一、项目概述
1.1 项目目标和用途
本项目旨在开发一个智能门禁安防系统，该系统利用摄像头和人脸识别技术，结合本地人脸库，实现对进出人员的自动识别和管理。系统能够实时记录进出人员的信息，并对未注册人员进行警报提示。通过与物联网平台的集成，用户可以远程监控和管理门禁系统，提升安全性和管理效率。
1.2 解决的问题和价值
传统的门禁系统往往依赖于钥匙或密码，存在安全隐患和管理不便的问题。本项目通过人脸识别技术，解决了以下问题：
-
安全性：有效防止未授权人员进入，提高安全防护级别。
-
便捷性：无需携带钥匙或记住密码，提升用户体验。
-
数据管理：自动记录进出人员信息，便于后续查询和管理。
二、系统架构
2.1 系统架构设计
系统架构主要由以下几个部分组成：
-
摄像头模块：负责实时采集视频流。
-
人脸识别模块：使用OpenCV进行人脸检测和识别。
-
数据库模块：存储人脸信息和进出记录。
-
物联网平台：实现远程监控和管理。
2.2 选择的硬件和技术栈
-
单片机：选择树莓派作为主控单元，因其强大的处理能力和丰富的接口。
-
摄像头：使用USB摄像头，支持1080P高清图像采集。
-
通信协议：使用MQTT协议与物联网平台进行通信。
-
数据库：使用SQLite作为本地数据库，存储人脸数据和记录。
2.3 系统架构图
三、环境示例和注意事项
3.1 环境示例
-
硬件环境：
-
树莓派 4B
-
USB 摄像头
-
Wi-Fi 模块（内置）
-
-
软件环境：
-
操作系统：Raspberry Pi OS
-
开发语言：Python
-
依赖库：OpenCV, SQLite, Paho-MQTT
-
3.2 注意事项
-
确保摄像头安装位置合理，能够清晰捕捉到人脸。
-
数据库定期备份，防止数据丢失。
-
人脸库需定期更新，确保识别准确率。
四、代码实现
4.1 功能模块实现
本系统主要分为以下几个功能模块，每个模块负责特定的功能，确保系统的整体运行。
4.1.1 摄像头采集模块
功能描述：该模块负责实时采集视频流，并将视频帧传递给人脸识别模块进行处理。
代码实现：
import cv2
def capture_video():
# 初始化摄像头
cap = cv2.VideoCapture(0) # 0表示默认摄像头
if not cap.isOpened():
print("无法打开摄像头")
return
while True:
ret, frame = cap.read() # 读取视频帧
if not ret:
print("无法读取视频帧")
break
# 显示视频流
cv2.imshow('Video', frame)
# 按下 'q' 键退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release() # 释放摄像头
cv2.destroyAllWindows() # 关闭所有OpenCV窗口
# 调用摄像头采集函数
capture_video()
代码说明：
-
cv2.VideoCapture(0)：初始化摄像头，0表示使用默认摄像头。 -
cap.read()：读取视频帧，返回值ret表示是否成功读取，frame是当前帧的图像数据。 -
cv2.imshow('Video', frame)：显示当前帧。 -
cv2.waitKey(1)：等待1毫秒，检查是否按下了退出键（‘q’）。
4.1.2 人脸识别模块
功能描述：该模块使用OpenCV进行人脸检测和识别，将识别到的人脸与本地人脸库进行比对。
代码实现：
import cv2
import numpy as np
import sqlite3
def recognize_face(frame):
# 加载人脸检测模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 将图像转换为灰度图
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
for (x, y, w, h) in faces:
# 在检测到的人脸周围绘制矩形框
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
# 进行人脸识别
face_id = identify_face(gray[y:y+h, x:x+w]) # 识别函数
if face_id is not None:
print(f"识别到用户ID: {face_id}")
else:
print("未识别到用户，进行警报提示")
return frame, faces
def identify_face(face_image):
# 这里可以添加人脸识别的具体实现
# 假设我们有一个简单的识别逻辑
# 返回识别到的用户ID或None
return None # 目前返回None表示未识别到用户
# 示例调用
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read()
if not ret:
break
frame, faces = recognize_face(frame)
cv2.imshow('Video', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
代码说明：
-
cv2.CascadeClassifier：加载人脸检测模型。 -
detectMultiScale：检测图像中的人脸，返回人脸的坐标。 -
cv2.rectangle：在检测到的人脸周围绘制矩形框。 -
identify_face：调用识别函数进行人脸识别，返回识别到的用户ID。
4.1.3 数据库管理模块
功能描述：该模块负责管理人脸库和进出记录，包括添加新用户、查询用户信息和记录进出时间。
代码实现：
import sqlite3
def create_database():
# 连接到SQLite数据库（如果数据库不存在，则会创建一个新的数据库）
conn = sqlite3.connect('access_control.db')
cursor = conn.cursor()
# 创建用户表
cursor.execute('''
CREATE TABLE IF NOT EXISTS users (
id INTEGER PRIMARY KEY AUTOINCREMENT,
name TEXT NOT NULL,
face_encoding BLOB NOT NULL
)
''')
# 创建进出记录表
cursor.execute('''
CREATE TABLE IF NOT EXISTS access_logs (
log_id INTEGER PRIMARY KEY AUTOINCREMENT,
user_id INTEGER,
access_time DATETIME DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (user_id) REFERENCES users (id)
)
''')
conn.commit() # 提交更改
conn.close() # 关闭数据库连接
def add_user(name, face_encoding):
conn = sqlite3.connect('access_control.db')
cursor = conn.cursor()
# 插入新用户
cursor.execute('''
INSERT INTO users (name, face_encoding) VALUES (?, ?)
