Innholdsfortegnelse:
- Rekvisita
- Trinn 1: Konfigurere TTL -programmereren (VALGFRITT)
- Trinn 2: Konfigurere tilkoblingen og konfigurere i IDE
- Trinn 3: Kode og biblioteker
- Trinn 4: Det er det | REDIGERE
Video: ESP32 CAM ansiktsgjenkjenning med MQTT -støtte - AI-tenker: 4 trinn
2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:22
Hallo!
Jeg ønsket å dele koden min for et prosjekt hvis jeg måtte ha et ESP CAM med ansiktsgjenkjenning, som kunne sende data til MQTT. Så vel.. etter kanskje 7 timer med å ha sett gjennom flere kodeeksempler og sett etter hva som er hva, har jeg fullført MQTT -integrasjonen!
Rekvisita
Hva trenger du:
- ESP32 -kamera (~ 5 $)
- TTL programmerer (~ 2 $)
- 5 hoppekabler
Trinn 1: Konfigurere TTL -programmereren (VALGFRITT)
Hvis du bruker en datamaskin som har en nyere versjon enn Windows 7, trenger du mest sannsynlig de støttede driverne for programmereren.
Hvis enheten ikke kan starte, anbefaler jeg deg denne enkle opplæringen for å installere driverne manuelt
Trinn 2: Konfigurere tilkoblingen og konfigurere i IDE
Du må koble den til som på bildet (det er bedre å bruke 5v i stedet for 3v!)
Den grå kabelen trenger du bare å koble til hvis du vil programmere den!
Jeg antar at du allerede har ESP32 -pakken installert. I så fall må du rulle versjonen tilbake, fra det du bruker for øyeblikket til versjon 1.01, er dette trinnet nødvendig for ansiktsgjenkjenning, ellers fungerer det ikke!
Det neste trinnet er å gå inn i VERKTØY i IDE og sette Partition Scheme til Huge APP, og velg ESP32 Wrover Module som styret!
Trinn 3: Kode og biblioteker
Du trenger bare PubSubClient Library, alle andre biblioteker installeres automatisk.
(Ikke glem å endre legitimasjonen din før du laster opp)
Last ned vedlegget og klikk på opplastning, ikke glem den grå kabelen som er nevnt ovenfor!
Etter opplasting åpner du Serial Monitor og velger 115200 som overføringshastighet.
Du bør se en IP -adresse å koble til. MERK: Ansiktsgjenkjenning er allerede aktivert ved start, så det vil skanne ansiktet ditt! EDIT: Det vil IKKE automatisk gjøre det lenger!
På MQTT -delen bør du se en infofane og en ansiktsfane. EDIT: Og id -fanen
Trinn 4: Det er det | REDIGERE
Dette er det for nå, jeg tror jeg kommer til å oppdatere det en stund hvis jeg ser feil eller andre ting.
Jeg håper du likte!
REDIGERE:
Jeg har gjort noen endringer i koden!
Det lagrer nå ansiktet ditt i internminnet, så når du starter det, vil det laste alle tidligere lagrede ansikter fra Flash!
Den lagrer automatisk registrerte ansikter til Flash.
Jeg fjernet også ansiktet for automatisk registrering ved oppstart.
Jeg har laget et nytt MQTT -emne kalt "id", det er her det viser den siste IDen som ble gjenkjent!
Anbefalt:
Ansiktsgjenkjenning på Raspberry Pi 4B i 3 trinn: 3 trinn
Ansiktsgjenkjenning på Raspberry Pi 4B i 3 trinn: I denne instruksen skal vi utføre ansiktsgjenkjenning på Raspberry Pi 4 med Shunya O/S ved bruk av Shunyaface-biblioteket. Shunyaface er et bibliotek for ansiktsgjenkjenning/gjenkjenning. Prosjektet tar sikte på å oppnå raskeste gjenkjenning og gjenkjenningshastighet med
IP-kamera med ansiktsgjenkjenning ved bruk av ESP32-CAM-kortet: 5 trinn
IP-kamera med ansiktsgjenkjenning ved bruk av ESP32-CAM-kortet: Dette innlegget er annerledes enn de andre, og vi tar en titt på det veldig interessante ESP32-CAM-kortet som er overraskende billig (mindre enn $ 9) og lett å bruke. Vi lager et enkelt IP -kamera som kan brukes til å streame en live video feed ved hjelp av 2
Dørklokke med ansiktsgjenkjenning: 7 trinn (med bilder)
Dørklokke med ansiktsgjenkjenning: motivasjon Det har nylig vært en bølge av ran i mitt land som er rettet mot eldre mennesker i deres eget hjem. Vanligvis gis tilgang fra beboerne selv siden besøkende overbeviser dem om at de er omsorgspersoner/sykepleiere. Den
Ansiktsgjenkjenning Smart lås med LTE Pi HAT: 4 trinn
Ansiktsgjenkjenning Smart Lock Med LTE Pi HAT: Ansiktsgjenkjenning blir mer og mer mye brukt, vi kan bruke den til å lage en smart lås
Ansiktsgjenkjenning i sanntid på RaspberryPi-4: 6 trinn (med bilder)
Ansiktsgjenkjenning i sanntid på RaspberryPi-4: I denne instruksen skal vi utføre ansiktsgjenkjenning i sanntid på Raspberry Pi 4 med Shunya O/S ved bruk av Shunyaface-biblioteket. Du kan oppnå en deteksjonsramme på 15-17 på RaspberryPi-4 ved å følge denne opplæringen