基于OpenCV的相机捕捉视频进行人脸检测--门徒娱乐NXP i.MX93开发板
2024-11-07
1359
来源：门徒娱乐电子
本篇测评由与非网的优秀测评者“eefocus_3914144”提供。
本文将介绍基于门徒娱乐电子MYD-LMX93开发板（门徒娱乐基于NXP i.MX93开发板）的基于OpenCV的人脸检测方案测试。
OpenCV提供了一个非常简单的接口，用于相机捕捉一个视频(我用的电脑内置摄像头)
1、安装python3-opencv
apt install python3-opencv
2、查看摄像头支持的格式与分辨率
root@debian:~# v4l2-ctl --device=/dev/video0 --list-formats-ext
经测试，只能支持640*480
为此建立opencv_test.py
import cv2 video = cv2.VideoCapture(0)
设置相机参数
video .set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
video .set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
while True:
ret, frame = video.read()
cv2.imshow("A video", frame)
c = cv2.waitKey(1)
if c == 27:
breakvideo.release()cv2.destroyAllWindows()保存后执行”python3 opencv_test.py
OpenCV装好后，可以为后面的人脸检测提供可行性。
要实现人脸识别功能，首先要进行人脸检测，判断出图片中人脸的位置，才能进行下一步的操作。
OpenCV人脸检测方法
在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。用得最多的是Haar特征人脸检测，此外OpenCV中还集成了深度学习方法来实现人脸检测。
【参考资料】
使用OpenCV工具包成功实现人脸检测与人脸识别，包括传统视觉和深度学习方法（附完整代码，模型下载......）_opencv人脸识别-CSDN博客
【Haar级联检测器预训练模型下载】
opencv/opencv: Open Source Computer Vision Library (github.com)
下载好的，在opencv-4.xdatahaarcascades文件夹下有模型，把他上传到开发板。
【获取检测人脸的图片】
我在百度上找到了**的图片，并把它也上传到开发板。
【编写检测代码】
import numpy as np
import cv2 as cv
if __name__ == '__main__':
# (6) 使用 Haar 级联分类器 预训练模型 检测人脸
# 读取待检测的图片
img = cv.imread("yanmi.jpg")
print(img.shape)
# 加载 Haar 级联分类器 预训练模型
model_path = "haarcascade_frontalface_alt2.xml"
face_detector = cv.CascadeClassifier(model_path) # <class 'cv2.CascadeClassifier'>
# 使用级联分类器检测人脸
faces = face_detector.detectMultiScale(img, scaleFactor=1.1, minNeighbors=1,
minSize=(30, 30), maxSize=(300, 300))
print(faces.shape) # (17, 4)
print(faces[0]) # (x, y, width, height)
# 绘制人脸检测框
for x, y, width, height in faces:
cv.rectangle(img, (x, y), (x + width, y + height), (0, 0, 255), 2, cv.LINE_8, 0)
# 显示图片
cv.imshow("faces", img)
cv.waitKey(0)
cv.destroyAllWindows()【实验效果】
运行程序后，可以正确地识别，效果如下：
2025-12-19
Buildroot MQTT-Modbus 网关开发，实现设备远程监控方案-门徒娱乐RK3506
在工业物联网与智能家居场景中，远程设备监控的核心痛点是工业总线协议与物联网协议的兼容性问题。基于RK3506 Buildroot系统开发的MQTT-Modbus网关产品，通过协议桥接技术完美解决这一难题，为低成本、高可靠的远程监控提供了高效解决方案。一、核心开发平台与技术选型硬件平台选用RK3506处理器作为网关核心硬件，该芯片具备低功耗、高性价比特性，支持多接口扩展，完全适配工业级嵌入式场景需求
