芯耀
387
特别感谢文章作者：无垠的广袤 / 李金磊，辛苦制作的教程，非常适合新人及树莓派爱好者学习使用！如果你想了解更多教程，可以查看下面的内容：
树莓派 CM0 Dev Kit：
我用树莓派CM0做了一个非常有趣的网页手写数字识别功能！
我用树莓派CM0做了一个数字识别！
新品树莓派CM0，用于智能家居？
用树莓派CM0做物体识别，小白一键跑通！
我用树莓派CM0做了个人脸检测，结果大家全在要代码和模型！
赛博养娃：和树莓派CM0进行AI对话！
树莓派 CM0 NANO：
树莓派 CM0 NANO 入门教程：镜像烧录、系统测试！
内存仅占用 260 MB？我在树莓派 CM0 NANO上跑通了Home Assistant！
奈斯！我学会在树莓派 CM0 NANO 上本地部署 EMQX！
我学会了在树莓派 CM0 NANO上部署 HACS 和 Xiaomi Home！
Hello World！树莓派 CM0 NANO 部署小智语音聊天！
微分方程组求解？不会数学，我甚至看不懂这个树莓派教程...
树莓派 CM0 NANO+OpenCV，手把手教你做车牌识别系统，附完整代码和模型！
本文介绍了工业树莓派 CM0 NANO 单板计算机结合 OpenCV 内置 YuNet 算法和 SFace 模型实现人脸识别的项目设计，包括环境部署、预训练模型获取、关键代码、板端推理、效果演示等流程。
项目介绍
准备工作：硬件连接、OpenCV 安装、所需软件包和库安装等；
人脸识别：模型获取、训练图片、流程图、代码、人脸识别的板端推理等；
准备工作
包括硬件连接、虚拟环境创建、OpenCV 安装、软件包和库安装等。
硬件连接
连接 WiFi 实现无线网络通信；
使用 Micro-USB 数据线实现设备供电；
OpenCV 安装
OpenCV 是一个开源的计算机视觉库，广泛应用于图像处理、视频分析和机器学习等领域。
为了避免影响系统 Python，采用虚拟环境的方案。
创建并激活虚拟环境
mkdir ~/cv && cd ~/cv # 创建 cv 文件夹，便于管理python3 -m venv venv # 创建虚拟环境 venvsource venv/bin/activate # 激活虚拟环境 venv
安装 numpy 和 opencv
pip install -U pip numpy # 安装 numpypip install opencv-python opencv-contrib-python # opencv 主模块及 contrib
验证安装
python3 -c "import cv2,sys,numpy;print('OpenCV:',cv2.__version__,'NumPy:',numpy.__version__)"输出版本号
详见：https://opencv.org/
人脸识别
OpenCV 作为计算机视觉领域的核心库，其 Python 接口提供了高效的人脸检测与识别能力。
OpenCV 注册并训练目标人脸，使用 YuNet 模型检测人脸，之后结合 sface 模型识别人脸。详见下面链接：
https://github.com/opencv/opencv_zoo/tree/main/models/face_recognition_sface
模型
下载所需模型文件；
wget https://github.com/opencv/opencv_zoo/blob/main/models/face_detection_yunet/face_detection_yunet_2023mar.onnxwget https://github.com/opencv/opencv_zoo/blob/main/models/face_recognition_sface/face_recognition_sface_2021dec.onnx
将文件存放在 ./model 路径
参考：https://github.com/h030162/PlateRecognition/
训练图片
将目标人脸图片裁剪至合适大小；
文件名为对应的人名；
置于 ./face 文件夹。
文件目录
~/faceRecognition $ tree.├── face│ ├── Arnold.jpg│ ├── Edward.jpg│ ├── Linda.jpg│ └── Robert.jpg├── fr_onnx.py├── img│ ├── test.jpg│ └── friends.jpg└── model├── face_detection_yunet_2023mar.onnx└── face_recognition_sface_2021dec.onnx
将目标识别图片置于 ./img 文件夹。
流程图
代码
终端执行 touch fr_onnx.py 新建程序文件，并添加如下代码
#!/usr/bin/env python3import cv2import argparseimport osimport numpy as npfrom pathlib import Path# ------------------- Face Detection ------------------def detect_faces_yunet(image_path: str,conf_threshold: float = 0.8,model_path: str = "./model/face_detection_yunet_2023mar.onnx") -> None:img = cv2.imread(image_path)if img is None:raise FileNotFoundError(image_path)h, w = img.shape[:2]# 初始化 YuNetdetector = cv2.FaceDetectorYN_create(model=model_path,config="",input_size=(w, h),score_threshold=conf_threshold,nms_threshold=0.4,top_k=5000)detector.setInputSize((w, h))# detect 返回 (status, faces) 取第 1 个元素faces = detector.detect(img)[1]if faces is None:faces = []for face in faces:x, y, w_box, h_box, *_ = map(int, face[:4])score = face[-1]cv2.rectangle(img, (x, y), (x + w_box, y + h_box), (0, 255, 0), 2)label = f"{score:.2f}"label_size, _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1)cv2.rectangle(img, (x, y - label_size[1] - 