串口拓展板一定要用openmv的数据线吗。我换了其他的数据线就检测不到端口

串口拓展板安装上的没有显示新的COM口，驱动也安装了，板子也是新的

!

@kidswong999 有什么办法可以避免这种错误吗，这是什么造成的，不能每次都格式化磁盘吧

'''
>> author: SXF
>> email: [email]songxf1024@163.com[/email]
>> description:
  用LBP特征进行人脸识别，可进行人脸注册、人脸检测与人脸识别
  Pin7高电平一次，触发人脸注册；默认低电平
  UART1（Pin1）输出调试信息
  UART3（Pin4）输出识别结果，当识别成功后，返回“Find It”（可自定义修改），可连接IoT平台
  注：需配备SD卡，最大3支持2G，将main.py等文件放至SD卡根目录后上电
'''

import sensor, time, image #调用传感器，时钟，图片的库
import os, time            #调用Os库用于文件操作
import pyb
from pyb import Pin

red   = pyb.LED(1)    #传递参数“1”给 pyb.LED 控制红色的RGB LED灯段， “2”控制绿色的RGB LED灯段，“3”控制蓝色的RGB LED灯段，“4”控制两个红外灯。
green = pyb.LED(2)
blue  = pyb.LED(3)
infrared = pyb.LED(4)
usart1 = pyb.UART(1, 115200)  #设置串口总线1和3的的输出管脚和波特率
usart3 = pyb.UART(3, 115200)
REGISTER_MODE = 0

sensor.reset()
sensor.set_contrast(1)     #设置相机图像对比度。-3至+3
sensor.set_gainceiling(16)  #相机图像增益上限(2, 4, 8, 16, 32, 64, 128)
sensor.set_pixformat(sensor.GRAYSCALE)   #灰度，每个像素8bit。
sensor.set_framesize(sensor.HQVGA)
sensor.skip_frames(10)           #跳过10张照片，在更改设置后，跳过一些帧，等待感光元件变稳定

Path_Backup = {'path':'', 'id':0}  #设置字符数组
rootpath = "/orl_faces"            #定义根路径
DIST_THRESHOLD = 15000          # 差异度阈值
dangerous="/orl_faces/dangerous"

def debug(strings):               #返回调试结果
    print(strings)
    usart1.write(str(strings)+"\r\n")

def find(face_cascade, img):
    objects = img.find_features(face_cascade, threshold=0.75, scale_factor=1.25)  # 人脸检测，搜索与Haar Cascade匹配的所有区域的图像，并返回一个关于这些特征的边界框矩形元组(x，y，w，h)的列表
    if objects:
        green.on()
        time.sleep(500)
        green.off()
        width_old = 0
        height_old = 0
        index = 0
        for r in objects:  # 寻找最大的face
            if r[2] > width_old and r[3] > height_old:
                width_old = r[2]
                height_old = r[3]
                index += 1
        index -= 1
        #print("index:", index)
        img.draw_rectangle(objects[index])
        d0 = img.find_lbp((0, 0, img.width(), img.height()))
        res = match(d0)
        if res != 0:
            debug(res)
            return 1


def match(d0):  # 人脸识别
    dir_lists = os.listdir(rootpath)  # 路径下文件夹
    dir_num = len(dir_lists)          # 文件夹数量
    debug("*" * 60)
    debug("Total %d Folders -> %s"%(dir_num, str(dir_lists)))

    for i in range(0, dir_num):
        item_lists = os.listdir(rootpath+'/'+dir_lists[i])  # 路径下文件
        item_num = len(item_lists)                          # 文件数量
        debug("The %d Folder[%s], Total %d Files -> %s" %(i+1, dir_lists[i], item_num, str(item_lists)))

        Path_Backup['path'] = rootpath+'/'+dir_lists[i]  # 马上记录当前路径
        Path_Backup['id'] = item_num                     # 马上记录当前文件数量

        for j in range(0, item_num):  # 文件依次对比
            debug(">> Current File: " + item_lists[j])
            try:
                img = image.Image("/orl_faces/%s/%s" % (dir_lists[i], item_lists[j]), copy_to_fb=True)
            except Exception as e:
                debug(e)
                break
            d1 = img.find_lbp((0, 0, img.width(), img.height()))  # 提取特征值
            dist = image.match_descriptor(d0, d1)                 # 计算差异度
            debug(">> Difference Degree: " + str(dist))
            if dist < DIST_THRESHOLD:            #小于阈值
                debug(">> ** Find It! **")
                green.on()
                time.sleep(1000)
                green.off()
                return item_lists[j]  #找到之后返回文件夹编号
    debug(">> ** No Match! **")
    return 0


