, , ,

通过人脸识别实现访问控制

阅读教程

有多种方法可以实现访问控制并个性化常见物体(物理钥匙、PIN码、指纹或刷脸认证)。 面部识别是验证用户身份最方便的方法,因为它具有即时性、无需接触,并且安全(生物特征数据)。

方法

从相机输入 (/dev/videox) 获取帧并由两个神经网络模型(面部检测和面部识别)通过TensorFlow™ Lite运行时框架进行处理。

使用GStreamer管道流式传输相机帧(使用v4l2src),显示预览(使用waylandsink),并执行神经网络推理(使用appsink)。

使用GtkWidgets与Cairo生成的叠层显示推理结果。

面向Linux的人工智能人脸识别用例
管道

传感器

USB网络摄像头或内置相机。

数据

数据格式:分辨率为96×96的RGB888颜色输入图像

结果

模型:用于面部检测和面部识别的自定义CNN

STM32MP157F(高性能)上的结果
在1张脸上执行面部检测和面部识别的平均执行帧率大约为5fps
– 面部检测执行时间~70 ms
– 面部识别执行时间~55 ms