''', (name, face_encoding))
conn.commit()
conn.close()
def log_access(user_id):
conn = sqlite3.connect('access_control.db')
cursor = conn.cursor()
# 记录进出日志
cursor.execute('''
INSERT INTO access_logs (user_id) VALUES (?)
''', (user_id,))
conn.commit()
conn.close()
def get_user_by_id(user_id):
conn = sqlite3.connect('access_control.db')
cursor = conn.cursor()
# 查询用户信息
cursor.execute('SELECT * FROM users WHERE id = ?', (user_id,))
user = cursor.fetchone()
conn.close()
return user
def get_all_users():
conn = sqlite3.connect('access_control.db')
cursor = conn.cursor()
# 查询所有用户
cursor.execute('SELECT * FROM users')
users = cursor.fetchall()
conn.close()
return users
# 示例调用
create_database() # 创建数据库和表
add_user('张三', b'face_encoding_data') # 添加用户（face_encoding_data为人脸编码数据的二进制形式）
log_access(1) # 记录用户ID为1的进出日志
users = get_all_users() # 获取所有用户
print(users)
代码说明：
-
create_database()：创建SQLite数据库和用户表、进出记录表。 -
add_user(name, face_encoding)：向用户表中添加新用户，face_encoding为人脸编码的二进制数据。 -
log_access(user_id)：记录用户的进出日志，保存用户ID和当前时间。 -
get_user_by_id(user_id)：根据用户ID查询用户信息。 -
get_all_users()：获取所有用户的信息。
时序图：
4.1.4 物联网通信模块
功能描述：该模块负责与物联网平台进行通信，发送进出记录和接收远程指令。
代码实现：
import datetime
def publish_access_log(user_id):
log_data = {
'user_id': user_id,
'access_time': str(datetime.datetime.now())
}
# 将日志数据转换为JSON格式
client.publish(MQTT_TOPIC, json.dumps(log_data))
print(f"已发布进出日志: {log_data}")
# 启动MQTT客户端循环
def start_mqtt():
client.loop_start() # 启动循环，处理网络流量和回调
# 示例调用
start_mqtt() # 启动MQTT客户端
publish_access_log(1) # 发布用户ID为1的进出日志
# 在主程序中，确保在适当的地方调用publish_access_log函数
# 例如，在识别到用户后记录进出日志并发布
代码说明：
-
publish_access_log(user_id)：构建一个包含用户ID和当前时间的日志数据字典，并将其转换为JSON格式后，通过MQTT发布到指定主题。 -
client.loop_start()：启动MQTT客户端的网络循环，处理消息的发送和接收。 -
on_connect(client, userdata, flags, rc)：连接成功时的回调函数，订阅指定的主题。 -
on_message(client, userdata, msg)：接收到消息时的回调函数，用于处理来自物联网平台的指令。
时序图：
4.2 模块代码流程和时序图
4.2.1 整体流程
整个系统的工作流程如下：
-
摄像头采集模块：实时采集视频流并传递给人脸识别模块。
-
人脸识别模块：检测视频帧中的人脸，并与数据库中的人脸库进行比对。如果识别成功，记录用户ID并调用数据库管理模块记录进出日志；如果未识别到用户，则触发警报。
-
数据库管理模块：管理用户信息和进出记录，提供添加用户、记录日志和查询用户的功能。
-
物联网通信模块：将进出日志通过MQTT协议发送到物联网平台，并接收远程指令。
4.2.2 整体时序图
五、项目总结
5.1 项目主要功能
本项目实现了一个智能门禁安防系统，主要功能包括：
-
实时视频采集与人脸识别。
-
本地数据库管理用户信息和进出记录。
-
通过MQTT协议与物联网平台进行通信，实现远程监控和管理。
5.2 实现过程
在实现过程中，我们首先设计了系统架构，选择了合适的硬件和软件技术栈。接着，逐步实现了各个功能模块，包括摄像头采集、人脸识别、数据库管理和物联网通信。每个模块的代码逻辑清晰，易于理解和维护。
3789
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
