这篇文章将为大家详细讲解有关raspberry pi代码如何实现人脸识别开锁应用,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
1. 背景
帮朋友实现了一个人脸识别进行开锁的功能,用在他的真人实景游戏业务中。几个月来运行稳定,体验良好,借着此次宅家的时间,整理一下这个应用的实现过程。
总的来说需求描述简单,但由于约束比较多,在架构与选型上还是花了些心思。2. 部署效果由于该游戏还在线上服务中,此处就不放出具体操作的视频了。部署效果如下图所示:
玩家发现并进入空间后,在显示屏看到自己在当前场景出镜的实时画面。
玩家靠近观察时,捕获当前帧进行人脸识别,实时画面中出现水印字幕“认证中”
人脸认证失败时,实时画面水印字幕变更为“认证失败”,字幕维持2秒后消失,恢复初始状态。玩家继续寻找游戏线索,重新进行认证。
人脸认证成功时,实时画面水印字幕变更为“认证成功”,并弹开保险箱门。进入后续游戏环节。
需求提出时比较明确,核心逻辑不复杂。
人脸识别:通过人脸识别进行鉴权。
开锁管理:通过鉴权则打开箱门,未通过则保持锁定。
反馈提示:需要有实时视频反馈,指引明确,便于优化玩家体验。
2. 约束说明
毕竟是生意,所以在商言商,对实用性和成本要求很高,关键是不要影响游戏过程,同时保证玩家体验。
低成本:需要低建设成本,低维护成本。
易维护:对维护人员技术水平要求低,出现软硬件故障时,任意店员可以快速恢复。
高可靠:识别准确率高,容错能力强,系统持续运行中故障率低。
有限空间:整套系统在去除显示屏、电磁锁、保险箱后,其它结构实施空间不能超过20cm*15cm*15cm 体积。
采光不足:实景空间小,有顶光无侧光,曝光时间较长。
通用供电:只提供5V、12V两种直流电接口。
并行处理:鉴权流程与反馈流程并行,鉴权过程中,反馈系统不能出现中断、阻塞等情况,使玩家有明显的中断、卡死体验。
弱网络环境:由于房间隔断多,网络共用,所以网速有限,有突发延迟情况。
可能的架构方案有多种(不同方案间的比较,在文末进行),下面展开说明一下最终上线的方案。
流程与效果,请参考前文“玩家体验” 部分内容。
a. 腾讯云密钥对
修改配置文件,用于适配腾讯云账号切换功能(测试账号/正式账号)。
b. 人员库ID
修改配置文件,用于指定不同人员库(测试库/正式库)。
c. 水印提示
更换对应图片,实现更换水印。使用图片管理,而不是文字配置的原因,是由于图片配置模式无需字库支持,无需配置显示大小,易于图案嵌入。由于所见即所得,对维护人员要求低。
d. 关机选项
可配置任务完成后,是否自动关机。用于游戏环境复位准备,减少复位工作量。
a. 系统运营管理
场景启动时,统一上电。认证通过后,自动关机,完成复位。
b. 故障处理
软硬件故障:无法开机、可开机无显示、可开机显示系统异常,可开机未知异常等等,更换树莓派或其它硬件。网络故障:正常运行,无法认证,可查网络+查云日志,解决网络问题;云产品异常:运行4个月,未发生过,可以忽略,如发生则联系云售后;
硬件成本:500~600元。
备件成本:按1:1备件,500~600元。
运行成本:云端0元,使用免费额度;电费网费,忽略不计。
树莓派:终端主控摄像头:视频输入传感器:超声波测距显示屏:视频输出继电器:控制电磁锁电磁锁:控制保险箱门
(2)关键特性
图片识别:使用图片识别,而非视频流,减少对网络带宽要求。识别要求低:欠曝光照片也有高识别率。触发识别:玩家在场景内活动时间长,触发模式避免了高频认证、误开锁情况,同时降低认证成本。测距选型:超声波传感器技术成熟,成本低(3元);激光传感器成本高(30元)多进程:视频处理与监测鉴权由两个进程实现,避免了阻塞等情况,同时使用进程间通信,实现可靠交互。
2. 系统搭建
(1) 腾讯云配置
a. 注册账号
按文档指引,获取API密钥
b. 配置人脸识别
访问官网控制台,通过“新建人员库->创建人员->上传照片”,建立认证基础。其中所使用的“人员库ID”是关键信息,用于后续API调用识别时,指定认证动作匹配的人员库。注:由于此案例只识别一个人员,无需对人员ID进行匹配,故不用指定人员ID。
(2)树莓派配置
a. 安装系统访问 http://www.raspberrypi.org 获取镜像,并进行安装。注意必须安装桌面版,否则需要单独管理HDMI输出。
b. 配置网络进入命令行,执行 "raspi-config",选择"Network Options",配置WiFi接入点。为了固定IP,编辑 /etc/dhcpcd.conf 文件,添加配置信息。
# 具体内容请参考你的本地网络规划 interface wlan0 static ip_address=192.168.0.xx/24 static routers=192.168.0.1 static domain_name_servers=192.168.0.1 192.168.0.2
c. 安装腾讯云SDK
参考指引文档,安装调用腾讯云API的依赖库。
sudo apt-get install python-pip -y pip install tencentcloud-sdk-python
d. 安装图像处理库系统默认安装python2.7,但没有 opencv 库,需要安装。(下载包体积较大,默认源为国外站,比较慢。树莓派改国内源方法,请自行百度,并挑选离自己近的源站)
sudo apt-get install libopencv-dev -y sudo apt-get install python-opencv -y
e. 部署代码
