因为我的openmv不是plus的，所以无法训练模型

就是在执行这一段过程中，最后不是输出一个num，在摄像头识别后，没有人脸（自然环境，墙壁等）或者有人脸（但是跟存着的人脸数据不匹配）。但是他们最后输出的差异度pmin值数据都差不多，所以num值不好变动，有没有什么办法将有人脸存在和无人脸存在分开呢？

具体就是串一个数据给STM32,因为num是一个变量，每次运行结果不同，num的值也不同，如果以字节形式bytearray传，在32上没反应，用上面的传就可以，上面的代码是传输字符串吗？是的话，还有其他的传输字符串的代码吗？

output_str="%.0f" %num
uart.write(output_str)

这个星瞳科技的扫码例程可以传输数据给32，上面那个分辨人脸的例程传输不了，这是为什么呢，不是只多了一个数据传输吗，32那边程序都没变

import sensor, image, time
from pyb import UART

uart = UART(3, 115200)
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QQVGA) # can be QVGA on M7...
sensor.skip_frames(30)
sensor.set_auto_gain(False) # must turn this off to prevent image washout...
while(True):
    img = sensor.snapshot()
    img.lens_corr(1.8) # strength of 1.8 is good for the 2.8mm lens.
    for code in img.find_qrcodes():
        print(code)
        
        
        FH= bytearray([0xb3,0xb3])
        uart.write(FH)
        uart.write(code.payload())
        FH = bytearray([0x0d,0x0a])
        uart.write(FH)
        time.sleep_ms(1000)

这段代码基本上是使用的星瞳科技的分辨不同人脸例程，多了一个串口发送数据，然后让STM32接收。
STM32那边同样的程序，用星瞳科技扫码例程能显示，为什么这个显示不了呢，其实也就是发送的数据不一样嘛，这是为什么呢，是32那边的问题，还是OpenMV这边的问题呢

import sensor, time, image, pyb
import ustruct
from pyb import Pin
from pyb import UART

uart = UART(3, 115200)
sensor.reset()                          # Initialize the camera sensor.
sensor.set_pixformat(sensor.GRAYSCALE) # or sensor.GRAYSCALE
sensor.set_framesize(sensor.B128X128) # or sensor.QQVGA (or others)
sensor.set_windowing((92,112))
sensor.skip_frames(10)
sensor.skip_frames(time = 5000) #等待5s

RED_LED_PIN = 1
p_in1 = Pin('P7', Pin.IN, Pin.PULL_UP)    #定义p7,p8,p9三个引脚为输入，加上一个上拉电阻
p_in2 = Pin('P8', Pin.IN, Pin.PULL_UP)
a=p_in1.value()       #用a,b获取p7,p8两个引脚的值
b=p_in2.value()
NUM_SUBJECTS = 6 #图像库中不同人数，一共6人
NUM_SUBJECTS_IMGS = 20 #每人有20张样本图片
while(True):
    NUM_SUBJECTS = 6 #图像库中不同人数，一共6人
    NUM_SUBJECTS_IMGS = 20 #每人有20张样本图片

    # 拍摄当前人脸。
    img = sensor.snapshot()
    #img = image.Image("singtown/%s/1.pgm"%(SUB))
    d0 = img.find_lbp((0, 0, img.width(), img.height()))
    #d0为当前人脸的lbp特征
    img = None
    pmin = 999999
    num=0
    def min(pmin, a, s):
        global num
        if a<pmin:
            pmin=a
            num=s
        return pmin
    for s in range(1, NUM_SUBJECTS+1):
        dist = 0
        for i in range(2, NUM_SUBJECTS_IMGS+1):
            img = image.Image("singtown/s%d/%d.pgm"%(s, i))
            d1 = img.find_lbp((0, 0, img.width(), img.height()))
            #d1为第s文件夹中的第i张图片的lbp特征
            dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
        #print("Average dist for subject %d: %d"%(s, dist/NUM_SUBJECTS_IMGS))
        pmin = min(pmin, dist/NUM_SUBJECTS_IMGS, s)#特征差异度越小，被检测人脸与此样本更相似更匹配。
        #print(pmin)
        if(pmin>8000):
            num=9
    print(num)  #num为当前最匹配的人的编号。

    data = bytearray([0x0b,0x0b,num,0x0d,0x0a])
    uart.write(data)