智能门禁系统实战：集成cv_resnet101_face-detection与STM32的硬件方案

最近在捣鼓一个挺有意思的小项目：用一块小小的STM32开发板，加上一个普通的摄像头，再结合云端的人脸识别模型，自己动手做一个智能门禁的原型系统。听起来是不是有点复杂？其实拆解开来，每一步都挺清晰的。

这个想法的核心很简单：让门禁系统能“认人”。传统的门禁要么刷卡，要么输密码，要么按指纹，总归需要你主动去操作一下。而智能门禁的理想状态是，你走到门前，它看一眼就知道是你，然后自动开门，整个过程自然又流畅。要实现这个“看一眼”，就需要把嵌入式硬件和AI能力结合起来。STM32负责“眼睛”（采集图像）和“手脚”（控制门锁），而复杂的“大脑”（人脸识别）则交给云端更强大的模型来处理。

今天，我就把自己搭建这个原型系统的整个过程、踩过的坑以及最终跑通的方案，详细地分享出来。如果你也对物联网、嵌入式AI应用感兴趣，希望这篇内容能给你带来一些实实在在的参考。

1. 系统整体设计思路：让硬件与AI对话

在开始动手焊接电路或写代码之前，我们得先想清楚整个系统是怎么跑起来的。你不能指望让STM32这块单片机自己去运行庞大的人脸识别模型，这不现实。它的算力和内存都有限。所以，我们的策略是“分工协作”。

核心思路是：边缘采集，云端推理。 我把这个系统的运行流程画成了下面这张图，你可以先有个直观的印象：

[STM32 + 摄像头] --(拍摄图片)--> [本地预处理] --(发送图片)--> [星图GPU云平台]
                                                                   |
[控制门锁/显示] <--(接收结果)-- [STM32] <--(返回识别结果)-- [人脸识别模型]

简单来说，STM32和摄像头扮演“前线侦察兵”的角色。它们负责在现场捕捉图像，然后通过网络把“情报”（图片数据）发送给后方的“指挥中心”——也就是部署在云端GPU服务器上的cv_resnet101_face-detection模型。这个“指挥中心”拥有强大的分析能力，它能快速判断图片里有没有人脸、是谁的脸，然后把“识别结果”这个指令回传给前线的STM32。STM32收到指令后，再决定是开门、报警还是提示认证失败。

这样做的好处很明显：STM32只需要完成它擅长的实时控制、数据采集和通信任务，而复杂的AI计算则交给了性能强劲、专门优化的云端环境。两者通过网络各司其职，共同完成一个复杂的智能任务。

2. 硬件选型与搭建：精打细算的“侦察兵”

确定了思路，接下来就得准备“侦察兵”的装备了。硬件选型不求最贵，但求合适、够用且性价比高。

2.1 核心主控：STM32F103C8T6

我选择了经典的STM32F103C8T6，也就是大家常说的“蓝色药丸”或“最小系统板”。选它的理由很充分：

  • 性价比极高：价格非常亲民，适合学习和原型开发。
  • 资源足够：72MHz主频，64KB Flash，20KB RAM。对于运行一个轻量级的网络协议栈、控制摄像头采集和驱动外设来说，完全够用。
  • 生态丰富：资料、教程、社区支持都非常多，遇到问题容易找到解决方案。
  • 接口齐全：拥有USART、SPI、I2C等常用通信接口，方便连接各种模块。

2.2 图像采集：OV2640摄像头模块

为了让系统能“看见”，我选用的是OV2640摄像头模块。它是一款200万像素的传感器，输出图像质量对于人脸识别来说足够了。更重要的是，它支持DVP并行接口和SCCB（类似I2C）配置总线，与STM32的连接和驱动相对成熟。

硬件连接示意：

  • DVP数据/控制线：连接至STM32的GPIO口，用于传输像素数据和行场同步信号。
  • SCCB总线：连接至STM32的I2C1（PB6, PB7），用于配置摄像头参数（如分辨率、曝光、输出格式）。
  • 电源：模块通常需要3.3V和1.8V（或2.8V）两组电压，开发板上的3.3V和LDO可以解决。

2.3 网络通信：ESP-01S WiFi模块

STM32F103本身没有网络功能，所以我们需要一个“传令兵”来负责联网。ESP-01S WiFi模块是基于ESP8266芯片的，体积小、价格低，可以通过AT指令集与STM32进行串口通信，实现联网和数据传输。

连接非常简单：

  • 串口连接：ESP-01S的TX/RX连接到STM32的USART2（PA2, PA3）。
  • 电源与使能：VCC接3.3V，CH_PD和GPIO0接高电平，RST可接STM32的GPIO以便软件复位。

2.4 其他外围设备

  • 门锁模拟：用一个5V继电器模块来模拟电磁锁。STM32通过一个GPIO口控制继电器的通断，从而模拟开门动作。
  • 反馈指示：用了几个LED灯（红、绿、蓝）和一个小型OLED显示屏（I2C接口）。LED用于快速状态指示（如识别中、识别成功、识别失败），OLED屏可以显示更详细的信息（如“识别中...”、“欢迎，张三”）。
  • 电源：整个系统可以用一个5V/2A的USB电源供电，通过开发板的稳压电路为各模块提供3.3V。

