فهرست مطالب:
- مرحله 1: IDE Arduino را پیکربندی کنید
- مرحله 2: تخته را سیم بندی کنید
- مرحله 3: طرح را آماده کنید
- مرحله 4: مشاهده جریان دوربین
- مرحله 5: تشخیص و تشخیص چهره
تصویری: دوربین IP با تشخیص چهره با استفاده از برد ESP32-CAM: 5 مرحله
2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:52
این پست در مقایسه با دیگران متفاوت است و ما نگاهی به برد بسیار جالب ESP32-CAM می اندازیم که به طرز شگفت آوری ارزان (کمتر از 9 دلار) و استفاده از آن آسان است. ما یک دوربین IP ساده ایجاد می کنیم که می تواند برای پخش مستقیم ویدئوی زنده با استفاده از ماژول دوربین 2 مگاپیکسلی استفاده شود. ما همچنین ویژگی تشخیص چهره و تشخیص چهره را امتحان می کنیم.
ویدئوی فوق تمام موارد مورد نیاز شما را در کمتر از 4 دقیقه پوشش می دهد.
مرحله 1: IDE Arduino را پیکربندی کنید
کار را با افزودن بسته پشتیبانی برد ESP32 به Arduino IDE شروع می کنیم. شما باید پیوند زیر را از منوی File به آدرس مدیر تخته ها اضافه کنید.
dl.espressif.com/dl/package_esp32_index.json
سپس ، مدیر بردها را باز کرده ، ESP32 را جستجو کرده و بسته را نصب کنید. منتظر بمانید تا پنجره کامل شود و بسته شود. اطمینان حاصل کنید که همانطور که در تصویر مشاهده می کنید ، تنظیمات برد مناسب را از منوی Tools انتخاب کرده اید. تا مرحله بعدی را انجام ندهید ، پورت COM در دسترس نخواهد بود.
مرحله 2: تخته را سیم بندی کنید
برد ESP32-CAM کانکتور USB داخلی ندارد بنابراین برای بارگذاری طرح باید از مبدل USB خارجی به سریال خارجی استفاده کنید. می توانید از اتصالات سیم کشی نشان داده شده در بالا استفاده کنید اما مطمئن شوید که مبدل USB به سریال در حالت 3.3V متصل شده است.
توصیه می شود از منبع تغذیه خارجی 5 ولت برای تغذیه برد استفاده کنید ، مخصوصاً اگر از برد شکست FTDI استفاده می کنید. برای منبع تغذیه خارجی 5 ولت ، یک برد ساده USB Breakout بسیار خوب عمل می کند. در تغذیه مستقیم برد از برد شکست CP2102 موفقیت هایی حاصل شده است ، بنابراین می توانید ابتدا آن را امتحان کنید. این برد همچنین در صورت نیاز دارای پین برق 3.3 ولت است.
برای قرار دادن برد در حالت بارگیری ، به جامپر نیاز است. هنگامی که همه چیز را وصل کردید ، برد را وصل کنید ، یک ترمینال سریال (Tools-> Serial Monitor) را با نرخ بار 115 ، 200 باز کنید و دکمه تنظیم مجدد را فشار دهید. شما باید یک خروجی مطابق تصویر دریافت کنید و این نشان می دهد که همه چیز مطابق انتظار کار می کند.
مرحله 3: طرح را آماده کنید
همانطور که در تصویر بالا نشان داده شده است ، طرح نمونه CameraWebServer را باز کنید. مطمئن شوید که نام و رمز شبکه WiFi خود را اضافه کرده اید زیرا برد باید به آن متصل شود. همچنین ، حتماً مدل دوربین AI_THINKER را همانطور که در تصویر دیده می شود انتخاب کنید. یکی این کار انجام شده است. طرح را بارگذاری کنید و سپس دوباره مانیتور سریال را باز کنید.
چند ثانیه زمان دهید تا به شبکه WiFi متصل شوید و سپس وضعیت اتصال را به همراه آدرس IP مشاهده خواهید کرد. وقتی به مرحله بعدی می رویم ، این را یادداشت کنید.
مرحله 4: مشاهده جریان دوربین
یک مرورگر وب را باز کرده و آدرس IP را که در مرحله قبل به دست آمده وارد کنید. شما باید صفحه ای مانند صفحه موجود در تصویر بدست آورید. روی دکمه "START STREAM" کلیک کنید تا بتوانید جریان مستقیم را مشاهده کنید. بسته به نیاز خود ، وضوح تصویر را به چیزی بالاتر تغییر می دهید. همچنین تعدادی تنظیمات و جلوه ها وجود دارد که می توانید با آنها بازی کنید.