2025-12-19
SDK重磅升级，RK3506核心板解锁三核A7实时控制新架构
在工业控制与边缘智能领域，开发者的核心需求始终明确：在可控的成本内，实现可靠的实时响应、稳定的通信与高效的开发部署。门徒娱乐电子基于RK3506处理器打造的MYC-YR3506核心板平台，近期完成了一次以“实时性”和“可用性”为核心的SDK战略升级，致力于将多核架构的潜力转化为工程师可快速落地的产品力。本次升级围绕两大主线展开：系统生态的多样化与实时能力的深度释放。我们不仅提供了从轻量到丰富的操作系统
2025-12-11
赋能欧标充电桩市场：OCPP协议实战开发指南
随着全球电动汽车产业的迅猛发展，充电基础设施的智能化与标准化已成为行业迫切需求。OCPP（Open Charge Point Protocol即开放充电点协议）作为连接充电桩与中央管理系统的"通用语言"，正成为解决设备互联互通难题的关键技术。一、OCPP：为何是出海欧标的必选项？OCPP是一个开放、标准的通信协议，它确保了不同制造商生产的充电桩能够与任何兼容的后台管理系统进行无
2025-12-11
打造本地化智能的“最强大脑”， 门徒娱乐RK3576 AI边缘计算盒
在人工智能与边缘计算深度融合的浪潮中，本地化智能需求正重塑产业格局。门徒娱乐电子推出的RK3576边缘计算盒，具备高算力、低功耗与强扩展性，凭借其卓越的硬件架构与多场景适配能力，正成为推动工业视觉、工程机械及智慧城市等领域智能化产业升级的有力工具。门徒娱乐MYD-LR3576-B边缘计算盒基于瑞芯微中高端RK3576芯片，采用异构计算架构，集成4核Cortex-A72与4核Cortex-A53处理器，搭配
2025-12-05
从两轮车仪表到工程机械环视，门徒娱乐用国产芯打造“越级”显控体验
在工业4.0 与智能化浪潮的推动下，传统工业设备正在经历一场“交互革命”。从电动两轮车的智能仪表，到工程机械的 360° 环视中控，用户对“更高清的显示、更流畅的触控、更丰富的互联”提出了严苛要求。然而，面对复杂的工业现场，开发者往往面临两难：低端市场（如仪表、充电桩）：传统MCU 跑不动复杂界面，上 Linux/安卓方案成本又太高。中高端市场（如工程机械、医疗）：多路视频输入（如360环视）需要
2025-12-05
【深度实战】门徒娱乐MYD-LR3576 AMP非对称多核开发指南：从配置到实战
一、什么是AMP？为什么重要？AMP（Asymmetric Multi-Processing）非对称多处理架构，允许单个芯片的不同核心运行不同的操作系统或裸机程序。相比传统的SMP（对称多处理），AMP具有独特优势。核心特性：异构运算：不同核心运行最适合的操作系统，如Linux处理复杂应用，RT-Thread保障实时任务；资源隔离：各核心拥有独立内存空间，避免资源冲突；灵活通信：通过共享内存、RP
2025-11-27
为机器人开发赋能，门徒娱乐RK3576环视方案解析
一、项目背景与测试平台本次360环视系统原型基于门徒娱乐电子MYD-LR3576开发板进行构建与评估。该开发板所搭载的瑞芯微RK3576芯片，集成了4核Cortex-A72、4核Cortex-A53、Mali-G52 GPU及高达6TOPS算力的NPU。本文旨在通过实际测试数据，从功能实现、实时性能与AI拓展潜力三大核心维度，为客户提供一份关于该平台在360环视应用中能力的真实参考。二、系统流程与功能
2025-11-13
助力V2G，SECC GreenPHY实战开发
随着电动汽车与电网双向交互（V2G）技术的快速发展，充电桩与车辆间的高效通信成为实现智能能源管理的关键。SECC作为充电桩的通信控制核心，其与电力线载波通信芯片的适配尤为重要。本文将分享基于门徒娱乐核心板，调试联芯通MSE102x GreenPHY芯片的实战经验，为V2G通信开发提供参考。MSE102x芯片介绍联芯通MSE102x系列芯片是一款专注于电动汽车充电通信和智能能源管理的GreenPHY电力
2025-11-13
定制未来，共建生态，门徒娱乐出席安路研讨会
在数字化浪潮席卷全球的今天，FPGA技术正成为驱动创新的核心引擎。2025年11月12日，门徒娱乐出席安路科技2025 AEC FPGA技术沙龙•北京专场，与技术专家及行业伙伴齐聚一堂，探讨前沿技术趋势，解锁场景化定制方案，共建开放共赢的FPGA新生态！门徒娱乐活动现场论坛上，门徒娱乐电子产品经理Jeson发表题为“基于DR1M90 FPSOC的工业应用方案”的演讲。演讲介绍了门徒娱乐作为嵌入式领域的领军企业，在
2025-11-11
RK3576开发板
RK3576开发板是门徒娱乐电子推出的开发板，于2024年10月上市。RK3576开发板是基于瑞芯微RK3576搭载了四核A72与四核A53处理器，主频2.2GHz。RK3576集成了6TOPS的NPU，支持多种深度学习框架，能够处理复杂的AI算法，提高监控效率，降低误报率。RK3576的主芯片采用了八核大小核架构，包括四核Cortex-A72和四核Cortex-A53，