当前位置： 首页 > news >正文

C语言项目实战：基于MogFace-large的简易门禁系统原型

news 2026/6/3 10:13:02

C语言项目实战：基于MogFace-large的简易门禁系统原型

最近在捣鼓一些嵌入式设备上的视觉应用，发现人脸识别是个挺有意思的方向。手头正好有块开发板和摄像头，就想着能不能用C语言自己搭一个简易的门禁系统原型。这个想法听起来有点复杂，但其实拆解开来，核心就是三件事：用摄像头抓到画面、在画面里找到人脸、然后根据结果去控制一把锁。

我选择了MogFace-large这个人脸检测模型，它精度不错，而且有现成的C语言接口，很适合我们这种追求性能和可控性的场景。整个项目会用到OpenCV处理图像，调用模型进行推理，最后通过串口去控制一个模拟的电磁锁。下面，我就把这个从零搭建的过程，一步步分享出来，希望能给想用C语言做类似项目的朋友一些参考。

1. 项目整体思路与准备工作

做任何项目，动手之前先想清楚要做什么、需要什么，能省去后面很多麻烦。这个简易门禁系统的核心逻辑非常直观：持续捕捉视频流 -> 检测每一帧中是否有人脸 -> 如果有人脸，则触发开锁信号。

1.1 核心组件与工作流程

我们可以把系统想象成一个流水线：

  1. 眼睛（摄像头）：负责“看”，使用OpenCV捕获实时视频。
  2. 大脑（MogFace-large模型）：负责“认”，分析图像，判断里面有没有人脸，并标出位置。
  3. 手（串口/电磁锁）：负责“动”，收到大脑的指令后，执行开锁或关锁动作。

整个流程的代码逻辑，大致会像下面这样形成一个循环：

初始化摄像头； 初始化人脸检测模型； 初始化串口（连接电磁锁）； while(1) { 从摄像头读取一帧图像； 如果读取成功 { 将图像送入人脸检测模型； 分析检测结果； if (检测到人脸) { 通过串口发送“开锁”指令； 等待一段时间（模拟开门持续时间）； 通过串口发送“关锁”指令； } } 等待一小段时间，控制循环频率； } 释放所有资源；

1.2 开发环境与工具准备

工欲善其事，必先利其器。我们需要准备好以下“工具”：

  • 编译与开发环境：

    • Linux系统（如Ubuntu）：这是最方便的选择，包管理工具能轻松安装依赖。我使用的是Ubuntu 20.04。
    • GCC编译器：Linux自带的C语言编译器。
    • 代码编辑器：VS Code、Vim等，按自己习惯来。

  • 核心库安装：

    • OpenCV：用于图像捕获、处理和显示。可以通过apt安装：
      sudo apt update sudo apt install libopencv-dev
    • MogFace-large C SDK：这是关键。你需要从模型的提供方获取预编译的C语言库文件（通常是.a或.so文件）以及对应的头文件（.h）。请将其放置在项目目录下，例如libs/和include/文件夹内。

  • 硬件与模拟：

    • USB摄像头：一个普通的电脑摄像头即可。
    • 电磁锁与控制器：实物开发需要单片机（如STM32、Arduino）和电磁锁模块。为了简化原型验证，我们将用串口助手软件模拟电磁锁。在电脑上运行一个串口助手，监听某个虚拟串口（如/dev/ttyS0或COM1），我们的程序向这个串口发送特定字符串（如“OPEN”和“CLOSE”），串口助手收到后打印出来，就相当于执行了开关锁动作。

准备好这些，我们的“车间”就算布置完毕了，可以开始动手组装了。

2. 分步实现核心功能模块

接下来，我们把整个系统拆成几个独立的模块来逐个实现，这样代码结构清晰，调试起来也方便。

2.1 摄像头图像捕获模块

这个模块的任务是打开摄像头，并源源不断地获取图像帧。我们用OpenCV来做这件事，非常简单。

#include <opencv2/opencv.hpp> #include <stdio.h> // 初始化并打开摄像头 cv::VideoCapture init_camera(int camera_index = 0) { cv::VideoCapture cap(camera_index); // 0通常代表默认摄像头 if (!cap.isOpened()) { fprintf(stderr, “错误：无法打开摄像头 %d\n”， camera_index); exit(-1); } printf(“摄像头初始化成功！\n”); return cap; } // 从摄像头捕获一帧 cv::Mat capture_frame(cv::VideoCapture &cap) { cv::Mat frame; cap >> frame; // 读取一帧到frame对象 if (frame.empty()) { printf(“警告：捕获到空帧，跳过处理。\n”); } return frame; }

