# python人脸识别

**Repository Path**: joshua_er/python-facial-recognition

## Basic Information

- **Project Name**: python人脸识别
- **Description**: 人工智能
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-29
- **Last Updated**: 2026-02-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 人脸识别项目

这是一个使用 Python 和 OpenCV 实现的人脸识别系统，可以检测摄像头中的人脸并识别指定的用户。

## 功能特点

- 实时检测摄像头画面
- 识别已知人脸
- 支持多光线、戴眼镜等多种状态识别
- 检测到指定人脸时显示消息
- 支持批量加载已知人脸
- 支持灯光自动控制（检测到人打开灯，离开关闭灯）
- 可扩展为播放音频

## 环境要求

- Python 3.8+
- Windows 10/11 或 Linux
- 摄像头设备

## 安装步骤

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

**注意**: 如果安装 `dlib` 失败，请先安装 Visual Studio C++ Build Tools，然后执行：

```bash
pip install dlib
```

或者使用预编译的 wheel 文件：

```bash
pip install dlib-binary
```

## 快速开始

### 方式一：自动收集训练数据（推荐）

使用训练工具自动收集多张不同状态的照片：

```bash
# 收集10张照片（默认名字为"帅帅"）
python train_face_model.py

# 或指定名字和数量
python train_face_model.py --name "你的名字" --num 15
```

**收集照片建议：**
- 按空格键拍照，每张改变姿势或光线
- 建议收集 5-15 张照片
- 包含不同状态：
  - ✅ 正常光线 / 弱光 / 强光
  - ✅ 戴眼镜 / 不戴眼镜
  - ✅ 不同角度（正面、左侧、右侧）
  - ✅ 不同表情

### 方式二：手动准备训练数据

1. 在项目目录下创建 `known_faces` 文件夹
2. 将包含你人脸的图片放入该文件夹
3. 建议准备多张不同状态的图片（5-15张）

### 3. 配置人脸信息

编辑 `faces.txt` 文件，添加你的人脸信息：

```
known_faces/my_face_1.jpg,你的名字
known_faces/my_face_2.jpg,你的名字
known_faces/my_face_3.jpg,你的名字
known_faces/my_face_4.jpg,你的名字
known_faces/my_face_5.jpg,你的名字
```

每行格式为：`图片路径,姓名`

## 启动方法

### 方式一：使用 face_recognition_app.py（推荐）

基于深度学习，识别准确率更高，对光线变化和戴眼镜鲁棒性更好。

```bash
python face_recognition_app.py
```

### 方式二：使用 face_detection_app.py

基于 OpenCV LBPH 算法，支持灯光自动控制功能。

```bash
python face_detection_app.py
```

**功能说明：**
- 检测到人脸时自动打开灯光
- 离开5秒后自动关闭灯光
- 可以通过代码接入实际的硬件控制

### 快捷键

- 按 `q` 键退出程序

## 参数调优

### face_recognition_app.py 参数调整

修改 `face_recognition_app.py` 中的容差值：

```python
app = FaceRecognitionApp(video_source=0, tolerance=0.6)
```

- `tolerance`: 人脸识别容差值（0.4-0.7，越小越严格）
  - 0.5-0.55：严格，避免误识别
  - 0.6：推荐值，平衡准确率和识别率
  - 0.7：宽松，提高识别率但可能误识别

### face_detection_app.py 参数调整

修改 `face_detection_app.py` 中的置信度阈值（第252行）：

```python
if label == 0 and confidence < 60:  # 阈值默认60
```

- `confidence`: LBPH置信度阈值（40-80，越小越严格）
  - 40-50：严格
  - 50-60：推荐值
  - 60-80：宽松

### 灯光控制参数（face_detection_app.py）

```python
self.absence_threshold = 5  # 离开时间阈值（秒），超过此时间关闭灯光
```

## 扩展功能：播放音频

### 安装 pygame

```bash
pip install pygame
```

### 准备音频文件

1. 创建 `audio` 文件夹
2. 放入对应的音频文件（如 `welcome.mp3`）

### 启用音频播放

在 `face_recognition_app.py` 的 `on_face_detected` 方法中取消注释：

```python
def on_face_detected(self, name):
    # ... 现有代码 ...

    # 播放音频
    import pygame
    pygame.mixer.init()
    pygame.mixer.music.load(f'audio/{name}.mp3')
    pygame.mixer.music.play()
```