4),(x + label_size[0], y), (0, 255, 0), -1)cv2.putText(img, label, (x, y - 2), cv2.FONT_HERSHEY_SIMPLEX,0.5, (0, 0, 0), 1, cv2.LINE_AA)cv2.namedWindow("YuNet Face Detection", cv2.WINDOW_NORMAL)cv2.imshow("YuNet Face Detection", img)cv2.waitKey(0)cv2.destroyAllWindows()# -------------------- Face Recognition -------------------def recognize_faces(img_path: str,face_dir: str = "./face",model_path: str = "./model/face_detection_yunet_2023mar.onnx",rec_model: str = "./model/face_recognition_sface_2021dec.onnx") -> None:"""1. 读取 img_path 并检测人脸2. 对 face_dir 下的每张注册照提取特征3. 将目标人脸与注册照逐一比对，取最高余弦相似度4. 弹窗画出框+姓名（或 Unknown）"""img = cv2.imread(img_path)if img is None:raise FileNotFoundError(img_path)h, w = img.shape[:2]# 检测器detector = cv2.FaceDetectorYN_create(model=model_path, config="", input_size=(w, h),score_threshold=0.8, nms_threshold=0.4, top_k=5000)detector.setInputSize((w, h))faces = detector.detect(img)[1]if faces is None:print("未检测到人脸")return# 识别器recognizer = cv2.FaceRecognizerSF_create(rec_model, "")# 注册照特征库regist = {} # name -> featurefor fp in Path(face_dir).glob("*.*"):name = fp.stemreg_img = cv2.imread(str(fp))if reg_img is None:continuerh, rw = reg_img.shape[:2]detector.setInputSize((rw, rh))reg_faces = detector.detect(reg_img)[1]if reg_faces is not None:# 只取第一张脸aligned = recognizer.alignCrop(reg_img, reg_faces[0])feat = recognizer.feature(aligned)regist[name] = featdetector.setInputSize((w, h))if not regist:print("注册库为空")return# 逐一比对for face in faces:aligned = recognizer.alignCrop(img, face)feat = recognizer.feature(aligned)best_score, best_name = -1, "Unknown"for name, reg_feat in regist.items():score = recognizer.match(feat, reg_feat, cv2.FaceRecognizerSF_FR_COSINE)if score > best_score:best_score, best_name = score, name# 画框+名字x, y, w_box, h_box = map(int, face[:4])SIM_TH = 0.3 # 可调，OpenCV 推荐 0.3~0.4if best_score < SIM_TH:best_name = "Unknown"print(f"[{best_name}] score={best_score:.3f} box=({x},{y},{w_box},{h_box})")color = (0, 255, 0) if best_name != "Unknown" else (0, 0, 255)cv2.rectangle(img, (x, y), (x + w_box, y + h_box), color, 2)cv2.putText(img, f"{best_name}:{best_score:.2f}",(x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2)cv2.namedWindow("Face Recognition", cv2.WINDOW_NORMAL)cv2.imshow("Face Recognition", img)cv2.waitKey(0)cv2.destroyAllWindows()# ---------- 命令行入口 ----------if __name__ == "__main__":parser = argparse.ArgumentParser()parser.add_argument("-i", "--image", required=True, help="目标图片路径")parser.add_argument("-m", "--mode", choices=["detect", "recognize"],default="recognize", help="detect：仅检测；recognize：识别")args = parser.parse_args()if args.mode == "detect":detect_faces_yunet(args.image)else:recognize_faces(args.image)
保存代码。
效果
终端执行 python fr_onnx.py -i ./img/test.jpg 指令，对目标图片进行人脸识别；
终端打印识别到的人脸名称、置信度、坐标等信息；
弹窗显示识别结果
更多测试效果
总结
本文介绍了工业树莓派 CM0 NANO 单板计算机结合 OpenCV 内置的 YuNet 算法和 SFace 模型实现人脸识别的项目设计，包括环境部署、预训练模型获取、关键代码、板端推理、效果演示等流程，为相关产品在边缘 AI 领域的快速开发和应用设计提供了参考。
官方网站：https://edatec.cn/zh/cm0
淘宝店铺：https://edatec.taobao.com/
