前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >200行代码落地人脸识别开锁应用

200行代码落地人脸识别开锁应用

原创
作者头像
高树磊
修改2020-02-12 09:50:55
5.6K1
修改2020-02-12 09:50:55
举报
文章被收录于专栏:腾讯云实践案例

1.案例概述

1.1 背景

2019年国庆,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,借着这个春节宅家的时间,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。

1.2 部署效果

部署效果
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。

1.3 玩家体验

  • 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。

2.产品要求

2.1 需求说明

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。

2.2 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。

2.3 功能设计

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。

2.3.1 设定流程

流程与效果,请参考 1.3 玩家体验 部分

2.3.2 可配置内容
  • 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)。

  • 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)。

  • 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。

  • 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。

2.3.3 运营与维护
  • 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。

  • 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;

2.3.4 成本分析
  • 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。

3.技术实现

3.1 系统架构

系统架构
系统架构
3.1.1 硬件组成:
硬件组成
硬件组成
  • 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
3.1.2 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。

3.2 系统搭建

3.2.1 腾讯云配置
  • 注册账号

文档指引获取API密钥

  • 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。

3.2.2 树莓派配置
  • 安装系统

访问 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。

  • 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。

代码语言:txt
复制
# 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
  • 安装腾讯云SDK

参考指引文档,安装调用腾讯云API的依赖库。

代码语言:txt
复制
sudo apt-get install python-pip -y
pip install tencentcloud-sdk-python
  • 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)

代码语言:txt
复制
sudo apt-get install libopencv-dev -y
sudo apt-get install python-opencv -y
  • 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。

  • 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

代码语言:txt
复制
Type=Application
Exec=python /home/pi/faceid/main.py
3.2.3 硬件接线

树莓派GPIO图示

GPIO
GPIO

摄像头

  • CSI接口
camera+rpi.png
camera+rpi.png

超声波传感器

  • TrigPin: BCM-24 / GPIO24
  • EchoPin: BCM-23 / GPIO23
  • VCC :接5V
  • GND :接GND

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。
3.2.4 测试运行

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

3.3 代码逻辑与涉及技术

3.3.1 流程伪代码
代码语言:txt
复制
# 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
3.3.2 视频与识别
  • 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。

  • 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。

  • 人脸识别

请参考文档介绍

3.3.3 图像水印
  • 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。

  • 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。

  • 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

代码语言:txt
复制
# 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

水印效果示意图(示意图扩大了水印区,用于突出效果,实际应用方案中水印区较小)

示意图.jpg
示意图.jpg
3.3.4 硬件相关
  • 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

  • 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.

  • 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。

4.其它

4.1 方案选型对比

设计的核心在于人脸鉴权模块,这里直接影响成本和稳定性,最后选择了上文方案(平衡成本、维护性及可靠性)。曾经的其它几种备选人脸识别方案:

4.1.1 本地识别A方案:

使用ESP-EYE芯片,均由芯片完成,依赖ESP-IDF、ESP—WHO,使用C进行开发。

低硬件成本(模块成本189*2),高开发维护成本(C开发)。

问题:难于更新配置与故障分析处理。适用于大量部署场景。

4.1.2 本地识别B方案:

使用树莓派直接进行人脸识别,方案成熟,开源代码丰富。

中硬件成本,低开发成本,高维护成本。

问题:树莓派负载高,即使用间隔帧算法,也仅维持在20fps以下,卡顿明显。如进一步调优,受限于个人经验问题,恐难以保持长期稳定运行。

4.1.3 本地识别C方案:

使用 BM1880边缘计算开发板 或其它图像处理板,社区口碑不错,有框架支持。

问题:高硬件成本(模块成本1000*2),高开发维护成本(C开发)。如果使用算力棒,需要X86_64做基础平台,成本降低有限,复杂度不变。适用于扩展能力场景。

4.1.4 云端识别A方案:

使用腾讯云的视频智能分析产品,简化终端架构,使用树莓派zero推流上云(后续放出实现方案),即可获取识别结果,且支持高频多次检索等特性。

部署成本低(终端视频相关模块150元),运营成本低(当前0.28元/分钟,按该场景下单次运行20分钟计算,单次游戏成本5.6元)

问题:对网络稳定性依赖大,断流等情况影响体验。在本案例的网络约束下,影响使用效果,更适于网络条件较好、高频检索的应用场景。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1.案例概述
    • 1.1 背景
      • 1.2 部署效果
        • 1.3 玩家体验
        • 2.产品要求
          • 2.1 需求说明
            • 2.2 约束说明
              • 2.3 功能设计
                • 2.3.1 设定流程
                • 2.3.2 可配置内容
                • 2.3.3 运营与维护
                • 2.3.4 成本分析
            • 3.技术实现
              • 3.1 系统架构
                • 3.1.1 硬件组成:
                • 3.1.2 关键特性
              • 3.2 系统搭建
                • 3.2.1 腾讯云配置
                • 3.2.2 树莓派配置
                • 3.2.3 硬件接线
                • 3.2.4 测试运行
              • 3.3 代码逻辑与涉及技术
                • 3.3.1 流程伪代码
                • 3.3.2 视频与识别
                • 3.3.3 图像水印
                • 3.3.4 硬件相关
            • 4.其它
              • 4.1 方案选型对比
                • 4.1.1 本地识别A方案:
                • 4.1.2 本地识别B方案:
                • 4.1.3 本地识别C方案:
                • 4.1.4 云端识别A方案:
            相关产品与服务
            图像处理
            图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
            领券
            问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档