王梓康1, 王梓健1，侯进2，青木直史3
1. 南京理工大学紫金学院，江苏 南京 210023；2.西南交通大学信息科学与技术学院，四川 成都 611756；3.北海道大学
摘要：提出一种基于树莓派4B的深度学习人脸识别门禁系统。人脸识别功能利用YOLOv3（You Only Look Once）算法来实现，其中模型训练使用darknet，检测使用OpenCV库，实现对宿舍成员人脸的检测。实验结果表明，人脸识别和语音识别的准确率和实时性以及线性马达的运转情况都可以满足系统的需求。
关键词：树莓派4B；YOLOv3；darknet；百度语音api；Snowboy；L298N
中图分类号：(作者本人填写) 文献标识码：A 文章编号：1671-0924 (2007) xx-xxxx-x
Dormitory Access Control System of Face Recognition Based on Raspberry Pi 4B
WANG Zi-kang1, WANG Zi-jian1, HOU Jin2, AOKI Naofumi3
(1. Nanjing University of Science and Technology ZiJin College, Nanjing Jiangsu, 210023, China; )
(2. School of Information Science & Technology,Southwest Jiaotong University, Chengdu Sichuan, 611756, China;)
(3. Hokkaido University )
Abstract：Abstract A deep learning access control system of face recognition based on Raspberry Pi 4B is proposed. Face recognition function is realized by YOLOv3 algorithm, in which darknet is used for model training and OpenCV is used for detection to realize face detection of dormitory members.The experimental results show that the accuracy and real-time performance of face recognition and speech recognition as well as the operation of linear motor can meet the requirements of the system.
Key words：Raspberry pi 4b; Yolov3; Darknet; Baidu voice api; Snowboy; L298N
随着人工智能的不断发展，智能音响，智能家居，公司大厅的智能机器人等人工智能产品已经随处可见。同时随着越来越多人工智能算法的开源化，自己动手实现人工智能产品已经成为可能。在人工智能算法中，SSD[1]（Single Shot MultiBox Detector）算法，Faster R-CNN[2]（Faster Region-CNN）算法，YOLO[3~4]（You Only Look Once）算法等是目前流行的目标检测算法。
对于传统的人脸检测算法，如基于多任务级
联卷积神经网络的算法 SURF Adaboost算法[8~9]等，因为这些算法检测精度较低，因此本文设计的宿舍门禁系统基于YOLOv3算法。当今利用YOLO算法来进行人脸识别的例子越来越多。
1系统整体设计
该宿舍门禁系统由树莓派4B,麦克风,摄像头,按钮,LED灯,L298N电机驱动模块,线性马达等组成。用户可以通过两种方式打开宿舍的门。第一种是语
音唤醒后说“开门”进行人脸识别的方式,第二种是按下按钮后说“开门”进行人脸识别的方式。当树莓派被唤醒或者按下按钮后,LED灯会响应,当识别到"开门"这个词时,会触发人脸识别功能,如果识别到的人脸是该宿舍的人时,会触发L298N驱动模块,
并使线性马达转动,线性马达会带动门把手将门打开，同时会向宿舍人员的邮箱内发送邮件告知用户进入宿舍的时间，识别到人脸的照片。否则不会触发L298N驱动模块也不会发送邮件。系统实拍图如图1所示。
.png)
4结论
提出一种基于树莓派4B的深度学习的人脸识别门禁系统，利用YOLOv3来实现人脸识别。实验结果表明，该系统的模型不仅可以在离线的状态下进行识别，而且识别的准确性和实时性都能满足该系统的要求。但该模型也存在一些不足，比如在光线较暗时识别的准确率不是太高，离摄像头较远时无法识别人脸等。后续工作主要针对这些问题，继续优化网络模型，进一步提高识别率。
参考文献:
[1]Liu Wei, Dragomir Anguelov, Dumitru Erhan, et al. SSD: single shot multibox detector[cs.CV].arXiv: 1512.02325v5, 2016.
[2]Ren Shaoqing, He Kaiming, Ross Girshick, et al. Faster R-CNN: towards real-time object detection with region proposal networks[cs.CV]. arXiv: 1506.01497v3, 2016.
[3]Joseph Redmon, Santosh Divvala, Ross Girshick, et al. You only look once: unified, real-time object detection[cs.CV]. arXiv: 1506.02640v5, 2016.
[4]Joseph Redmon, Ali Farhadi. YOLO9000: better, faster, stronger [cs.CV]. arXiv: 1612.08242v1, 2016.