## 灯光控制扩展

在 `face_detection_app.py` 中的灯光控制方法中添加实际硬件控制代码：

```python
def open_light(self):
    """打开灯光"""
    if not self.light_is_on:
        self.light_is_on = True
        print("💡 灯光已打开")

        # 方式1: GPIO控制（树莓派）
        # import RPi.GPIO as GPIO
        # GPIO.setup(relay_pin, GPIO.OUT)
        # GPIO.output(relay_pin, GPIO.HIGH)

        # 方式2: HTTP请求（智能灯泡）
        # import requests
        # requests.post("http://smart-bulb/api/on")

def close_light(self):
    """关闭灯光"""
    if self.light_is_on:
        self.light_is_on = False
        print("💡 灯光已关闭")

        # 添加实际的关闭灯光代码
```

## 项目结构

```
python-face/
├── face_recognition_app.py   # 主程序（基于深度学习，推荐）
├── face_detection_app.py      # 主程序（基于OpenCV LBPH，带灯光控制）
├── train_face_model.py       # 训练工具（自动收集训练数据）
├── faces.txt                 # 人脸配置文件
├── requirements.txt          # 依赖列表
├── known_faces/             # 存放已知人脸图片
│   ├── my_face_1.jpg
│   ├── my_face_2.jpg
│   └── ...
├── audio/                   # 存放音频文件（可选）
│   └── welcome.mp3
└── README.md                # 说明文档
```

## 常见问题

### 1. 无法安装 dlib

- 安装 Visual Studio C++ Build Tools
- 或使用 `pip install dlib-binary`

### 2. 摄像头无法打开

- 检查摄像头是否被其他程序占用
- 尝试更改 `video_source` 参数（0, 1, 2...）
- 确认摄像头驱动已安装

### 3. 识别不准确

**解决方法：**
- 收集更多不同状态的照片（5-15张）
- 确保照片清晰、光线充足
- 调整 `tolerance` 或 `confidence` 参数
- 使用 `face_recognition_app.py`（准确率更高）

### 4. 戴眼镜时识别失败

**解决方法：**
- 收集戴眼镜和不戴眼镜的两种状态照片
- 建议各收集 3-5 张
- 增加不同角度的照片

### 5. 光线变化大时识别失败

**解决方法：**
- 收集强光、弱光、室内光等不同光线下的照片
- 建议每种光线收集 2-3 张
- 使用 `face_recognition_app.py`（对光线变化更鲁棒）

## STM32硬件集成

本系统支持通过STM32开发板控制LED灯，实现检测人脸时自动亮灯。

### 快速开始

1. **烧录STM32程序**
   - 参考 `STM32集成指南.md` 中的详细步骤
   - 支持 STM32CubeIDE、Keil MDK、Arduino IDE 等多种方式

2. **硬件连接**
   - STM32 PA9 (TX) <---> USB转TTL RX
   - STM32 PA10 (RX) <---> USB转TTL TX
   - STM32 GND <---> USB转TTL GND
   - STM32 5V <---> USB转TTL 5V

3. **检测串口**
   ```bash
   python test_serial.py
   ```

4. **配置串口号**
   - 修改 `face_detection_app.py` 第467行
   - 设置 `serial_port='COM3'`（Windows）或 `'/dev/ttyUSB0'`（Linux）

5. **运行程序**
   ```bash
   python face_detection_app.py
   ```

### 详细文档

完整的STM32集成指南请查看：`STM32集成指南.md`

包含内容：
- STM32代码编译和烧录（4种方法）
- 硬件连接详细说明
- 软件配置步骤
- 故障排除指南
- 进阶功能开发

## 技术栈

- OpenCV: 视频处理和人脸检测
- face_recognition: 基于dlib的深度学习人脸识别
- Dlib: 人脸特征提取
- NumPy: 数值计算
- Pygame（可选）: 音频播放

## 部署建议

### 树莓派部署（推荐）

1. 安装系统：Raspberry Pi OS
2. 安装依赖：`pip install -r requirements.txt`
3. 连接摄像头（CSI或USB）
4. 接入智能灯泡或继电器控制灯光
5. 运行程序：`python face_detection_app.py`

### 其他嵌入式方案

如果需要更低成本的方案，可以考虑：
- ESP32-CAM + 继电器模块
- K210 AI芯片
- STM32 + 专用AI芯片

## 许可证

MIT License