recognition การกำหนดค่ากล่องสมบัติ
# ลิขสิทธิ์ 2013 โทนี่ DiCola

# แก้ไขค่าต่อไปนี้เพื่อกำหนดค่าการฝึกอบรมและการใช้งานของ
# จดจำใบหน้ากล่อง.

# พอร์ต Pi GPIO ซึ่งจะเชื่อมต่อกับสายล็อคสัญญาณเซอร์โว.
LOCK_SERVO_PIN = 18
# ชีพจร ค่าความกว้าง (ไมโคร) สำหรับเซอร์โวที่ปลดล็อคและล็อค
ตำแหน่ง # ศูนย์ควรจะเป็นค่าของ 1500, แม็กซ์ที่เหลือค่าของ 1000 และ
# Max ขวาค่าของปี 2000
LOCK_SERVO_UNLOCKED = 2000
LOCK_SERVO_LOCKED = 1,100

พอร์ต # Pi GPIO ที่เชื่อมต่อกับปุ่ม.
BUTTON_PIN = 25
# ลงและขึ้นค่า ปุ่ม. รหัสตรวจสอบคาดว่าจะลงไปขึ้น
# การเปลี่ยนแปลงการเปิดใช้งานปุ่มที่ ดังนั้นปุ่มเปิดตามปกติ
# ควรเป็นเท็จ (ต่ำ) เมื่อลงและทรู (สูง) เมื่อขึ้น.
BUTTON_DOWN = false # สัญญาณต่ำ
BUTTON_UP = True # สัญญาณสูง

# เกณฑ์สำหรับความเชื่อมั่นของใบหน้าที่ได้รับการยอมรับก่อนที่จะถือว่าเป็น
# แข่งขันในเชิงบวก . ค่าความเชื่อมั่นต่ำกว่าเกณฑ์นี้จะได้รับการพิจารณา
# การแข่งขันในเชิงบวกเพราะที่ต่ำกว่าค่าความเชื่อมั่นหรือระยะทางที่
# มั่นใจมากขึ้นขั้นตอนวิธีการก็คือใบหน้าที่ตรวจพบได้อย่างถูกต้อง.
# เริ่มต้นด้วยค่าของ 3000 แต่คุณอาจต้องปรับแต่ง ค่านี้ลงหาก
# คุณจะได้รับผลบวกปลอมมากเกินไป (ใบหน้าได้รับการยอมรับอย่างไม่ถูกต้อง) หรือเพิ่มขึ้น
# ถ้าเชิงลบมากเกินไปเท็จ (ใบหน้าตรวจไม่พบ).
POSITIVE_THRESHOLD = 2000.0

# File เพื่อบันทึกและโหลดใบหน้ารูปแบบการจำแนก.
TRAINING_FILE = 'การฝึกอบรม XML '

# ไดเรกทอรีที่มีข้อมูลภาพการฝึกอบรมเชิงบวกและลบ.
POSITIVE_DIR =' ./training/positive '
NEGATIVE_DIR =' ./training/negative '

ราคา # ป้ายบวกและลบส่งผ่านไปยังเผชิญกับรูปแบบการรับรู้.
# สามารถเป็นจำนวนเต็มใด ๆ ค่า แต่ต้องไม่ซ้ำกันจากแต่ละอื่น ๆ .
# คุณไม่ควรจะต้องเปลี่ยนค่าเหล่านี้.
POSITIVE_LABEL = 1
NEGATIVE_LABEL = 2

# ขนาด (พิกเซล) ปรับขนาดภาพสำหรับการฝึกอบรมและการทำนาย.
# อย่าเปลี่ยนนี้ถ้าคุณยัง เปลี่ยนขนาดของภาพการฝึกอบรม.
FACE_WIDTH = 92
FACE_HEIGHT = 112

# ตรวจจับใบหน้ากำหนดค่าน้ำตกลักษณนาม.
# คุณไม่จำเป็นต้องปรับเปลี่ยนนี้จนกว่าคุณจะรู้ว่าสิ่งที่คุณกำลังทำ.
# ดู: http: //docs.opencv org / modules / objdetect / doc / cascade_classification.html
HAAR_FACES = 'haarcascade_frontalface_alt.xml'
HAAR_SCALE_FACTOR = 1.3
HAAR_MIN_NEIGHBORS = 4
HAAR_MIN_SIZE = (30, 30)

# ชื่อไฟล์ที่จะใช้เมื่อบันทึกภาพล่าสุดจับสำหรับการดีบัก.
DEBUG_IMAGE = 'จับ PGM '

get_camera def ()
. # กล้องที่จะใช้สำหรับการจับภาพ
# ใช้รหัสนี้สำหรับการจับจากกล้อง Pi:
นำเข้า picam
ผลตอบแทน picam.OpenCVCapture ()
# ใช้รหัสนี้สำหรับการจับจากเว็บ:
# เว็บนำเข้า
เว็บ # ผลตอบแทน .OpenCVCapture (DEVICE_ID = 0)