基于Raspberry Pi人脸识别自动门

简介: 基于Raspberry Pi人脸识别自动门

人脸识别自动门

简介

在当今数字化时代,智能家居安全变得越来越重要。今天,我要向大家介绍一个结合了安全性与便利性的项目——人脸识别自动门。这个项目通过在门上实施基于面部识别的高级安全系统,使用摄像头验证房主的面部,自动解锁门,实现快速且安全的访问。

我创建这个项目的目的是为了解决携带钥匙的风险,钥匙可能会丢失或被盗。与钥匙不同,你的面部始终是独一无二的,也不会遗失。这个项目确保了你的家保持安全,同时使进入变得快速且不费力。

材料清单

  • 两块尺寸为600毫米 x 450毫米 x 5毫米的胶合板。需要激光切割机。
  • 带有Freenove Project Kit的Raspberry Pi,可以使用任何网络摄像头/摄像头。我使用的是ASUS ROG Eye S - 网络摄像头。

制作步骤

步骤1:购买胶合板

对于这个项目,你需要购买两块尺寸为600毫米 x 450毫米 x 5毫米的胶合板。确保选择高质量、表面光滑且无重大缺陷的胶合板,因为这将影响你项目的最终外观和耐用性。

步骤2:激光切割

这一步,你需要使用提供的文件对胶合板进行激光切割。每个文件对应一块胶合板,它们被设计为适合600毫米 x 450毫米 x 5毫米的尺寸。

  1. 准备激光切割机:确保激光切割机正确设置并校准。
  2. 加载文件:将提供的文件上传到激光切割软件中。
  3. 固定胶合板:将一块胶合板放置在激光切割机的工作台上,确保其正确对齐并牢固固定。第一块切割完成后,重复此步骤切割第二块。
  4. 调整设置:根据材料规格配置激光切割机设置。
  5. 开始切割:开始第一个文件的切割过程。监控过程以确保切割干净准确。
  6. 检查切割:切割完成后,检查边缘和表面是否满足项目要求。如有必要,清除切割边缘上的任何残留物。

步骤3:组装木质部件

现在你已经有了激光切割的胶合板部件,是时候将它们组装起来了。每个部件都被精确切割,以实现无缝拼接。

  1. 组织部件:将所有激光切割部件铺开,以便更好地概览。部件的组装位置非常直接。
  2. 从底部开始:首先组装基础结构。将相应的部件通过对应槽口和榫头对齐,轻轻按压到位直至卡住。
  3. 安装顶部:最后安装顶部部件。将其榫头与组装好的侧面上的相应槽口对齐,轻轻按压直至牢固固定。
  4. 可选:加强连接:为增加稳定性,可以在组装前在连接处涂抹木工胶。这将确保更耐用和永久的组装。如果选择使用胶水,请根据胶水制造商的说明允许足够的干燥时间。

步骤4:将木质部件粘合在门上

现在将木质部件应用到门上:

  • 木工胶:如果使用木工胶,请在木质部件的背面均匀涂抹一层厚厚的胶水。将其均匀涂抹以覆盖整个接触面。
  • 双面胶带或安装条:如果使用胶带或条,将其均匀地贴在木质部件的背面,确保完全覆盖,特别是边缘和角落。或者使用任何其他材料使其牢固地粘在门上。

步骤5:安装伺服电机

在这一步中,你将安装伺服电机,并使用铜线将其连接到门上的木质部件。

  1. 定位伺服电机:将伺服电机放置在地面上,与门成大约80度角。确保其位置可以有效控制门的移动。
  2. 固定伺服电机:使用胶带或胶水将其固定在地面上。确保伺服电机牢固附着且不会移动,这对于电机产生移动至关重要。
  3. 连接铜线:将铜线的一端插入伺服电机臂中并牢固固定,以防止在操作中松动。将铜线的另一端插入你之前固定在门上的木质部件中。确保它牢固固定,以有效传递电机的运动。
  4. 测试设置:手动旋转伺服电机臂,轻轻测试连接。确保铜线平稳移动,并将运动传递到门上的木质部件。

步骤6:安装LCD和摄像头

在这一步中,你将把LCD和摄像头放置在右侧的墙上。

  1. 将LCD放置在墙上预先激光切割的孔中。它将完美契合。
  2. 将摄像头放置在LCD上方,也放置在为摄像头制作的孔中。
    确保两者都牢固稳定,因为理想情况下,这些部件不会移动。

步骤7:连接你的Raspberry Pi

现在我们将连接树莓派和Freenove项目套件以及我们的PC:

