【“星睿O6”AI PC开发套件评测】智能门禁系统

本文介绍了瑞莎星睿 O6 (Radxa Orion O6) 开发板结合 OpenCV 人脸识别和 PWM 舵机控制实现智能门禁系统的项目设计，包括硬件连接、舵机控制、人脸识别、网页前端设计、网页服务器设计、流程图、代码和效果演示等流程。

项目介绍

准备工作：硬件连接、OpenCV 安装、人脸识别模型、训练图像等；
舵机控制：PWM输出、转速和角度控制、代码、效果等；
门禁系统：文件目录、流程图、代码、效果等。

准备工作

包括硬件连接、虚拟环境创建、OpenCV 安装、模型获取、图像训练等。

硬件连接

使用 HDMI 数据线连接显示屏（也可使用 VNC 或 SSH 远程登录）；
USB 接口连接鼠标键盘；
网线连接 LAN 接口和路由器（或 WiFi 模块连接无线网）；
使用 PD 电源供电（或 ATX 电源供电）；

根据板载 40pin 引脚定义，驱动舵机使用支持 PWM 的物理引脚 11，对应 GPIO 编号 95；

详见：硬件信息 | Radxa Docs .

将舵机的信号线与 GPIO95 连接

O6	SG90	Description
GPIO95 (Pin11)	S	Signal
5V (Pin2)	5V	Power supply
GND (Pin6)	GND	Ground

OpenCV 安装

创建并激活虚拟环境

mkdir ~/cv && cd ~/cv    # 创建 cv 文件夹，便于管理
python3 -m venv venv     # 创建虚拟环境 venv
source venv/bin/activate # 激活虚拟环境 venv

安装 numpy 和 opencv

pip install -U pip numpy                          # 安装 numpy
pip install opencv-python opencv-contrib-python   # opencv 主模块及 contrib

验证安装

python3 -c "import cv2,sys,numpy;print('OpenCV:',cv2.__version__,'NumPy:',numpy.__version__)"

人脸识别

OpenCV 注册并训练目标人脸，使用 YuNet 模型检测人脸，结合 sface 模型识别人脸。

详见：opencv_zoo/models/face_recognition_sface · GitHub .

模型获取

下载所需模型文件；

wget https://github.com/opencv/face_detection_yunet_2023mar.onnx
wget https://github.com/opencv/face_recognition_sface_2021dec.onnx

将文件存放在 ./model 路径

参考：SFace Recognition | Github .

训练图片

将目标人脸图片裁剪至合适大小；
文件名为对应的人名；
置于 ./face 文件夹。

舵机控制

使用板载 40pin 引脚接口的 PWM 功能，实现 SG90 舵机驱动，并控制旋转速度和角度。

代码

终端执行指令 touch servo360.py 新建程序文件并添加如下代码

import sys, time
import RPi.GPIO as GPIO

GPIO_PIN  = 95
FREQ      = 50
CENTER    = 7.5
RANGE     = 2.5

# --------- Parameters ---------
SPEED_DPS = 480              # 实测：每秒 480 度
PWM_DEAD  = 0.05             # 停转
# ----------------------------

def duty(speed):
    return CENTER + max(-1, min(1, speed)) * RANGE

def rotate(target_deg, speed=1.0):
    """
    target_deg : 角度，负值反转
    speed      : 0~1，默认全速
    """
    if not target_deg:
        return
    direction = 1 if target_deg > 0 else -1
    run_speed = speed * direction
    run_time  = abs(target_deg) / (SPEED_DPS * speed)   # 时长

    pwm = GPIO.PWM(GPIO_PIN, FREQ)
    pwm.start(0)
    pwm.ChangeDutyCycle(duty(run_speed))
    time.sleep(run_time)
    pwm.ChangeDutyCycle(CENTER)   # 停
    time.sleep(PWM_DEAD)
    pwm.stop()

if __name__ == '__main__':
    if len(sys.argv) < 2:
        print("缺少角度"); sys.exit(1)
    deg = float(sys.argv[1])

