Tabla de contenido:
- Paso 1: configurar el IDE de Arduino
- Paso 2: Conecte la placa
- Paso 3: preparar el boceto
- Paso 4: Ver la transmisión de la cámara
- Paso 5: Detección y reconocimiento de rostros
Video: Cámara IP con detección facial usando la placa ESP32-CAM: 5 pasos
2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:40
Esta publicación es diferente en comparación con las demás y echamos un vistazo a la placa ESP32-CAM muy interesante que es sorprendentemente barata (menos de $ 9) y fácil de usar. Creamos una cámara IP simple que se puede usar para transmitir una transmisión de video en vivo usando el módulo de cámara de 2MP. También probamos la función de detección y reconocimiento facial.
El video de arriba cubre todo lo que necesita en menos de 4 minutos.
Paso 1: configurar el IDE de Arduino
Comenzamos agregando el paquete de soporte de la placa ESP32 al IDE de Arduino. Debe agregar el siguiente enlace a la URL del administrador de tableros desde el menú Archivo.
dl.espressif.com/dl/package_esp32_index.json
Luego, abra el administrador de placas, busque ESP32 e instale el paquete. Espere a que se complete y cierre la ventana. Asegúrese de haber seleccionado la configuración de tablero correcta en el menú de herramientas, como se ve en la imagen. El puerto COM no estará disponible hasta que realice el siguiente paso.
Paso 2: Conecte la placa
La placa ESP32-CAM no tiene un conector USB integrado, por lo que debe utilizar un convertidor de USB a serie externo para cargar el boceto. Puede utilizar las conexiones de cableado que se muestran arriba, pero asegúrese de que el convertidor de USB a serie esté conectado en el modo de 3,3 V.
Se recomienda utilizar una fuente de alimentación externa de 5 V para alimentar la placa, especialmente si está utilizando una placa de conexiones FTDI. Para el suministro externo de 5 V, una simple placa de conexión USB funcionará bien. Ha habido cierto éxito en la alimentación de la placa directamente desde la placa de conexión CP2102, por lo que puede intentarlo primero. La placa también tiene un pin de alimentación de 3.3V si es necesario.
El puente es necesario para poner la placa en modo de descarga. Una vez que tenga todo conectado, encienda la placa, abra un terminal serial (Herramientas-> Monitor serial) con una tasa de baudios de 115, 200 y presione el botón de reinicio. Debería obtener un resultado como se muestra en la imagen y esto indicará que todo está funcionando como se esperaba.
Paso 3: preparar el boceto
Abra el boceto de ejemplo de CameraWebServer como se muestra en la imagen de arriba. Asegúrese de agregar el nombre y la contraseña de su red WiFi, ya que la placa tendrá que conectarse a ella. Además, asegúrese de seleccionar el modelo de cámara AI_THINKER como se ve en la imagen. Uno esto está hecho. Cargue el boceto y luego abra el monitor serial nuevamente.
Dale a la placa unos segundos para que se conecte a la red WiFi y luego verás el estado de la conexión junto con la dirección IP. Tome nota de esto a medida que avancemos al siguiente paso.
Paso 4: Ver la transmisión de la cámara
Abra un navegador web e ingrese la dirección IP que se obtuvo en el paso anterior. Debería obtener una página como la de la imagen. Haga clic en el botón "INICIAR TRANSMISIÓN" y debería poder ver la transmisión en vivo. Cambia la resolución a algo más alto, según sus necesidades. También hay algunas configuraciones y efectos con los que puedes jugar.
Si obtiene líneas horizontales en la transmisión de video, esto es una indicación de energía insuficiente. Intente usar un cable USB más corto o una fuente de alimentación alternativa en ese caso.
También puede obtener una imagen fija, pero como no está almacenada en ningún lugar, tendrá que hacer clic con el botón derecho y guardarla si es necesario.
Paso 5: Detección y reconocimiento de rostros
Para que funcione la detección de rostros, deberá seleccionar un CIF o una resolución más baja. La pizarra procesará la transmisión de video para detectar una cara y resaltarla en la pantalla. Si habilita el reconocimiento facial, verificará si el rostro detectado es conocido o registrado; de lo contrario, lo etiquetará como intruso. Si desea guardar un rostro, puede presionar el botón Registrar rostro para registrar múltiples muestras que usará como referencia.
Así de fácil es construir una cámara IP simple usando la ESP32-CAM. La calidad del video no es excelente, pero realmente han simplificado todo el proceso de trabajar con módulos de cámara como este. Usaremos esto para crear algunos proyectos más interesantes, así que si te ha gustado este, no olvides seguirnos usando los enlaces a continuación:
- YouTube:
- Instagram:
- Facebook:
- Gorjeo:
- Sitio web de BnBe:
Recomendado:
Detección facial en Raspberry Pi 4B en 3 pasos: 3 pasos
Detección de rostros en Raspberry Pi 4B en 3 pasos: En este Instructable vamos a realizar la detección de rostros en Raspberry Pi 4 con Shunya O / S usando la Biblioteca Shunyaface. Shunyaface es una biblioteca de reconocimiento / detección de rostros. El proyecto tiene como objetivo lograr la velocidad de detección y reconocimiento más rápida con
Seguimiento facial y detección de sonrisas Robots de Halloween: 8 pasos (con imágenes)
Seguimiento facial y detección de sonrisas Robots de Halloween: ¡Se acerca Halloween! Decidimos construir algo genial. Conoce a los robots Ghosty y Skully. ¡Pueden seguir tu rostro y saben cuándo estás sonriendo para reírse contigo! Este proyecto es otro ejemplo del uso de la aplicación iRobbie que convierte iPhone int
La cámara web más sencilla como cámara de seguridad: detección de movimiento e imágenes enviadas por correo electrónico: 4 pasos
Cámara web más sencilla como cámara de seguridad: detección de movimiento e imágenes enviadas por correo electrónico: ya no es necesario descargar o configurar el software para obtener imágenes de detección de movimiento desde su cámara web a su correo electrónico; simplemente use su navegador. Utilice un navegador Firefox, Chrome, Edge u Opera actualizado en Windows, Mac o Android para capturar la imagen
Detección visual de objetos con una cámara (TfCD): 15 pasos (con imágenes)
Detección visual de objetos con una cámara (TfCD): Los servicios cognitivos que pueden reconocer emociones, rostros de personas u objetos simples se encuentran actualmente en una etapa temprana de desarrollo, pero con el aprendizaje automático, esta tecnología se está desarrollando cada vez más. Podemos esperar ver más de esta magia en
Detección facial + reconocimiento: 8 pasos (con imágenes)
Detección y reconocimiento de rostros: este es un ejemplo simple de ejecución de detección y reconocimiento de rostros con OpenCV desde una cámara. NOTA: HICE ESTE PROYECTO PARA EL CONCURSO DE SENSORES Y UTILIZÉ LA CÁMARA COMO SENSOR PARA SEGUIMIENTO Y RECONOCIMIENTO DE CARAS. Entonces, Nuestro Objetivo En esta sesión, 1. Instalar Anaconda