  1. 将树莓派连接到Freenove项目套件。如果你在这方面有困难,请查看Freenove项目套件文档。
  2. 将树莓派连接到电源(随树莓派附带)。
  3. 使用以太网电缆(随树莓派附带)将树莓派连接到你的PC。

步骤8:设置并连接你的项目套件

在这一步中,你将连接伺服电机和LCD到项目套件,然后将摄像头连接到PC。

  1. 将项目套件放入盒子内:小心地将项目套件放入盒子内,确保它适合且稳定。
  2. 将伺服电机连接到项目套件:在项目套件上找到伺服电机连接引脚。将伺服电机的电线连接到项目套件上相应的端口。确保连接牢固且正确对齐。
  3. 将LCD连接到项目套件:在项目套件上找到LCD连接引脚。将LCD屏幕的电缆连接到项目套件上适当的端口。确保电缆牢固连接。
  4. 固定连接:再次检查所有连接,确保它们牢固且正确安装。松动的连接可能导致故障。
  5. 将摄像头连接到PC:将摄像头的USB电缆连接到PC上可用的USB端口。确保PC检测到摄像头并且工作正常。

步骤9:启动所有设备

在最后一步中,我们将启动所有必要的进程以使系统运行。

有关运行AI模型和连接到树莓派所需的代码,请参考GitHub(https://github.com/howest-mct/2023-2024-projectone-ctai-TobiasPottier)。

希望这个项目能激发你对智能家居安全的兴趣,并帮助你提升家居的安全性和便利性。如果你有任何问题或想要了解更多细节,请随时在评论区留言。期待看到你的创意作品!

希望你喜欢这个项目,并在构建过程中找到乐趣!如果你有任何问题或需要帮助,欢迎在评论区交流。

作者:Svan.


注意:本博文为不得在未经本人同意进行转载或者二次创作,违者必究!!!


目录
相关文章
|
机器学习/深度学习 存储 数据库
LabVIEW+OpenCV快速搭建人脸识别系统下
LabVIEW+OpenCV快速搭建人脸识别系统下
393 0
LabVIEW+OpenCV快速搭建人脸识别系统下
|
机器学习/深度学习 人工智能 数据库
LabVIEW+OpenCV快速搭建人脸识别系统上
LabVIEW+OpenCV快速搭建人脸识别系统上
329 0
LabVIEW+OpenCV快速搭建人脸识别系统上
|
计算机视觉
Fisherfaces人脸识别---OpenCV-Python开发指南(44)
Fisherfaces人脸识别---OpenCV-Python开发指南(44)
317 1
Fisherfaces人脸识别---OpenCV-Python开发指南(44)
|
Linux
Raspberry Pi 4B树莓派学习笔记
Raspberry Pi 4B树莓派学习笔记
446 0
Raspberry Pi 4B树莓派学习笔记
|
数据挖掘 数据处理 计算机视觉
EigenFaces人脸识别---OpenCV-Python开发指南(43)
EigenFaces人脸识别---OpenCV-Python开发指南(43)
400 0
EigenFaces人脸识别---OpenCV-Python开发指南(43)
|
算法 计算机视觉
LBPH人脸识别---OpenCV-Python开发指南(42)
LBPH人脸识别---OpenCV-Python开发指南(42)
583 0
LBPH人脸识别---OpenCV-Python开发指南(42)
|
小程序 Linux TensorFlow
人脸识别小程序的环境准备
人脸识别小程序的环境准备
166 0
|
机器学习/深度学习 数据可视化 算法框架/工具
人脸识别实战:使用Opencv+SVM实现人脸识别
在本文中,您将学习如何使用 OpenCV 进行人脸识别。文章分三部分介绍: 第一,将首先执行人脸检测,使用深度学习从每个人脸中提取人脸量化为128位的向量。 第二, 在嵌入基础上使用支持向量机(SVM)训练人脸识别模型。 第三,最后使用 OpenCV 识别图像和视频流中的人脸。
594 0
人脸识别实战:使用Opencv+SVM实现人脸识别
|
Web App开发 JavaScript 物联网
树莓派+阿里云IoT人脸识别场景实战
树莓派+阿里云IoT人脸识别场景实战
5203 0
|
机器学习/深度学习 TensorFlow 算法框架/工具
TensorFlow 1.9 正式支持 Raspberry Pi
我们现在很高兴地宣布,可以使用 Python 的 pip 包系统从预构建的二进制文件安装最新的 TensorFlow1.9 版本!
1748 0
下一篇
DataWorks