把这些模块在面包板上连接好，你的硬件“侦察兵”就初步成型了。

3. 软件与通信设计：打通任督二脉

硬件是躯体，软件是灵魂。这部分的工作就是让各个模块活起来，并学会如何与云端“对话”。

3.1 STM32端软件框架

在STM32上，我使用HAL库进行开发，程序主要跑在一个简单的前后台（超级循环） 系统中，关键任务通过状态机来管理。

核心任务流程如下：

  1. 初始化：上电后，初始化系统时钟、GPIO、USART（用于ESP-01S）、I2C（用于OV2640和OLED）、SPI等外设。
  2. 摄像头配置：通过I2C（SCCB）向OV2640写入一系列寄存器值，将其配置为输出320x240或640x480分辨率的JPEG图像。为什么是JPEG？因为它的压缩率高，能极大减少网络传输的数据量。
  3. WiFi联网：通过USART向ESP-01S发送一系列AT指令，例如：
    AT+CWMODE=1          // 设置为Station模式
AT+CWJAP="SSID","PASSWORD" // 连接WiFi
AT+CIPSTART="TCP","your_server_ip",80 // 连接云服务器
  4. 主循环：
    • 图像捕获：等待OV2640的帧中断，将一帧JPEG数据从DVP接口读取到STM32的缓冲区。由于内存有限，一帧数据可能需要分块处理。
    • 图像预处理：这里可以做最简单的处理，比如在内存中检查JPEG数据的头尾，确保数据完整。更复杂的处理（如缩放、格式转换）可以放在云端。
    • 组包与发送：将JPEG数据按照自定义的简单协议打包。例如，协议帧可以设计为：[帧头][数据长度][图像数据][校验和]。然后通过串口指令让ESP-01S以TCP方式发送给云服务器。
    // 示例：通过AT指令发送数据
sprintf(cmd, "AT+CIPSEND=%d", data_length);
uart_send(esp_uart, cmd); // 发送数据长度指令
wait_for_esp_response(">"); // 等待模块提示可以发送数据
uart_send_raw(esp_uart, jpeg_data, data_length); // 发送JPEG数据
    • 等待与接收：发送完成后，等待ESP-01S返回云服务器的响应。响应内容应该是一个简单的JSON或自定义格式的字符串，例如：{"status":"success", "result":"recognized", "name":"ZhangSan"} 或 {"status":"success", "result":"unknown"}。
    • 结果处理：解析响应数据。根据result字段，控制继电器模拟开门（识别成功），或让红灯闪烁、OLED显示“未知人员”（识别失败）。

3.2 云端API服务搭建

云端部分，我们需要一个“中间人”服务。它接收STM32发来的图片，调用人脸识别模型，再把结果返回。我选择用Python的Flask框架快速搭建一个RESTful API。

这个API服务主要做三件事：

  1. 接收图片：提供一个HTTP POST接口（比如/face_recognition），接收STM32上传的JPEG二进制数据。
  2. 调用模型：将收到的图片数据，传递给部署好的cv_resnet101_face-detection模型进行推理。这里假设模型已经部署在星图GPU平台上，并提供了Python调用接口。
  3. 返回结果：将模型的识别结果（是否有人脸、是谁）封装成JSON格式，返回给STM32。

一个极简的示例代码：

from flask import Flask, request, jsonify
import cv2
import numpy as np
# 假设这是从星图平台获得的模型调用客户端
from your_model_client import FaceDetectionClient

app = Flask(__name__)
model_client = FaceDetectionClient() # 初始化模型客户端

@app.route('/face_recognition', methods=['POST'])
def face_recognition():
    try:
        # 1. 接收图片
        image_data = request.data
        if not image_data:
            return jsonify({'status': 'error', 'message': 'No image data'}), 400

        # 2. 将二进制数据转为OpenCV格式
        nparr = np.frombuffer(image_data, np.uint8)
        img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)

        # 3. 调用人脸识别模型
        # 这里调用星图平台上的cv_resnet101_face-detection模型
        # 模型返回的可能是人脸框坐标、特征向量或直接是识别出的标签
        result = model_client.predict(img)

        # 4. 处理结果。假设模型返回一个标签列表，为空则表示未识别
        if result and result['faces']:
            # 这里简化处理，取第一个识别出的人脸标签
            recognized_name = result['faces'][0]['label']
            if recognized_name != 'unknown':
                return jsonify({'status': 'success', 'result': 'recognized', 'name': recognized_name})
            else:
                return jsonify({'status': 'success', 'result': 'unknown'})
        else:
            return jsonify({'status': 'success', 'result': 'no_face'})

    except Exception as e:
        return jsonify({'status': 'error', 'message': str(e)}), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