访问github获取源码,将src文件夹内容,复制到 /home/pi/faceid 下。更改 /home/pi/faceid/config.json 中的配置信息,必须改为你的 云API密钥(sid/skey)、人员库ID(facegroupid),其它配置按需调整。
f. 配置自启动需要配置图形界面自启动,保证视频输出由HDMI接口输出至显示屏,编辑 /home/pi/.config/autostart/faceid.desktop 写入如下内容
Type=Application Exec=python /home/pi/faceid/main.py
树莓派GPIO图示:
CSI接口
b. 超声波传感器
TrigPin:BCM-24 / GPIO24
EchoPin:BCM-23 / GPIO23
VCC :接5V
GND :接GND
c. 继电器4引脚侧 接 树莓派GPIO引脚
VCC :接5V
GND/RGND :接GND
CH1 : BCM-12 / GPIO12
3端口侧 接 电磁锁
初始状态为电磁锁接常闭端。
继电器原理请参考 3.3.4 硬件相关 部分。
完成上述工作后,接电启动系统,本地反馈查看显示屏,云端识别结果可查看系统日志。
# 监测鉴权进程-主进程 获取应用配置(API ID/Key 等) 初始化GPIO引脚(准备控制 传感器、继电器) 启动视频管理进程(辅进程) 循环开始: if not 测距达到触发标准: continue 与辅进程通信(捕获当前帧,并存入指定路径,并添加“认证中”水印) 调用云API,使用该帧图片人脸识别 if 识别成功: 与辅进程通信(变更水印为“认证成功”) 等待5秒 关机 或 继续运行(由config.json中 su2halt 字段指定) else: 与辅进程通信(变更水印为“认证失败”) 等待2秒 与辅进程通信(清除水印) # 视频管理进程-辅进程 初始化摄像头 循环开始: 取帧 取进程间共享队列 按消息进行不同操作(帧图像保存/加不同水印/不处理) 输出帧
a. 实时视频如上文伪代码所示,通过逐帧处理,并连续输出,显示实时视频。
b. 触发识别
测距传感器确认物体靠近,且0.3秒内距离变化小于2cm,确认为待认证状态。再延时0.3秒,进行图像帧捕获。再次延时的原因是物体停止时,会有扭转、微调等动作,若直接取帧,会由于采光不足(上文提到的约束)出现模糊情况,所以再次延时,确保捕获稳定图像。
c. 人脸识别
请参考文档介绍。
a. 水印原理
opencv中,提供了多种图像处理函数,如:图文处理(图加字)、图图处理(图间加/减/乘/除/位运算)等等。通过不同的处理方式,可以实现 底图加字、底图加图、掩膜处理等等多种效果。本案例中使用的是基于位运算的掩膜处理方式。
b. 水印图片
为了便于维护和更新,本案例中使用图片做为水印来源,避免字库约束,也增大了灵活性,易于在水印中增加图形,并以分辨率直接定义水印大小,所见即所得。默认水印图片为白底黑字。
c. 水印处理逻辑
为突出水印的浮动效果,将水印图片中的黑色区域透明化后,叠加到原始图片中。由于字体透明效果,水印字体颜色随基础视频变化,效果比较明显。源码说明
# img1为当前视频帧(底图),img2为已读取水印图 def addpic(img1,img2): # 关注区域ROI-取底图中将被水印图编辑的图像 rows, cols = img2.shape[:2] roi = img1[:rows, :cols] # 图片灰化-避免水印图非纯黑纯白情况 img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 生成掩膜-过滤浅色,位运算取非 ret, mask = cv2.threshold(img2gray, 220, 255, 3) #cv2.THRESH_BINARY mask_inv = cv2.bitwise_not(mask) # 生成水印区图像-底图裁出字体部分,生成水印区最终图像,替换原图水印区 img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv) dst = cv2.add(img1_bg, img2) img1[:rows, :cols] = dst return img1
(4)硬件相关
a. 超声波测距
超声波传感器(4引脚:VCC、Trig、Echo、GND),Trig端输出一个大于10μs的高电平,激活发出超声波,并在收到反射波后,Echo端会输出一个持续高电平,持续时间就是“发波至收波”的时间。即:测距结果(米)=Echo端高电平时长*340米/2
b. 继电器
使用的5V继电器模块有双侧接线,一侧为供电与信号(4引脚,兼容3.3V信号),一侧为通路开闭管理(3端口)。继电器在“通路管理侧”实现了一个“单刀双开关”的模式,通过“供电与信号”侧“CH1引脚”的高低电平,控制单刀的方向。在安装过程中,电磁锁供电默认接继电器常闭端,对继电器给出信号后,继电器切换到常开端,则电磁锁断电开锁.
c. GPIO
GPIO(General-purpose input/output 通用输入输出),以引脚方式提供硬件间的联系能力。树莓派 3B+,有40个GPIO引脚(请参考 3.2.3 硬件接线 中的参考图示),树莓派官方操作系统 Raspbian 下,可以使用系统默认安装的 python 中 RPi.GPIO 库,进行操作。
关于raspberry pi代码如何实现人脸识别开锁应用就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。