def register(face_cascade, img):                   #拍摄人脸,mode为0时表示在非拍摄状态
    global REGISTER_MODE
    if find(face_cascade, img) == 1:   #find it
        debug(">> Existing without registration!")
        REGISTER_MODE = 0
        return 0
                                      #not find it
    dir_lists = os.listdir(rootpath)  # 路径下文件夹
    dir_num = len(dir_lists)          # 文件夹数量
    new_dir = ("%s/%d") % (rootpath, int(dir_num)+1)
    os.mkdir(new_dir)                 # 创建文件夹
    cnt = 5  #拍摄5次图片
    while cnt:    #cnt>0
        img = sensor.snapshot()  #拍图片
        objects = img.find_features(face_cascade, threshold=0.75, scale_factor=1.25)  # 人脸检测
        if objects:
            width_old = 0
            height_old = 0
            index = 0
            for r in objects:  # 寻找最大的face
                if r[2] > width_old and r[3] > height_old:
                    width_old = r[2]
                    height_old = r[3]
                    index += 1
            index -= 1
            #print("index:", index)

            item_lists = os.listdir(new_dir)  # 新路径下文件
            item_num = len(item_lists)        # 文件数量
            img.save("%s/%d.pgm" % (new_dir, item_num))  # 写入文件
            debug(">> [%d]Regist OK!" % cnt)
            img.draw_rectangle(objects[index])
            green.on()
            time.sleep(50)
            green.off()
            cnt -= 1
            if cnt==0:
                green.on()
                time.sleep(100)
                green.off()
    REGISTER_MODE = 0

def takephoto(res,face_cascade):
   if res==1:
       dg_dir = ("%s") % (dangerous)
       os.mkdir(dg_dir)                 # 创建文件夹
       num=len(dg_dir)
       for i in range(0,8):
           red.on()  #红灯亮表示一次的开始
           print("About to start detecting faces...")
           sensor.skip_frames(time = 2000) # Give the user time to get ready.设置生效
           red.off()  #红灯灭，开始拍摄
           print("Now detecting faces!")
           blue.on()    #蓝灯亮
           diff = 10 # We'll say we detected a face after 10 frames.
           while(diff):
               img = sensor.snapshot()
                            # Threshold是介于0.0-1.0的阈值，较低值会同时提高检出率和假阳性
                            # 率。相反，较高值会同时降低检出率和假阳性率。
                            # scale是一个必须大于1.0的浮点数。较高的比例因子运行更快，
                            # 但其图像匹配相应较差。理想值介于1.35-1.5之间。
               faces = img.find_features(face_cascade, threshold=0.5, scale_factor=1.5)
               if faces:
                   diff -= 1
                   for r in faces:
                    img.draw_rectangle(r)
           blue.off()
           print("Face detected! Saving image%s"%(dg_dir))
           sensor.snapshot().save("%s/%d.pgm" % (dg_dir,num))# Save Pic.
           num+=1
       dir_num = len(dg_dir)
       if dir_num>80:
         os.remove(dg_dir)






def main():
    global REGISTER_MODE
    try:
        os.mkdir(rootpath)
    except:
        pass
    pin7 = Pin('P7', Pin.IN, Pin.PULL_DOWN)  # 1为注册模式，即拍照存入，即高电平时进行拍摄
    face_cascade = image.HaarCascade("frontalface", stages=25)      #利用haar算子将forntalface模型导入，将一个内置的正脸Haar Cascade载入内存
    #try:
        #face_cascade = image.HaarCascade("/haarcascade_frontalcatface.cascade", stages=25)  # "frontalface"
    #except:
        #face_cascade = image.HaarCascade("frontalface", stages=25)
    print(face_cascade)
    clock = time.clock()
    img = None

    while (True):
        clock.tick()
        img = sensor.snapshot()
        if pin7.value() == 1:   #高电平时设置mode为1进行录入拍摄模式，为低电平时执行else进行查找操作，并串口发出find it
            REGISTER_MODE = 1

        if REGISTER_MODE == 1:
            debug("REGISTER_MODE\r\n")
            register(face_cascade, img)
        else:
            res = find(face_cascade, img)
            if res==1:
                takephoto(res,face_cascade)
                usart3.write("Find It\r\n")



