weixin_73011353的博客

k210学习：矩形识别，激光识别，与stm32通信

实验效果：分三类，每一类均拍五张照片进行学习。

3、新建while循环读取摄像头画面，然后复制一个112*112大小的画面，对像素进行取反等处理，再将图像传入KPU里进行计算，与模型文件做运算，最终得到最优识别结果和识别分数。4、背景全白或全黑会出现误识别问题（将全黑识别为5，全白识别为1），所以对数字1和5进行额外分析。1、导入相关库，初始化摄像头和LCD屏。

7.、新建人脸识别变量，其中，record_ftrs ：表示识别人脸特征的数组；变量 recog_flag ：表示检测到的人脸是否已识别的状态 ，已识别为True，未识别为Flase。9.、新建while循环，先检测出人脸，当识别到BOOT按键按下时，记录人脸信息。当检测到的人脸信息大于识别阈值，就表示是已识别的人脸，用绿色方框，并显示识别分数，否则就表示未识别的人脸，用白色方框。3.、初始化人脸检测模型相关的参数，用yolo2来计算是否符合模型要求。8.、提取检测到的人脸的信息。

3.、新建while循环，将图像传入KPU进行计算，使用yolo2神经网络算法进行解算，如果是佩戴了口罩的人脸，用绿色框出并显示"with mask"，如果是未佩戴口罩的人脸，则用红色框出并显示"without mask"2、初始化KPU相关的参数，用yolo2来计算是否符合模型要求。1、导入相关库，初始化摄像头和LCD屏。

3、新建while循环，将图像传入KPU进行计算，使用yolo2神经网络算法进行解算，得到人脸的位置信息，然后将人脸框出来。2、初始化KPU相关参数，用yolo2计算是否符合模型要求，其中，od_img为神经网络图像。1、导入相关库，初始化摄像头和LCD屏。

4、新建一个while循环，调用find_apriltags函数查找图像中的机器码，找到之后框出来并且打印相关信息。2、设置要识别的机器码家族成员，如果不需要识别哪个就注释掉那一行。这里默认是TAG36H11。1.、导入相关库，初始化摄像头和LCD显示屏。3.、新建一个函数用来将家族名转化成字符串。

2、利用内置find_qrcodes函数来查找是否有二维码，如果有则把二维码框出来，并打印出二维码信息。1.、导入相关库，初始化摄像头和LCD显示屏。

5、颜色学习完成时，新建一个while循环，开始识别摄像头画面中的颜色，分析与上一步学习到的颜色的LAB值是否相符合，如果符合则框出来对应的颜色块。4、等到方框又白色变成绿色，则开始学习颜色的LAB值，多次读取数值，并取平均值作为学习的LAB 值结果。3、在摄像头画面中绘制一个50*50大小的方框，此时的功能为提示用户将要识别的颜色放入方框内。2、初始化摄像头和LCD显示屏。

软件：MaixPy IDE或者CanMV IDE，串口助手。1、不管拿到什么，先点个灯。注：固件库需提前准备。