树莓派的OpenCV的人脸识别开锁

文档结尾有代码下载链接

🎯 实现效果

• 场景 1：“主人” 面对摄像头→ 屏幕显示 “已识别：主人”，绿色框框选人脸，继电器通电，门锁打开；
  

• 场景 2：陌生人面对摄像头→ 屏幕显示 “陌生人”，红色框框选人脸，继电器保持关闭，门锁不动；
  

• 场景 3：无一人→ 屏幕显示 “未检测到人脸”，继电器关闭。

• 退出程序：按键盘 “q” 键，程序自动释放摄像头、关闭继电器，安全退出。

🌟 系统组成

• 树莓派主板：树莓派4或树莓派5都可以；
• 摄像头模块：选择USB摄像头；
• 显示屏：小尺寸HDMI显示屏可实时显示识别信息；
• 网络模块：树莓派4和5自带WiFi/以太网，确保设备能连接互联网，用于数据上传；
• 电源：5V/3Amicro-USB电源，保证树莓派稳定运行，避免因供电不足导致识别中断。
• 继电器模块：5V 单路继电器控制门锁（电磁锁 / 舵机门锁）。

🌟 驱动思路

1.初始化配置

• 继电器配置：选用LGPIO驱动 GPIO,固定RELAY_BCM_PIN=17,设置初始值为False,用OutputDevice封装继电器操作，简化 “开 / 关 / 释放” 逻辑。
• 人脸识别配置：TARGET_FACE_ID=1：与前期 “样本采集程序” 的目标 ID 严格一致；CONFIDENCE_THRESHOLD=90：LBPH 模型的置信度阈值（注：LBPH 置信度越小表示匹配度越高，90 是平衡 “严格性与容错性” 的常用值 —— 既避免陌生人误触发，也允许目标人脸因光照、角度轻微变化导致的置信度波动）；MODEL_PATH：指向前期训练好的模型文件（若模型缺失则直接退出，避免无意义运行）。
• 中文显示配置：通过PIL将 OpenCV 帧转为 RGB 格式，用ImageDraw绘制中文，再转回 BGR 格式；

2.摄像头捕获

(1). 多线程分工

• 后台线程_reader：持续调用摄像头cap.read()采集帧，若队列满则丢弃旧帧（只保留最新 3 帧，maxsize=3），避免帧堆积导致延迟；
• 主线程read()：从队列中获取最新帧，无需等待摄像头采集，确保后续人脸检测、识别流程流畅。

(2). 资源控制

• 设线程为daemon=True：主程序退出时后台线程自动终止，避免资源泄漏；
• 提供terminate()方法：统一释放摄像头资源，配合后续 “程序退出时的资源清理”。

🌟 5.树莓派上部署运行

a. 搭建环境（树莓派端）

• 先安装所有依赖库，打开终端输命令安装。

b. 采集人脸样本，训练识别模型

• 创建样本文件夹：在树莓派上新建faceImage文件夹，放入 20 张以上 “主人” 的人脸照片（建议不同角度、光照，保证样本多样性）。
• 运行样本训练脚本：执行之前的LBPH.py，脚本会自动从照片中提取人脸、标准化处理，最终生成target_face_model.yml模型文件（若样本不足 20 个，建议补充后再训练，提高识别准确率）。
• 验证模型：脚本运行成功后，项目文件夹中会出现模型文件，说明 “主人” 的人脸特征已被记录。

c. 核心代码部署

• 注意修改 3 个关键参数：
• RELAY_BCM_PIN：继电器连接的树莓派 BCM 引脚（如 17，需与硬件接线一致）；
• TARGET_FACE_ID：与样本训练时的 ID 保持一致（默认 1）；
• MODEL_PATH：指向训练好的target_face_model.yml路径。

d. 硬件接线

• 继电器 “VCC”→ 树莓派 5V 引脚；
• 继电器 “GND”→ 树莓派 GND 引脚；
• 继电器 “IN”→ 树莓派 BCM 引脚
• 摄像头连接：USB 摄像头直接插树莓派 USB 口

E. 启动程序

• 在终端执行命令，启动人脸识别开锁系统：若是使用虚拟python，则需先进入虚拟环境再运行。
  python3 OpenCVFace.py
  

🎯 程序代码

OpenCVFace.py

# -*- coding: utf-8 -*-
import cv2
import queue  
import threading  
import time  
from gpiozero import OutputDevice
from gpiozero.pins.lgpio import LGPIOFactory  
from PIL import Image, ImageDraw, ImageFont  
import numpy as np  

#虚拟环境下安装 pip install lgpio
# -------------- 初始化配置 --------------
# 继电器配置
RELAY_BCM_PIN = 17
lgpio_factory = LGPIOFactory()
relay = OutputDevice(
    RELAY_BCM_PIN, 
    active_high=True, 
    initial_value=False,
    pin_factory=lgpio_factory
)

# 人脸识别核心配置
TARGET_FACE_ID = 1  # 与样本采集时的ID一致
CONFIDENCE_THRESHOLD = 90  # 置信度阈值（越小越严格，建议70-90）
MODEL_PATH = "./target_face_model.yml"  # 训练好的模型路径