# 程序开始
#debug(os.listdir())
main()

'''
>> author: SXF
>> email: [email]songxf1024@163.com[/email]
>> description:
  用LBP特征进行人脸识别，可进行人脸注册、人脸检测与人脸识别
  Pin7高电平一次，触发人脸注册；默认低电平
  UART1（Pin1）输出调试信息
  UART3（Pin4）输出识别结果，当识别成功后，返回“Find It”（可自定义修改），可连接IoT平台
  注：需配备SD卡，最大3支持2G，将main.py等文件放至SD卡根目录后上电
'''

import sensor, time, image #调用传感器，时钟，图片的库
import os, time            #调用Os库用于文件操作
import pyb
from pyb import Pin

red   = pyb.LED(1)    #传递参数“1”给 pyb.LED 控制红色的RGB LED灯段， “2”控制绿色的RGB LED灯段，“3”控制蓝色的RGB LED灯段，“4”控制两个红外灯。
green = pyb.LED(2)
blue  = pyb.LED(3)
infrared = pyb.LED(4)
usart1 = pyb.UART(1, 115200)  #设置串口总线1和3的的输出管脚和波特率
usart3 = pyb.UART(3, 115200)
REGISTER_MODE = 0

sensor.reset()
sensor.set_contrast(1)     #设置相机图像对比度。-3至+3
sensor.set_gainceiling(16)  #相机图像增益上限(2, 4, 8, 16, 32, 64, 128)
sensor.set_framesize(sensor.HQVGA)   #设置相机模块的帧大小
sensor.set_pixformat(sensor.GRAYSCALE)   #灰度，每个像素8bit。
sensor.skip_frames(10)           #跳过10张照片，在更改设置后，跳过一些帧，等待感光元件变稳定

Path_Backup = {'path':'', 'id':0}  #设置字符数组
rootpath = "/orl_faces"            #定义根路径
DIST_THRESHOLD = 15000  # 差异度阈值

def debug(strings):               #返回调试结果
    print(strings)
    usart1.write(str(strings)+"\r\n")

def find(face_cascade, img):
    objects = img.find_features(face_cascade, threshold=0.75, scale_factor=1.25)  # 人脸检测，搜索与Haar Cascade匹配的所有区域的图像，并返回一个关于这些特征的边界框矩形元组(x，y，w，h)的列表
    if objects:
        green.on()
        time.sleep(500)
        green.off()
        width_old = 0
        height_old = 0
        index = 0
        for r in objects:  # 寻找最大的face
            if r[2] > width_old and r[3] > height_old:
                width_old = r[2]
                height_old = r[3]
                index += 1
        index -= 1
        #print("index:", index)
        img.draw_rectangle(objects[index])
        d0 = img.find_lbp((0, 0, img.width(), img.height()))
        res = match(d0)
        if res != 0:
            debug(res)
            return 1


def match(d0):  # 人脸识别
    dir_lists = os.listdir(rootpath)  # 路径下文件夹
    dir_num = len(dir_lists)          # 文件夹数量
    debug("*" * 60)
    debug("Total %d Folders -> %s"%(dir_num, str(dir_lists)))

    for i in range(0, dir_num):
        item_lists = os.listdir(rootpath+'/'+dir_lists[i])  # 路径下文件
        item_num = len(item_lists)                          # 文件数量
        debug("The %d Folder[%s], Total %d Files -> %s" %(i+1, dir_lists[i], item_num, str(item_lists)))

        Path_Backup['path'] = rootpath+'/'+dir_lists[i]  # 马上记录当前路径
        Path_Backup['id'] = item_num                     # 马上记录当前文件数量

        for j in range(0, item_num):  # 文件依次对比
            debug(">> Current File: " + item_lists[j])
            try:
                img = image.Image("/orl_faces/%s/%s" % (dir_lists[i], item_lists[j]), copy_to_fb=True)
            except Exception as e:
                debug(e)
                break
            d1 = img.find_lbp((0, 0, img.width(), img.height()))  # 提取特征值
            dist = image.match_descriptor(d0, d1)                 # 计算差异度
            debug(">> Difference Degree: " + str(dist))
            if dist < DIST_THRESHOLD:            #小于阈值
                debug(">> ** Find It! **")
                green.on()
                time.sleep(1000)
                green.off()
                return item_lists[j]  #找到之后返回文件夹编号
    debug(">> ** No Match! **")
    return 0


