前言

感谢正点原子和电子发烧友论坛提供的这次机会让我有机会体验这款正点原子STM32MP257开发板，希望可以借这个机会好好学习一下。

接入摄像头

因为没有提供CSI的摄像头，所以只能使用USB摄像头。很简单，插到一旁的USB接口即可，接上可以看到串口输出（因设备会有不同，但是一定会有输出）：

[ 2026.574757] usb 1-1.3: new high-speed USB device number 5 using ehci-platform

[ 2026.904497] usb 1-1.3: Found UVC 1.00 device  (046d:0825)

[ 2028.393156] usb 1-1.3: set resolution quirk: cval->res = 384

这时可以用以下命令查看设备：

v4l2-ctl --list-devices

输出：

[ 2152.794773] usb 1-1.3: reset high-speed USB device number 5 using ehci-platform

stm32_dcmipp (platform:48030000.dcmipp):

        /dev/video1

        /dev/video2

        /dev/video3

        /dev/video4

        /dev/video5



st,stm32mp25-vdec-dec (platform:480d0000.vdec):

        /dev/video0

        /dev/media0



st,stm32mp25-venc-enc (platform:480e0000.venc):

        /dev/video6

        /dev/media1



UVC Camera (046d:0825) (usb-482f0000.usb-1.3):

        /dev/video7

        /dev/video8

        /dev/media2

最后一个（UVC Camera）就是设备，要记下是video多少，后期opencv-python需要使用。

安装opencv-python

使用Linux的apt-get进行安装：

sudo apt-get install git python3-opencv

PS：如果安装不了，尝试手动设置时间（后面的时间自行修改）：

sudo timedatectl set-time "2025-06-14 12:23:00"

安装完成后新建python_work文件夹，并运行以下命令：

git clone https://github.com/opencv/opencv.git

cp opencv/data/haarcascades/haarcascade_frontalface_default.xml haarcascade_frontalface_default.xml

此时opencv文件夹就没有用了，可以考虑删除。

确认一下opencv-python是否安装：

python3

import cv2 #在python3的shell里输入

如果可以成功导入就安装成功了。

测试摄像头视频流

输入以下指令创建并修改文件：

nano test.py

输入以下代码：

import cv2



# 打开摄像头（索引自行修改）

cap = cv2.VideoCapture(7)



while True:

    # 逐帧读取视频

    ret, frame = cap.read()

    if not ret:

        break

    # 显示视频帧

    cv2.imshow('Video Stream', frame)

#没有用要接键盘，用Ctrl+C即可

'''

    # 通过按 'q' 键退出循环

    if cv2.waitKey(1) & 0xFF == ord('q'):

        break

'''

# 释放资源并关闭窗口

cap.release()

cv2.destroyAllWindows()

接着Ctrl+O退出，中间的保存流程要走。

最后，运行：

python3 test.py

效果十分流畅。
【正点原子STM32MP257开发板试用】2.USB摄像头使用 - 正点原子学习小组 - 电子技术论坛 - 广受欢迎的专业电子论坛!

前言

感谢正点原子和电子发烧友论坛提供的这次机会让我体验这款正点原子STM32MP257开发板，希望可以借这个机会好好学习一下。

解答为什么不点灯

很多看到这篇可能会问不应该先点灯吗？同样都是GPIO的方法。

毕竟我主要使用Python，而LED灯被内核限制住了，只能用shell点灯，要用Python要改估计，不想再改了，只能自己外接一个蜂鸣器来代替LED灯了。

点灯测试过程：

最后只能先用蜂鸣器代替LED，而且项目正好需要使用蜂鸣器。

使用库

Python有很多可以使用GPIO的库，比较常见的应该是gpiod这个库了，它可以在shell中使用，也可以在Python中使用，而另一个库——python-periphery，它是一个用于与Linux外围设备交互的Python库，支持GPIO、I2C、SPI等硬件接口的编程，我们项目只要用到GPIO所以省点空间安装gpiod：

sudo apt-get install python3-pip

sudo pip3 install gpiod

这样再确认是否安装成功：

python3

import gpiod #shell中输入

没有报错即安装成功。

响起蜂鸣器

依旧使用nano读写：

nano beep.py

打开后输入以下代码（仅作参考）：

import gpiod,time

from gpiod.line import Direction, Value

LINE = 13 #根据个人自行修改

with gpiod.request_lines(

    "/dev/gpiochip5", #根据个人自行修改

    consumer="beep-example",

    config={

        LINE: gpiod.LineSettings(

            direction=Direction.OUTPUT, output_value=Value.ACTIVE

        )

    },) as request:

    while True:

        request.set_value(LINE, Value.ACTIVE)

        time.sleep(1)

        request.set_value(LINE, Value.INACTIVE)

        time.sleep(1)

接着Ctrl+X退出，保存流程走一下，最后运行：

python3 beep.py

【正点原子STM32MP257开发板试用】3.响起蜂鸣器 - 正点原子学习小组 - 电子技术论坛 - 广受欢迎的专业电子论坛!