    GPIO.setmode(GPIO.BCM)
    GPIO.setup(GPIO_PIN, GPIO.OUT)
    try:
        rotate(deg)
    finally:
        GPIO.cleanup()

保存代码。

效果

终端执行指令 python3 servo360.py 90 舵机逆时针转动 90 度。

门禁系统

在人脸识别和舵机控制的基础上，实现门禁系统的项目设计，包括文件目录、流程图、代码、效果演示等。

文件目录

~/AI/FaceRecognition $ tree
.
├── access.names
├── app.py
├── face
│   ├── Arnold.jpg
│   ├── Clarke.jpg
│   ├── Perry.jpg
│   └── Robert.jpg
├── model
│   ├── face_detection_yunet_2023mar.onnx
│   ├── face_recognition_sface_2021dec.onnx
│   └── face_registry.pkl
├── static
│   └── result.jpg
└── templates
    └── index.html

代码

包含三个代码文件，./access.names 为白名单，./app.py 为 flask 服务器后端，./templates/index.html 为网页前端。

Flask 后端

终端执行 touch app.py 新建网页服务器后端程序文件，并添加如下代码

#!/usr/bin/env python3
import os, cv2, numpy as np, pickle, time
from pathlib import Path
from flask import Flask, request, jsonify, render_template, url_for
import RPi.GPIO as GPIO
import threading

PIN_SERVO = 18
FREQ      = 50
GPIO.setmode(GPIO.BCM)
GPIO.setup(PIN_SERVO, GPIO.OUT)
pwm = GPIO.PWM(PIN_SERVO, FREQ)
pwm.start(0)

# 读取白名单
ACCESS_LIST = set(line.strip() for line in open('access.names') if line.strip())

# ---------- 人脸模型 ----------
detector   = cv2.FaceDetectorYN_create("model/face_detection_yunet_2023mar.onnx", "", (320, 320))
recognizer = cv2.FaceRecognizerSF_create("model/face_recognition_sface_2021dec.onnx", "")
registry   = pickle.loads(Path("model/face_registry.pkl").read_bytes()) if Path("model/face_registry.pkl").exists() else {}

def rotate(angle, speed=480):
    duty = 2.5 if angle > 0 else 12.5
    pwm.ChangeDutyCycle(duty)
    time.sleep(abs(angle) / speed)
    pwm.ChangeDutyCycle(0)

def door_cycle():
    rotate(90); time.sleep(3); rotate(-90)   # 门禁控制

# ---------- Flask ----------
app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/upload', methods=['POST'])
def upload():
    file = request.files['image']
    img  = cv2.imdecode(np.frombuffer(file.read(), np.uint8), cv2.IMREAD_COLOR)
    h, w = img.shape[:2]
    detector.setInputSize((w, h))
    faces = detector.detect(img)[1]
    name, score = "Unknown", 0.0
    if faces is not None:
        face = faces[0]
        aligned = recognizer.alignCrop(img, face)
        feat    = recognizer.feature(aligned)
        for reg_name, reg_feat in registry.items():
            s = recognizer.match(feat, reg_feat, cv2.FaceRecognizerSF_FR_COSINE)
            if s > score:
                score, name = s, reg_name
        if score < 0.3:          # 识别阈值
            name = "Unknown"

    # 门禁动作
    if name != "Unknown" and name in ACCESS_LIST:
        threading.Thread(target=door_cycle, daemon=True).start()
        tip = f"{name} 请通行"
    else:
        tip = f"{name} 无权限，拒绝通行"

    # 保存识别结果
    if faces is not None:
        x, y, w_box, h_box = map(int, face[:4])
        cv2.rectangle(img, (x, y), (x + w_box, y + h_box), (0, 255, 0), 2)
        cv2.putText(img, f"{name}:{score:.2f}", (x, y - 6),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
    out_path = "./static/result.jpg"
    cv2.imwrite(out_path, img)

    return jsonify(name=name, score=round(score, 3), tip=tip,
                   result_url=url_for('static', filename='result.jpg'))

# ---------- 退出 ----------
import atexit
atexit.register(lambda: (pwm.stop(), GPIO.cleanup()))

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=False)