这段代码里，cv::VideoCapture是OpenCV里负责视频捕获的类，cv::Mat是存储图像数据的矩阵。cap >> frame这个操作就像从水龙头接一杯水一样，把一帧图像数据“接”到frame变量里。

2.2 人脸检测模型集成模块

这是项目的核心。我们需要加载MogFace-large模型，并编写函数将图像喂给模型，然后解析输出结果。

假设我们拿到的SDK提供了一个头文件mogface.h和动态库libmogface.so。

// face_detector.h #ifndef FACE_DETECTOR_H #define FACE_DETECTOR_H #include <stdint.h> // 定义人脸框结构 typedef struct { float x1, y1, x2, y2; // 左上角和右下角坐标 float score; // 置信度 } FaceBox; // 初始化检测器 void* init_face_detector(const char* model_path); // 执行人脸检测 int detect_faces(void* detector, const unsigned char* image_data, int width, int height, int channels, FaceBox** boxes); // 释放检测器资源 void release_face_detector(void* detector); #endif
// face_detector.c #include “face_detector.h” #include “mogface.h” // 来自SDK的头文件 #include <stdlib.h> void* init_face_detector(const char* model_path) { // 调用SDK接口初始化模型 void* handle = mogface_init(model_path); if (!handle) { fprintf(stderr, “错误：加载MogFace模型失败 [%s]\n”， model_path); } return handle; } int detect_faces(void* detector, const unsigned char* image_data, int width, int height, int channels, FaceBox** boxes) { // 调用SDK接口进行检测，返回人脸框数组 MogFaceResult* results = NULL; int num_faces = mogface_detect(detector, image_data, width, height, channels, &results); if (num_faces > 0) { // 分配内存并转换结果到我们的结构体 *boxes = (FaceBox*)malloc(num_faces * sizeof(FaceBox)); for (int i = 0; i < num_faces; i++) { (*boxes)[i].x1 = results[i].x1; (*boxes)[i].y1 = results[i].y1; (*boxes)[i].x2 = results[i].x2; (*boxes)[i].y2 = results[i].y2; (*boxes)[i].score = results[i].score; } free(results); // 释放SDK返回的内存 } return num_faces; } void release_face_detector(void* detector) { if (detector) { mogface_release(detector); } }

注意：mogface_init,mogface_detect,mogface_release这些函数名和参数需要根据你实际获取的MogFace SDK文档进行调整。核心思想是封装一层，让我们的主程序调用起来更清晰。

2.3 串口控制模拟模块

在原型阶段，我们用串口通信来模拟控制电磁锁。在Linux下，串口设备像文件一样操作。

// serial_controller.h #ifndef SERIAL_CONTROLLER_H #define SERIAL_CONTROLLER_H // 初始化串口 int serial_init(const char* port, int baudrate); // 通过串口发送指令 int send_lock_command(int fd, const char* command); // 关闭串口 void serial_close(int fd); #endif
// serial_controller.c #include “serial_controller.h” #include <stdio.h> #include <string.h> #include <unistd.h> #include <fcntl.h> #include <termios.h> int serial_init(const char* port, int baudrate) { int fd = open(port, O_RDWR | O_NOCTTY | O_NDELAY); if (fd == -1) { perror(“打开串口失败”); return -1; } struct termios options; tcgetattr(fd, &options); cfsetispeed(&options, baudrate); cfsetospeed(&options, baudrate); options.c_cflag |= (CLOCAL | CREAD); // 本地连接，启用接收 options.c_cflag &= ~PARENB; // 无奇偶校验 options.c_cflag &= ~CSTOPB; // 1位停止位 options.c_cflag &= ~CSIZE; options.c_cflag |= CS8; // 8位数据位 options.c_lflag &= ~(ICANON | ECHO | ECHOE | ISIG); // 原始模式 options.c_iflag &= ~(IXON | IXOFF | IXANY); // 关闭流控 options.c_oflag &= ~OPOST; // 原始输出 tcsetattr(fd, TCSANOW, &options); printf(“串口 %s 初始化成功 (波特率: %d)\n”， port, baudrate); return fd; } int send_lock_command(int fd, const char* command) { int len = strlen(command); int n = write(fd, command, len); if (n != len) { perror(“发送串口指令失败”); return -1; } printf(“[串口指令] 已发送: %s\n”， command); // 通常需要一个小延迟，确保数据发送完毕 tcdrain(fd); return 0; } void serial_close(int fd) { if (fd >= 0) { close(fd); } }

