大家好，我是何三，独立开发者
最近刷到乐鑫（Espressif）刚开源的一个项目，叫 ESP-Vision。
看完我就愣住了。
怎么说呢，就是……就是那种"你小子怎么不早开源"的感觉。
这东西干的事很简单：在几十块钱的 ESP32-P4 芯片上跑计算机视觉。人脸检测、物体识别、视频推流，一条龙。而以前你要做同样的事，至少得买块树莓派（¥300+）或者 Jetson Nano（¥1000+）。
成本直接砍到十分之一，甚至二十分之一。
而且它还能在浏览器里写代码、编译、烧录一条龙。对，你没看错——Web IDE。
为什么以前嵌入式视觉这么折腾？
说白了，传统玩法是这样的：你得先配一套 C/C++ 交叉编译环境，折腾半天才能让摄像头输出一帧画面。然后自己手撸 AI 推理代码，再想办法把视频流推出去。整个过程下来，光环境配置就能劝退一半的人。
ESP-Vision 的思路不一样。
它把摄像头采集、图像处理、视频编解码、网络传输、AI 推理这些东西——全部封装成统一的 Python API。你要做的就是：
from esp_vision import Camera, AI, Stream
# 开摄像头
cam = Camera()
# 人脸检测
result = cam.detect('face')
# 视频推流
Stream(cam).start()
对，就三行。三行代码，摄像头开了，AI 跑了，视频推到浏览器了。
之前有个朋友跟我吐槽，说他用 C 写摄像头驱动，光调 MIPI 接口就花了两个星期。我说你看看这个，他看完沉默了。
说实话，ESP32-P4 这颗芯片本身也挺有意思的。它是乐鑫目前最强的 SoC，带了一个叫 ESP-DL 的深度学习加速单元，专门优化边缘端的推理性能。不是简单地用 CPU 硬算，而是有硬件加速的。
原理大概是这样——我也没完全搞懂所有细节——就是它把常见的 CNN 算子（卷积、池化、全连接）在硬件层面做了优化，跑 MobileNet 这类轻量模型的时候，帧率能做到实时。有懂的大佬欢迎指正。
说到这我突然想到一个事儿。
前阵子我折腾 Home Assistant 的摄像头接入，想给门口的猫做个自动识别。搞来搞去，树莓派连着 USB 摄像头，功耗 5W，还得配个散热片。现在想想，要是用 ESP-Vision，一个指甲盖大的芯片就能搞定，功耗不到 1W，直接焊到门禁上就行了……这差距，啧。
上手试试？
你只需要一块 ESP32-P4X-EYE 开发板（乐鑫官方出的，几十块钱），然后执行：
git clone --recursive https://github.com/espressif/esp-vision.git esp-vision
cd esp-vision
idf.py --board ESP32_P4X_EYE -p /dev/ttyACM0 build flash monitor
编译烧录一气呵成。接上摄像头，就能看到实时的人脸检测画面了。
如果你不想装任何环境，乐鑫还搞了个 Web IDE（ide.vision.espressif.com），浏览器里打开就能写代码、编译、烧录。这个我是真的吹爆——以前搞嵌入式哪见过这阵仗？
说到同类工具，如果你对边缘 AI 感兴趣，我之前还写过一篇关于 OpenCV 新版本 的文章，在 PC 端做视觉处理还是得靠它。关注后回复「工具」可以获取完整合集。
另外如果你做 IoT 比较多，乐鑫的 ESP-RainMaker 也值得看看，搞设备联网挺方便的。
项目地址在这里，自己去 Star 一下：
GitHub: https://github.com/espressif/esp-vision 文档: https://docs.espressif.com/projects/esp-vision/zh_CN/latest/
这项目才刚开源没多久，Star 数还不高，但乐鑫的团队更新很勤快。趁早入手，等火起来你就是第一批玩家了。
装不装都行，看你自己需求。但如果你刚好有个摄像头吃灰，手里又有块 ESP32 开发板——别犹豫了，干就完了。
本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用