def register(face_cascade, img):                   #拍摄人脸,mode为0时表示在非拍摄状态
    global REGISTER_MODE
    if find(face_cascade, img) == 1:   #find it
        debug(">> Existing without registration!")
        REGISTER_MODE = 0
        return 0
                                      #not find it
    dir_lists = os.listdir(rootpath)  # 路径下文件夹
    dir_num = len(dir_lists)          # 文件夹数量
    new_dir = ("%s/%d") % (rootpath, int(dir_num)+1)
    os.mkdir(new_dir)                 # 创建文件夹
    cnt = 15  #拍摄10次图片
    while cnt:    #cnt>0
        img = sensor.snapshot()  #拍图片
        objects = img.find_features(face_cascade, threshold=0.75, scale_factor=1.25)  # 人脸检测
        if objects:
            width_old = 0
            height_old = 0
            index = 0
            for r in objects:  # 寻找最大的face
                if r[2] > width_old and r[3] > height_old:
                    width_old = r[2]
                    height_old = r[3]
                    index += 1
            index -= 1
            #print("index:", index)

            item_lists = os.listdir(new_dir)  # 新路径下文件
            item_num = len(item_lists)        # 文件数量
            img.save("%s/%d.pgm" % (new_dir, item_num))  # 写入文件
            debug(">> [%d]Regist OK!" % cnt)
            img.draw_rectangle(objects[index])
            green.on()
            time.sleep(50)
            green.off()
            cnt -= 1
            if cnt==0:
                green.on()
                time.sleep(1000)
                green.off()
        REGISTER_MODE = 0

def takephoto(res):
   if res==1:
       dg_dir = ("%s/%s") % (rootpath, dangerous)
       os.mkdir(dg_dir)                 # 创建文件夹
       num=len(dg_dir)
       for i in range(0,8):
           red.on()  #红灯亮表示一次的开始
           print("About to start detecting faces...")
           sensor.skip_frames(time = 2000) # Give the user time to get ready.设置生效
           red.off()  #红灯灭，开始拍摄
           print("Now detecting faces!")
           blue.on()    #蓝灯亮
           diff = 10 # We'll say we detected a face after 10 frames.

           while(diff):
               img = sensor.snapshot()
                            # Threshold是介于0.0-1.0的阈值，较低值会同时提高检出率和假阳性
                            # 率。相反，较高值会同时降低检出率和假阳性率。
                            # scale是一个必须大于1.0的浮点数。较高的比例因子运行更快，
                            # 但其图像匹配相应较差。理想值介于1.35-1.5之间。
               faces = img.find_features(face_cascade, threshold=0.5, scale_factor=1.5)
               if faces:
                   diff -= 1
                   for r in faces:
                    img.draw_rectangle(r)
           blue.off()
           print("Face detected! Saving image%s"%(dg_dir))
           sensor.snapshot().save("%s/%d.pgm" % (dg_dir,num))# Save Pic.
           num+=1
       dir_num = len(dg_dir)
       if dir_num>80:
         os.remove(dg_dir)






def main():
    global REGISTER_MODE
    try:
        os.mkdir(rootpath)
    except:
        pass
    pin7 = Pin('P7', Pin.IN, Pin.PULL_DOWN)  # 1为注册模式，即拍照存入，即高电平时进行拍摄
    face_cascade = image.HaarCascade("frontalface", stages=25)      #利用haar算子将forntalface模型导入，将一个内置的正脸Haar Cascade载入内存
    #try:
        #face_cascade = image.HaarCascade("/haarcascade_frontalcatface.cascade", stages=25)  # "frontalface"
    #except:
        #face_cascade = image.HaarCascade("frontalface", stages=25)
    print(face_cascade)
    clock = time.clock()
    img = None

    while (True):
        clock.tick()
        img = sensor.snapshot()
        if pin7.value() == 1:   #高电平时设置mode为1进行录入拍摄模式，为低电平时执行else进行查找操作，并串口发出find it
            REGISTER_MODE = 1

        if REGISTER_MODE == 1:
            debug("REGISTER_MODE\r\n")
            register(face_cascade, img)
        else:
            res = find(face_cascade, img)
            if res==1:
                takephoto(res)
                usart3.write("Find It\r\n")



# 程序开始
#debug(os.listdir())
main()

如何将视频无线图传的同时保存在本地呢？同时如果内存满了可以及时删除视频么

，连接后也不闪灯，是哪里设置错了吗，刚买回来的