在主程序中，我们会调用send_lock_command(fd, “OPEN”)来模拟开锁，调用send_lock_command(fd, “CLOSE”)来模拟关锁。

3. 系统整合与主程序逻辑

各个模块准备好之后，就像拼乐高一样，把它们按照最初设计的流程组装起来。主程序main.c负责协调所有模块。

// main.c #include <opencv2/opencv.hpp> #include “face_detector.h” #include “serial_controller.h” #include <unistd.h> // for sleep int main() { printf(“=== 简易门禁系统原型启动 ===\n”); // 1. 初始化摄像头 cv::VideoCapture cap = init_camera(0); // 设置一个合适的分辨率，太高会影响检测速度 cap.set(cv::CAP_PROP_FRAME_WIDTH, 640); cap.set(cv::CAP_PROP_FRAME_HEIGHT, 480); // 2. 初始化人脸检测器 const char* model_path = “./models/mogface_large.bin”; // 模型路径 void* face_detector = init_face_detector(model_path); if (!face_detector) { serial_close(fd); cap.release(); return -1; } // 3. 初始化串口（模拟电磁锁） const char* serial_port = “/dev/ttyS0”; // 根据你的虚拟串口修改 int baudrate = 9600; int serial_fd = serial_init(serial_port, baudrate); if (serial_fd < 0) { release_face_detector(face_detector); cap.release(); return -1; } // 4. 主循环 cv::Mat frame; FaceBox* boxes = NULL; int lock_open = 0; // 标记锁的状态，0为关闭，1为打开 while (1) { frame = capture_frame(cap); if (frame.empty()) { continue; } // 将OpenCV的BGR图像转换为RGB（如果模型需要） cv::Mat rgb_frame; cv::cvtColor(frame, rgb_frame, cv::COLOR_BGR2RGB); // 执行人脸检测 int num_faces = detect_faces(face_detector, rgb_frame.data, rgb_frame.cols, rgb_frame.rows, rgb_frame.channels(), &boxes); // 处理检测结果 if (num_faces > 0) { printf(“检测到 %d 张人脸！\n”， num_faces); // 在图像上画出人脸框（可视化，可选） for (int i = 0; i < num_faces; i++) { cv::rectangle(frame, cv::Point(boxes[i].x1, boxes[i].y1), cv::Point(boxes[i].x2, boxes[i].y2), cv::Scalar(0, 255, 0), 2); // 绿色框 } // 触发开锁逻辑（这里简化：检测到人就开锁） if (!lock_open) { if (send_lock_command(serial_fd, “OPEN”) == 0) { lock_open = 1; printf(“锁已打开，5秒后关闭...\n”); // 模拟开门保持时间 sleep(5); if (send_lock_command(serial_fd, “CLOSE”) == 0) { lock_open = 0; printf(“锁已关闭。\n”); } } } free(boxes); // 释放检测结果内存 boxes = NULL; } else { // 无人脸时的逻辑，例如可以重置锁状态标记 // lock_open = 0; } // 显示视频流（可选，会消耗性能） cv::imshow(“Access Control Demo”， frame); if (cv::waitKey(1) == ‘q’) { // 按‘q’键退出 break; } } // 5. 清理资源 printf(“\n正在关闭系统...\n”); cv::destroyAllWindows(); serial_close(serial_fd); release_face_detector(face_detector); cap.release(); printf(“系统已安全退出。\n”); return 0; }

3.1 编译与运行

最后一步，把所有的C文件编译成一个可执行程序。我们需要链接OpenCV和MogFace的库。

# 编译命令示例 gcc -o access_control_system main.c face_detector.c serial_controller.c \ `pkg-config --cflags --libs opencv4` \ -I./include -L./libs -lmogface -lpthread -lm # 运行程序 ./access_control_system

注意：

  1. pkg-config --cflags --libs opencv4用于自动获取OpenCV的编译和链接参数。
  2. -I./include指定MogFace头文件路径。
  3. -L./libs -lmogface指定MogFace库文件路径和库名。
  4. 运行前，请确保虚拟串口助手已经打开并监听对应的端口（如/dev/ttyS0）。

