Spisu treści:
2025 Autor: John Day | [email protected]. Ostatnio zmodyfikowany: 2025-01-23 15:03
Cześć!
Chciałem udostępnić mój kod do projektu, w którym potrzebowałem mieć ESP CAM z rozpoznawaniem twarzy, który mógłby wysyłać dane do MQTT. No cóż… po może 7 godzinach przeszukiwania wielu przykładów kodu i szukania tego, co jest, zakończyłem integrację MQTT!
Kieszonkowe dzieci
Czego potrzebujesz:
- Kamera ESP32 (~5$)
- Programista TTL (~2$)
- 5 kabli rozruchowych
Krok 1: Konfiguracja programatora TTL (OPCJONALNIE)
Jeśli używasz komputera, który ma nowszą wersję niż Windows 7, najprawdopodobniej potrzebujesz obsługiwanych sterowników dla programatora.
Jeśli urządzenie nie może się uruchomić, polecam ten prosty samouczek dotyczący ręcznej instalacji sterowników
Krok 2: Konfiguracja połączenia i konfiguracja w IDE
Musisz go podłączyć jak na obrazku (Lepiej użyć 5v zamiast 3v!)
Szary kabel wystarczy podłączyć tylko wtedy, gdy chcesz go zaprogramować!
Zakładam, że masz już zainstalowany pakiet ESP32, jeśli tak, musisz cofnąć wersję, z tej, której obecnie używasz, do wersji 1.01 ten krok jest niezbędny do rozpoznawania twarzy, w przeciwnym razie nie zadziała!
Następnym krokiem jest przejście do NARZĘDZI w swoim IDE i ustawienie schematu partycji na Huge APP i wybranie modułu ESP32 Wrover jako płyty!
Krok 3: Kod i biblioteki
Będziesz potrzebować tylko biblioteki PubSubClient, wszystkie inne biblioteki są instalowane automatycznie.
(Nie zapomnij zmienić swoich danych uwierzytelniających przed przesłaniem)
Pobierz załącznik i kliknij prześlij, nie zapomnij o szarym kablu, o którym mowa powyżej!
Po przesłaniu otwórz Serial Monitor i wybierz 115200 jako szybkość transmisji.
Powinieneś zobaczyć adres IP, z którym chcesz się połączyć. UWAGA: Rozpoznawanie twarzy jest już włączone na początku, więc zeskanuje Twoją twarz! EDYCJA: NIE zrobi tego już automatycznie!
W części MQTT powinieneś zobaczyć zakładkę informacyjną i jedną zakładkę twarzy. EDYCJA: Id tab
Krok 4: To wszystko | EDYTOWAĆ
Na razie to wszystko, myślę, że będę go aktualizował za jakiś czas, jeśli zobaczę błędy lub cokolwiek innego.
Mam nadzieję, że Ci się podobało!
EDYTOWAĆ:
Wprowadziłem kilka zmian w kodzie!
Teraz zapisuje twoją twarz w pamięci wewnętrznej, więc po uruchomieniu załaduje wszystkie wcześniej zapisane twarze z Flasha!
Automatycznie zapisuje zarejestrowane twarze we Flashu.
Usunąłem również twarz automatycznego rejestrowania podczas uruchamiania.
Stworzyłem nowy temat MQTT o nazwie „id”, w którym pokazuje ostatni rozpoznany identyfikator!
Zalecana:
Wykrywanie, szkolenie i rozpoznawanie twarzy Opencv: 3 kroki
Opencv Face Detection, Training and Recognition: OpenCV to biblioteka komputerowa o otwartym kodzie źródłowym, która jest bardzo popularna do wykonywania podstawowych zadań przetwarzania obrazu, takich jak rozmycie, mieszanie obrazów, poprawianie jakości obrazu i wideo, progowanie itp. Oprócz przetwarzania obrazu, to udowodnić
Rozpoznawanie i identyfikacja twarzy - Arduino Face ID przy użyciu OpenCV Python i Arduino.: 6 kroków
Rozpoznawanie i identyfikacja twarzy | Arduino Face ID przy użyciu OpenCV Python i Arduino.: Rozpoznawanie twarzy AKA face ID jest obecnie jedną z najważniejszych funkcji w telefonach komórkowych. Tak więc miałem pytanie „czy mogę mieć identyfikator twarzy dla mojego projektu Arduino” a odpowiedź brzmi tak… Moja podróż zaczęła się następująco: Krok 1: Dostęp do nas
Rozpoznawanie twarzy w praktyce: 21 kroków
Rozpoznawanie twarzy w praktyce: Jest to temat, który mnie tak fascynuje, że nie mogę spać: Widzenie komputerowe, wykrywanie obiektów i ludzi za pomocą przeszkolonego modelu
Rozpoznawanie twarzy Opencv: 4 kroki
Rozpoznawanie twarzy Opencv: Rozpoznawanie twarzy jest obecnie dość powszechną rzeczą w wielu aplikacjach, takich jak smartfony, wiele gadżetów elektronicznych. Ten rodzaj technologii obejmuje wiele algorytmów i narzędzi itp., które wykorzystują wbudowane wbudowane platformy SOC, takie jak Raspberry
Rozpoznawanie twarzy w czasie rzeczywistym: kompleksowy projekt: 8 kroków (ze zdjęciami)
Rozpoznawanie twarzy w czasie rzeczywistym: kompleksowy projekt: W moim ostatnim samouczku dotyczącym OpenCV nauczyliśmy się AUTOMATYCZNEGO ŚLEDZENIA OBIEKTÓW WIZJI. Teraz użyjemy naszego PiCam do rozpoznawania twarzy w czasie rzeczywistym, jak widać poniżej:Ten projekt został wykonany przy użyciu tej fantastycznej biblioteki „Open Source Computer Vision Library”