# 中文显示函数（复用原有逻辑）
def draw_chinese_text(img, text, position, color=(0, 255, 0), size=20):
    img_pil = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    draw = ImageDraw.Draw(img_pil)
    font_paths = [
        "/usr/share/fonts/truetype/wqy/wqy-microhei.ttc",
        "/usr/share/fonts/truetype/simhei/simhei.ttf",
        ImageFont.load_default()
    ]
    font = None
    for path in font_paths:
        try:
            font = ImageFont.truetype(path, size, encoding="utf-8")
            break
        except:
            continue
    draw.text(position, text, color, font=font)
    return cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)


# -------------- 摄像头捕获类（复用原有逻辑） --------------
class VideoCapture:
    def __init__(self, camera_id):
        self.cap = cv2.VideoCapture(camera_id)
        self.cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
        self.cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
        self.q = queue.Queue(maxsize=3)
        self.stop_threads = False    
        th = threading.Thread(target=self._reader)
        th.daemon = True             
        th.start()

    def _reader(self):
        while not self.stop_threads:
            ret, frame = self.cap.read()
            if not ret:
                break
            if not self.q.empty():
                try:
                    self.q.get_nowait() 
                except queue.Empty:
                    pass
            self.q.put(frame)

    def read(self):
        return self.q.get()
    
    def terminate(self):
        self.stop_threads = True
        self.cap.release()


# -------------- 主程序 --------------
if __name__ == "__main__":
    print(f"OpenCV版本: {cv2.__version__}")
    
    # 1. 初始化摄像头
    cap = VideoCapture(0)
    if not cap.cap.isOpened():
        print("❌ 无法打开摄像头")
        cap.terminate()
        relay.off()
        relay.close()
        exit()
    
    # 2. 加载人脸检测器和识别模型
    # 人脸检测器（检测是否有人脸）
    face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')
    if face_cascade.empty():
        print("❌ 无法加载人脸分类器")
        cap.terminate()
        relay.off()
        relay.close()
        exit()
    # 人脸识别模型（判断是否为指定人脸）
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    try:
        recognizer.read(MODEL_PATH)
    except:
        print(f"❌ 无法加载模型文件，请先运行样本采集程序生成 {MODEL_PATH}")
        cap.terminate()
        relay.off()
        relay.close()
        exit()
    print("✅ 模型加载成功，开始指定人脸检测（按'q'退出）")
    
    # 3. 创建显示窗口
    cv2.namedWindow("人脸开锁系统", cv2.WINDOW_NORMAL)
    cv2.resizeWindow("人脸开锁系统", 680, 500)
    
    try:
        while True:
            frame = cap.read()
            if frame is None:
                print("⚠️ 未获取到摄像头帧")
                time.sleep(0.1)
                continue
            
            # 4. 检测人脸（先找画面中的人脸位置）
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray, 1.1, 5)
            
            # 5. 人脸识别与继电器控制
            relay_status = "关闭"  # 继电器状态
            face_status = "未检测到人脸"  # 人脸状态（显示用）
            
            if len(faces) > 0:
                # 对每个检测到的人脸进行识别（默认只处理单张人脸）
                x, y, w, h = faces[0]
                # 提取人脸区域（灰度图，与训练样本尺寸一致）
                face_roi = cv2.resize(gray[y:y+h, x:x+w], (100, 100))
                # 识别：返回（匹配的ID，置信度），置信度越小匹配度越高
                predicted_id, confidence = recognizer.predict(face_roi)
                
                # 判断是否为指定人脸
                if predicted_id == TARGET_FACE_ID and confidence < CONFIDENCE_THRESHOLD:
                    relay.on()
                    relay_status = "打开"
                    #face_status = f"已识别：主人（置信度：{confidence:.1f}）"
                    face_status = f"已识别：主人"
                    box_color = (0, 255, 0)  # 匹配成功：绿色框
                else:
                    relay.off()
                    relay_status = "关闭"
                    #face_status = f"陌生人（置信度：{confidence:.1f}）"
                    face_status = f"陌生人"
                    box_color = (0, 0, 255)  # 匹配失败：红色框
                
                # 绘制人脸框
                cv2.rectangle(frame, (x, y), (x+w, y+h), box_color, 2)
            
            # 6. 绘制状态文字
            frame = draw_chinese_text(frame, f"继电器状态：{relay_status}", (10, 30), (0, 255, 0), 25)
            frame = draw_chinese_text(frame, face_status, (10, 70), (0, 255, 255), 25)
            
            # 7. 显示画面
            cv2.imshow("人脸开锁系统", frame)
            
            # 按q退出
            if cv2.waitKey(1) & 0xFF == ord('q'):
                break
    finally:
        # 释放资源
        cap.terminate()
        cv2.destroyAllWindows()
        relay.off()
        relay.close()
        print("✅ 程序退出，资源已释放")

🎯 代码下载链接

https://download.csdn.net/download/qq_41954594/92211413