اگر در فید ویدئو خطوط افقی دریافت می کنید ، این نشان دهنده قدرت ناکافی است. در این صورت سعی کنید از کابل USB کوتاهتر یا منبع تغذیه متناوب استفاده کنید.
شما همچنین می توانید یک تصویر ثابت بگیرید ، اما از آنجا که این تصویر در هیچ مکانی ذخیره نمی شود ، باید روی آن کلیک راست کرده و در صورت نیاز آن را ذخیره کنید.
مرحله 5: تشخیص و تشخیص چهره
برای اینکه تشخیص چهره کار کند ، باید CIF یا وضوح پایین تر را انتخاب کنید. هیئت مدیره برای تشخیص چهره و برجسته کردن آن بر روی صفحه نمایش ، ویدئو را پردازش می کند. اگر تشخیص چهره را فعال کنید ، آن را بررسی می کند تا ببیند آیا چهره ای که شناسایی شده است شناخته شده یا ثبت شده است ، اگر نه ، آن را به عنوان یک مزاحم برچسب گذاری می کند. اگر می خواهید یک چهره را ذخیره کنید ، می توانید دکمه ثبت نام را فشار دهید تا چندین نمونه را که به عنوان مرجع استفاده می شود ثبت کنید.
ساختن یک دوربین IP ساده با استفاده از ESP32-CAM به همین راحتی است. کیفیت ویدئو عالی نیست اما آنها واقعاً کل روند کار با ماژول های دوربین را ساده کرده اند. ما از این پروژه برای ایجاد پروژه های جالب تر استفاده خواهیم کرد ، بنابراین اگر این پروژه را دوست داشتید ، فراموش نکنید که ما را با استفاده از پیوندهای زیر دنبال کنید:
- YouTube:
- اینستاگرام:
- فیس بوک:
- توییتر:
- وب سایت BnBe:
توصیه شده:
تشخیص چهره در رزبری پای 4B در 3 مرحله: 3 مرحله
تشخیص چهره در Raspberry Pi 4B در 3 مرحله: در این دستورالعمل ما قصد داریم تشخیص چهره را در Raspberry Pi 4 با Shunya O/S با استفاده از کتابخانه Shunyaface انجام دهیم. Shunyaface یک کتابخانه تشخیص چهره است. هدف این پروژه دستیابی به سریعترین سرعت تشخیص و تشخیص با
تشخیص چهره ، آموزش و تشخیص Opencv: 3 مرحله
تشخیص چهره ، آموزش و تشخیص Opencv: OpenCV یک کتابخانه بینایی رایانه منبع باز است که برای انجام کارهای اصلی پردازش تصویر مانند تار شدن ، ترکیب تصویر ، افزایش تصویر و همچنین کیفیت فیلم ، آستانه و غیره بسیار محبوب است. علاوه بر پردازش تصویر ، اثبات می کند
تشخیص و تشخیص چهره - Arduino Face ID با استفاده از OpenCV Python و Arduino .: 6 مرحله
تشخیص و تشخیص چهره | شناسه صورت آردوینو با استفاده از OpenCV پایتون و آردوینو.: تشخیص چهره AK ID چهره یکی از مهمترین ویژگی های تلفن های همراه امروزه است. بنابراین ، من یک سوال داشتم & quot؛ آیا می توانم برای پروژه آردوینو خود شناسه چهره داشته باشم & quot؛ و پاسخ بله است … سفر من به شرح زیر آغاز شد: مرحله 1: دسترسی به ما
تشخیص چهره+تشخیص: 8 مرحله (همراه با تصاویر)
تشخیص چهره+تشخیص: این یک مثال ساده از اجرای تشخیص و تشخیص چهره با OpenCV از دوربین است. توجه: من این پروژه را برای مسابقه سنسور ساختم و از دوربین به عنوان سنسور برای ردیابی و شناسایی چهره ها استفاده کردم. بنابراین ، هدف ما در این جلسه ، 1. Anaconda را نصب کنید
چهره بزرگ تگزاس - طرح سه بعدی چهره چگونه: 10 مرحله (همراه با تصاویر)
چهره بزرگ تگزاس - فرافکنی چهره سه بعدی نحوه: ایجاد & quot؛ مجسمه های زنده & quot؛ با نمایش چهره خود بر روی مجسمه ها. A How To By: & nbsp؛ دیوید ساترلند ، & nbsp؛ کرک مورنو با همکاری & nbsp؛ Graffiti Research Lab Houston* چندین نظر گفته اند که برخی مشکلات صوتی وجود دارد. این است