3.3 通信协议与数据格式

为了保证通信的可靠性，设计一个简单的应用层协议很重要。

  • STM32 -> 云端：可以是一个简单的二进制帧，包含帧头（如0xAA, 0xBB）、图像数据长度（2字节）、JPEG数据本身、以及一个CRC8校验和。云端服务接收到后，先校验，再提取JPEG数据。
  • 云端 -> STM32：建议使用JSON格式的字符串。它结构清晰，易于STM32端解析（可以使用轻量级的解析库如 jsmn）。内容包含状态、识别结果、人员姓名等关键信息。

4. 模型集成与业务逻辑：云端“大脑”的思考

cv_resnet101_face-detection模型主要负责在图片中定位并识别人脸。在星图GPU平台上部署好该模型后，我们的API服务会调用它。

一个典型的集成与处理流程：

  1. 人脸检测：模型首先在图片中找出所有人脸的位置（边界框）。如果没找到人脸，直接返回“no_face”。
  2. 人脸对齐与裁剪：根据检测到的人脸框，将每张人脸裁剪出来，并进行标准化处理（如缩放、归一化），为识别做准备。
  3. 特征提取与比对：模型会为每张标准化后的人脸提取一个高维特征向量。将这个特征向量与预先注册在数据库中的人脸特征库进行比对（计算余弦相似度或欧氏距离）。
  4. 决策与返回：如果比对结果中，有某个特征向量的相似度超过设定的阈值（比如0.7），则认为识别成功，返回对应的人员ID或姓名。否则，返回“unknown”。

对于STM32端，业务逻辑就基于云端的返回结果：

  • result: "recognized"：驱动继电器动作（模拟开门），绿灯亮，OLED显示欢迎信息。
  • result: "unknown"：红灯闪烁，OLED显示“陌生人警告”，可考虑触发蜂鸣器。
  • result: "no_face"：蓝灯闪烁，表示正在等待检测目标。
  • status: "error"：黄灯闪烁，OLED显示“网络或服务器错误”。

5. 原型测试与效果展示

把所有代码烧录进去，硬件连接检查无误后，就可以上电测试了。

测试过程：

  1. 上电初始化：OLED屏幕显示“系统启动中...”，随后WiFi连接成功，显示服务器IP。
  2. 待机状态：蓝灯慢闪，OLED显示“等待识别...”。
  3. 人脸识别：
    • 将摄像头对准已注册的人员。STM32的指示灯会快速闪烁几下（表示正在采集和发送数据），稍等片刻（网络延迟+云端推理时间），绿灯常亮，继电器“咔哒”一声吸合，OLED显示“欢迎，张三”。
    • 将摄像头对准未注册的人员或遮挡面部。红灯闪烁，OLED显示“识别失败”，继电器无动作。
  4. 压力测试：尝试在不同光照条件下、以不同角度进行测试，观察识别成功率。同时，可以模拟网络不稳定的情况，看系统是否有超时重传等容错机制。

从实际测试来看，这个原型系统基本实现了预期的功能。识别速度主要受限于网络延迟和云端模型推理时间，STM32本地的图像采集和发送开销其实很小。对于实时性要求不是极端高的门禁场景（比如家庭、办公室），这个延迟（通常在1-3秒内）是可以接受的。

6. 总结与思考

折腾完这个项目，感觉就像完成了一次小小的系统集成挑战。它涉及了嵌入式硬件驱动、网络通信、服务器编程和AI模型调用多个环节。虽然只是一个原型，但把想法变成能跑起来的东西，这个过程本身就很有收获。

用STM32这类微控制器去做需要复杂AI能力的应用，“边缘采集+云端推理” 是一个非常务实且高效的架构。它让硬件成本大幅降低，开发难度也集中在通信和业务逻辑整合上，而不是去死磕如何在资源受限的设备上部署大模型。

当然，这个原型还有很多可以优化和改进的地方。比如，可以增加本地的人脸检测（轻量级模型），只有检测到人脸后才上传，节省流量；可以优化通信协议，加入心跳包和重传机制，提升稳定性；可以在云端加入活体检测功能，防止照片攻击。

如果你也想尝试类似的项目，我的建议是分步实现，逐个击破。先搞定STM32驱动摄像头并输出JPEG，再实现WiFi联网和TCP通信，然后搭建最简单的云端回声服务，最后再集成复杂的人脸识别模型。每一步都测试通了，整个系统就跑起来了。希望这个分享能为你提供一条可行的路径。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

# 人脸识别
Logo
openvela

openvela 操作系统专为 AIoT 领域量身定制，以轻量化、标准兼容、安全性和高度可扩展性为核心特点。openvela 以其卓越的技术优势，已成为众多物联网设备和 AI 硬件的技术首选，涵盖了智能手表、运动手环、智能音箱、耳机、智能家居设备以及机器人等多个领域。

更多推荐

cover

Arm Ethos‑U65：YOLOv8n 模型准备与 Vela 编译

avatar openvela
cover

开源新纪元：深度解析小米 MiMo Code 的技术架构与实战应用

avatar openvela

UniAD_v2 模型NPU适配

参考github网址：https://github.com/OpenDriveLab/UniAD/tree/v2.0参考readme：https://gitcode.com/Ascend/DrivingSDK/blob/master/model_examples/UniAD/README.md。

avatar openvela