前言

感谢正点原子和电子发烧友论坛提供的这次机会让我有机会体验这款正点原子STM32MP257开发板，希望可以借这个机会好好学习一下。

环境搭建

这里需要使用模型，但是上一篇中安装的不包含模型，所以我们要安装模型：

pip3 install opencv-contrib-python==4.5.5.64 -i https://pypi.tuna.tsinghua.edu.cn/simple

这时再次测试即可：

python3

import cv2

print(cv2.data)

没有报错即安装成功。

测试代码

还是很简单，就是加载模型然后处理摄像头的图像：

import cv2



# 打开摄像头（索引为7），自行修改

cap = cv2.VideoCapture(7)



# 加载人脸检测分类器

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')



while True:

    # 逐帧读取视频

    ret, frame = cap.read()

    if not ret:

        break



    # 转换为灰度图像（人脸检测在灰度图像上进行）

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)



    # 检测人脸

    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))



    # 在检测到的人脸周围绘制矩形框

    for (x, y, w, h) in faces:

        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)



    # 显示视频帧

    cv2.imshow('Video Stream', frame)



    # 通过按 'q' 键退出循环

    if cv2.waitKey(1) & 0xFF == ord('q'):

        break



# 释放资源并关闭窗口

cap.release()

cv2.destroyAllWindows()

同样播放同一个视频但是这次卡了很多
【正点原子STM32MP257开发板试用】4.人脸识别体验 - 正点原子学习小组 - 电子技术论坛 - 广受欢迎的专业电子论坛!

前言

感谢正点原子和电子发烧友论坛提供的这次机会让我有机会体验这款正点原子STM32MP257开发板，希望可以借这个机会好好学习一下。

环境搭建

播放音乐有很多Python库比如pygame、playsound 、simpleaudio、pydub、pyaudio。这一次我们使用Pygame即可：

pip3 install pygame

播放音乐

我们在这里就直接上代码下面再解释：

import pygame





pygame.mixer.init()





pygame.mixer.music.load("/opt/ui/src/apps/resource/audio/牛奶咖啡 - 明天你好.mp3")





pygame.mixer.music.play()



while pygame.mixer.music.get_busy():

    continue

这个代码是直接使用Pygame实现的：

• 先初始化喇叭以及Pygame音频代码


• 再使用load函数导入系统自动的音乐


• 接着使用play函数开始播放


• 最后持续判断是否播放完成

效果可以在系统功能中体验到同样的效果所以这里不放了。

前言

感谢正点原子和电子发烧友论坛提供的这次机会让我有机会体验这款正点原子STM32MP257开发板，希望可以借这个机会好好学习一下。

项目实现

项目通过识别我需要当成非陌生人的人脸，再使用LBPH人脸识别器（cv2.face.LBPHFaceRecognizer_create()）训练为临时模型使用。剩下就是吧LBPH人脸识别器用作模型识别是否为陌生人，再通过蜂鸣器警报。

代码

import cv2

import numpy as np

import gpiod

import time



# 创建LBPH脸识别器

recognizer = cv2.face.LBPHFaceRecognizer_create()



# 创建人脸检测器

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')



# 蜂鸣器 GPIO 配置

LINE = 13



# 使用gpiod.request_lines配置GPIO

with gpiod.request_lines(

    "/dev/gpiochip5",

    consumer="beep-example",

    config={

        LINE: gpiod.LineSettings(

            direction=gpiod.line.Direction.OUTPUT, output_value=gpiod.line.Value.INACTIVE

        )

    },

) as request:



    def get_reference_image_features(reference_image_path):

        img = cv2.imread(reference_image_path)

        if img is None:

            print(f"Error: 无法加载参考图片 {reference_image_path}")

            return None



        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))



        if len(faces) == 0:

            print("Error: 参考图片中未检测到人脸")

            return None



        (x, y, w, h) = faces[0]

        face_roi = gray[y:y+h, x:x+w]



        return face_roi



    def train_recognizer_with_reference(reference_image_path):

        reference_features = get_reference_image_features(reference_image_path)

        if reference_features is None:

            return False



        labels = np.array([0])

        recognizer.train([reference_features], labels)

        return True



    def real_time_recognition(reference_image_path):

        if not train_recognizer_with_reference(reference_image_path):

            print("Error: 人脸识别器训练失败")

            return



        cap = cv2.VideoCapture(7)



        stranger_detected = False



        while True:

            ret, frame = cap.read()

            if not ret:

                print("Error: 无法读取摄像头帧")

                break



            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

            faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))



            current_stranger_status = False



            for (x, y, w, h) in faces:

                face_roi = gray[y:y+h, x:x+w]

                label, confidence = recognizer.predict(face_roi)



                



                if confidence > 85:

                    cv2.putText(frame, "Stranger", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)

                    cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)

                    current_stranger_status = True

                else:

                    cv2.putText(frame, "Known Person", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

                    cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)



            cv2.imshow('Real-Time Recognition', frame)



            if current_stranger_status and not stranger_detected:

                stranger_detected = True

            elif not current_stranger_status and stranger_detected:

                stranger_detected = False



            if stranger_detected:

                request.set_value(LINE, gpiod.line.Value.ACTIVE)

                time.sleep(1)

                request.set_value(LINE, gpiod.line.Value.INACTIVE)

                time.sleep(1)

            else:

                request.set_value(LINE, gpiod.line.Value.INACTIVE)



            if cv2.waitKey(1) & 0xFF == ord('q'):

                break



        cap.release()

        cv2.destroyAllWindows()



    if __name__ == "__main__":

        reference_image_path = "reference_image.jpg"

        real_time_recognition(reference_image_path)

效果：在底部

总结

STM32MP257是一个很不错的芯片，在AI方面表现突出，再与正点原子合作，将STM32MP257的外设添加，让其的能力能发挥出来。