Dapat dijelaskan bahwa video di bawah ini menggunakan ESP32-CAM sebagai masukan sistem berupa gambar realtime, lalu pemrosesnya berupa komputer tablet, dab keluarannya berupa hasil deteksi yakni gambar dan suara.
Menurut wikipedia, computer vision atau penglihatan komputer adalah bidang ilmiah antardisiplin yang membahas bagaimana komputer dapat memperoleh pemahaman tingkat tinggi dari gambar atau video digital. Dari perspektif teknik, bidang ini berupaya mengotomatiskan tugas-tugas yang dapat dilakukan oleh sistem penglihatan manusia. Tugas penglihatan komputer meliputi metode untuk memperoleh, memproses, menganalisis dan memahami gambar digital, dan ekstraksi data dimensi tinggi dari dunia nyata untuk menghasilkan informasi numerik atau simbolis, misalnya, dalam bentuk keputusan. Berikut video demonya