基于OpenCV的相机捕捉视频进行人脸检测--米尔NXP i.MX93开发板
2024-11-07
1213
来源：米尔电子
本篇测评由与非网的优秀测评者“eefocus_3914144”提供。
本文将介绍基于米尔电子MYD-LMX93开发板（米尔基于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：
2025-10-16
从微秒级响应到确定性延迟：深入解析米尔全志T536核心板的实时性技术突破
各位工程师同仁，今天咱们聊点硬核的——实时性。这不是那种"差不多就行"的性能指标，在工业控制、机器人运动、电力保护这些领域，实时性就是生命线。想象一下：工业机器人抓取精密元件时，哪怕几毫秒的延迟都可能导致良品率暴跌；电力系统故障检测，响应慢了几个毫秒可能就是一场灾难。为什么通用Linux在实时场景中"力不从心"？标准Linux内核设计初衷是"公平调
2025-10-16
米尔电子获全志科技生态认证，共推工业智能化升级
在近日举办的2025中国国际工业博览会上，米尔电子被全志科技正式授予“生态认证合作伙伴”证书，标志着双方在嵌入式处理器模组领域的合作迈入新阶段。此次认证基于米尔电子在T536、T527、T113等全志工业级核心板及开发板被市场的高度认可，米尔电子的全志系列产品已广泛应用于工业自动化、机器人及边缘计算场景。米尔代表领取“生态认证合作伙伴”证书（右三）生态共建：全产业链协同创新全志科技通过“芯片+
2025-10-16
名单揭晓，追加30套开发板！米尔-安路飞龙派「硬核创造力」第二季
经过米尔电子和安路科技的严格筛选，30位「硬核玩家」从千帆竞逐中脱颖而出，正式成为米尔-安路飞龙派第二季创意秀的玩家。开发者们将以MYD-YM90X开发板为起点，开启一场FPGA的盛宴，在安路飞龙派的赛道上探索无限可能！现将入选的30位开发者/团队名单公布如下（排名不分先后）：
2025-09-26
颂歌迎国庆丨米尔电子国庆节及中秋放假通知及温馨提示
金风送爽，秋桂飘香，阖家欢聚，共庆国昌。我们即将迎来中秋佳节及祖国76周年华诞。在这美好的金秋时节，在这家国同庆之际，米尔全体员工衷心感谢您长期以来的信任和支持，预祝您节日快乐！·国庆放假时间·一二三四五六日29初八30初九1国庆2十一3十二4十三5十四6中秋7十六8十七9十八10十九11二十12廿一10月1日 至 10月8日，共放假8天根据《国务院办公厅关于2025年部分节假日安排的通知》相关内
2025-09-26
如何移植EtherCAT Igh--基于米尔RK3576开发板
本文将介绍基于米尔电子MYD-LR3576开发板（米尔基于瑞芯微 RK3576开发板）的板端移植EtherCAT Igh方案的开发测试。摘自优秀创作者-EPTmachine米尔基于瑞芯微RK3576开发板EtherCAT IgH需要保证高实时性，Preempt-RT是一种针对实时性能进行了优化的Linux内核。与普通的Linux内核相比，Preempt-RT具有以下优势：实时性能： Preempt
2025-09-18
追加！30套FPGA开发板免费送！米尔-安路飞龙派创意秀活动再开启
大赛简介日前，米尔电子2025年举办的米尔-安路飞龙派FPGA/FPSoC创意开发大赛圆满落幕，吸引了众多工程师踊跃参与。为持续推动技术创新，米尔电子现重磅推出第二期福利活动——基于安路DR1M90开发板的创意秀，再次免费赠送30套FPGA开发板，旨在鼓励工程师突破思维边界，通过实践探索安路飞龙派产品的无限可能，为创新应用提供强力支持。报名条件：用户需关注米尔电子公众号；第一期已领开发板的用户不可
2025-09-11
“一芯四用”，米尔RK3576如何同时驾驭4路YOLOv8视频流？
在科技飞速发展的当下，人工智能与边缘计算的融合正以前所未有的速度重塑着我们的生活。RK3576芯片拥有4核Cortex-A72以及4核Cortex-A53提供基础算力，6TOPS算力NPU来模型推导运算。使用YOLOv8模型时也是手到擒来，接下来随着步伐看看它表现如何。YOLO简介YOLO（You Only Look Once）是当前业界领先的实时目标检测算法系列，以其速度和精度的完美平衡而闻名。
2025-09-04
6TOPS算力驱动30亿参数LLM，米尔RK3576部署端侧多模态多轮对话
关键词：瑞芯微 RK3576、NPU（神经网络处理器）、端侧小语言模型（SLM）、多模态 LLM、边缘 AI 部署、开发板当 GPT-4o 用毫秒级响应处理图文混合指令、Gemini-1.5-Pro 以百万 token 上下文 “消化” 长文档时，行业的目光正从云端算力竞赛转向一个更实际的命题：如何让智能 “落地”？—— 摆脱网络依赖、保护本地隐私、控制硬件成本，让设备真正具备 “看见并对话” 的
2025-09-04
直播预告 | 恩智浦技术日巡回研讨会：技术盛宴，“云端”开席！
9月9日，恩智浦技术日巡回研讨会将在杭州举办！活动同期，恩智浦携手生态合作伙伴，将对会议中精彩的技术演讲全程进行网络直播，让更多的开发者足不出户，也能够直击活动现场，解锁前沿产品方案，共赴“云端”技术盛宴！直播期间，参与观众互动，还有好礼等你拿~~点击文章顶部卡片，或扫描海报二维码，约起来吧！
2025-08-28
米尔发表演讲，并携瑞萨RZ产品亮相2025 Elexcon深圳电子展
2025年8月26日-28日，Elexcon深圳国际电子展在深圳会展中心（福田）1号馆（展台号：1L30）盛大举行。作为全球电子产业链的重要盛会，展会汇聚创新技术与行业解决方案。米尔电子MYIR携RZ系列核心板、开发板等方案Demo亮相瑞萨嵌入式MCU/MPU生态专区，并发表主题演讲。技术盛宴：瑞萨RZ系列产品矩阵亮相展会上，米尔展示了基于RZ/G2L、RZ/G2UL、RZ/T2H的核心板