unoq-video-detector

🎥 Arduino UNO Q — Détection vidéo et activation d’une LED pendant 10 secondes

Détection vidéo + activation LED avec l’Arduino UNO Q
Ce projet montre comment utiliser l’Arduino UNO Q, une webcam USB et Arduino App Lab 0.2.0 pour :

• activer un pipeline de détection vidéo temps réel,
• repérer une personne ou un visage,
• déclencher l’allumage de la LED_BUILTIN sur le STM32 pendant 10 secondes,
• gérer la logique complète entre le cœur Linux (Python) et le cœur STM32 (C++).

Tout fonctionne sans code HTML, uniquement via : ✔️ Python (Linux) ✔️ C++ (STM32) ✔️ Brick Video Object Detection ✔️ Le Bridge interne entre les deux cœurs

---

🔧 1. Matériel utilisé

Placez le matériel comme ci-dessous :

Liste du matériel

• Arduino UNO Q - https://store.arduino.cc/products/uno-q
• Webcam USB compatible Linux - https://amzn.eu/d/iWSkrtM
• HUB USB-C (avec Power Delivery + USB-A) - https://www.amazon.fr/dp/B0CF224WX9
• Alimentation 5V / USB-C PD - j'utilise celle de mon Raspberry PI 4

📡 2. Connexion de la UNO Q à Arduino App Lab

2.1. Brancher d’abord le matériel

➡️ La UNO Q s’allume
➡️ Le hub alimente la caméra
➡️ L’ensemble va être détecté par App Lab via Wi-Fi

2.2. Lancer Arduino App Lab

L’icône Wi-Fi apparaît automatiquement.

2.3. Cliquer sur la UNO Q détectée

App Lab affiche une boîte pour entrer le mot de passe Wi-Fi de la carte.

Une fois validé, vous accédez à l’interface principale.

---

🆕 3. Créer un nouveau projet App Lab

Cliquer sur My Apps (barre de gauche)

Cliquer sur Create New App +
Donner un nom, par exemple : unoQ-video-detector
L’arborescence du projet contient automatiquement :

• python/main.py
• sketch/sketch.ino

🧱 4. Ajouter le Brick "Video Object Detection"

Cliquer sur Add (+)

• Choisir Video Object Detection
• Cliquer sur Create

Ce Brick fournit automatiquement :

• le container Linux EdgeImpulse
• l’API de détection VideoObjectDetection en Python
• la gestion du flux vidéo USB

Aucune configuration supplémentaire n’est nécessaire.

---

🐍 5. Code Python (cœur Linux)

📄 python/main.py

Ce code :

• initialise la détection vidéo,
• allume la LED lorsque quelqu’un est détecté,
• lance un timer de 10 secondes d’inactivité,
• pilote le STM32 via Bridge.call().

from arduino.app_utils import App, Bridge
from arduino.app_bricks.video_objectdetection import VideoObjectDetection
import time
import threading

# Détecteur vidéo
video_detector = VideoObjectDetection(confidence=0.4, debounce_sec=1.5)

# Bridge vers le STM32
bridge = Bridge()

LED_ON = False
LAST_DETECTION = 0.0
LOCK = threading.Lock()

# --- Callback quand une personne est détectée ---
def on_person_detected():
    global LED_ON, LAST_DETECTION
    now = time.time()
    with LOCK:
        LAST_DETECTION = now
        print("🚨 Person detected in the video stream!")
        if not LED_ON:
            try:
                bridge.call("setLedState", True)
                LED_ON = True
                print("LED ON")
            except Exception as e:
                print("Bridge error:", e)

video_detector.on_detect("person", on_person_detected)

# --- Callback pour toutes les détections (comme ton exemple) ---
def on_all_detections(detections: dict):
    print("All detections:", detections)

video_detector.on_detect_all(on_all_detections)

# --- Thread qui éteint la LED 10 s après la DERNIÈRE détection ---
def led_watcher():
    global LED_ON, LAST_DETECTION
    while True:
        time.sleep(0.5)
        with LOCK:
            if LED_ON and (time.time() - LAST_DETECTION > 10.0):
                try:
                    bridge.call("setLedState", False)
                    LED_ON = False
                    print("LED OFF (10 s sans personne)")
                except Exception as e:
                    print("Bridge error:", e)

threading.Thread(target=led_watcher, daemon=True).start()

# --- Lancement ---
App.run()

📸 Capture console Python :

⚙️ 6. Code STM32 (cœur temps réel C++)

📄 sketch/sketch.ino

Ce code :

• met la LED en sortie
• enregistre la fonction setLedState()
• reçoit les appels depuis Linux
• imprime les messages dans la console STM32

📸 Capture code C++ :

🎬 7. Lancement de l’application

• Cliquer sur Run dans App Lab
• La caméra s’allume (LED blanche)
• Le flux vidéo est traité par Edge Impulse sur le Linux
• La détection déclenche la LED pendant 10 secondes

ℹ️ Informations

Projet développé sur :
macOS Tahoe 26.0.1
Arduino App Lab 0.2.0
Arduino UNO Q
Webcam USB + hub USB-C
Projet réalisé en collaboration avec ChatGPT (OpenAI).