4. 效果演示与项目思考

当你运行程序后，会弹出一个窗口显示摄像头画面。当有人脸出现在画面中时，程序会：

  1. 在画面中用绿色方框标出人脸。
  2. 在终端打印“检测到X张人脸！”。
  3. 向串口发送“OPEN”指令（你会在串口助手软件上看到这条消息）。
  4. 等待5秒后，发送“CLOSE”指令。

一个最简单的门禁系统原型就跑起来了。当然，这只是一个起点。在实际应用中，我们还需要考虑很多问题，比如：

  • 人脸识别（1:1比对） vs 人脸检测（1:N查找）：我们目前只做了检测（有没有脸），真正的门禁需要识别（这是谁的脸）。这需要增加人脸特征提取和数据库比对模块。
  • 活体检测：如何防止用照片或视频欺骗系统？需要增加眨眼、张嘴、摇头等动作验证。
  • 性能优化：在嵌入式设备上，可能需要使用更轻量的模型，或者对图像进行缩放、降低检测频率来保证实时性。
  • 网络与数据库：如何将识别记录上传到服务器？如何管理用户人脸库？
  • 异常处理：摄像头断开、模型加载失败、串口通信错误等都需要完善的异常处理机制。

不过，通过这个项目，我们已经把C语言、计算机视觉和硬件控制这几个关键环节串起来了。它就像是一个坚实的骨架，后续的肌肉和皮肤都可以在此基础上慢慢添加。你可以尝试替换不同的模型，增加更复杂的业务逻辑，或者把它移植到树莓派、Jetson Nano等真正的嵌入式平台上，会更有成就感。

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。

http://www.jsqmd.com/news/590263/

相关文章：

  • 无需代码！用Qwen3-VL-4B Pro搭建个人图文助手，5步完成部署与对话
  • sem 广告投放需要注意哪些问题_seo 优化的常见指标有哪些
  • VibeVoice语音合成效果展示：波兰语pl-Spk0_man童话故事配音
  • Step3-VL-10B Base版实战案例：用一张图完成数学面积计算+代码生成+结果验证全流程
  • Open-AutoGLM实战：自动刷抖音关注博主，效果惊艳，小白也能轻松上手
  • 低成本AI助手方案：OpenClaw+Qwen3-14B月消耗不足50元实测
  • 如何在网页标题、描述等地方优化关键词_如何运用SEO关键词优化技巧提高网站排名
  • SiameseAOE模型AI编程助手场景应用：从需求描述生成代码注释要点
  • StructBERT语义相似度工具一键部署：中文句子比对从未如此简单
  • STM32F103C8T6上跑u8g2图形库？手把手教你用HAL库+模拟IIC点亮OLED屏
  • OpenClaw硬件兼容清单：Qwen3-32B镜像适配显卡全测试
  • Qwen3-14B集成IDEA开发环境：Java大模型应用快速构建指南
  • 零基础玩转OFA视觉蕴含模型：手把手教你搭建智能图文审核系统
  • HG-ha/MTools效果展示：AI实时字幕+发言者分离+重点语句自动标亮
  • 手把手教你用uniapp插件搞定高德地图后台定位（支持息屏保活和坐标转换）
  • Pixel Mind Decoder 构建自动化工作流：与Zapier/Make等工具集成
  • Pixel Couplet Gen 集成SpringBoot实战：打造智能春联生成API服务
  • Nunchaku-flux-1-dev在Dify平台上的无缝集成应用
  • Unity2021升级踩坑记：手把手教你解决Android/res文件夹打包报错（附完整Android Library创建流程）
  • Comsol与Matlab协同优化：基于遗传算法的低频宽带吸声结构设计
  • Realistic Vision V5.1实战：电商模特图、小说配图、头像壁纸一键生成
  • CogVideoX-2b部署经验：多卡环境下负载均衡配置方法
  • Intv_AI_MK11远程开发实践：通过MobaXterm连接GPU服务器进行模型调试
  • Qwen3-VL-8B支持多场景扩展：轻松接入RAG、插件系统与企业身份认证
  • LiteLLM Proxy：简化大模型API接口的统一接入与管理
  • KEIL编译报错全解析：从常见问题到高效解决策略
  • Qwen3-14B私有化部署实战：一键启动WebUI和API，小白也能快速上手
  • 从HiFi到ONT：手把手教你构建T2T基因组的完整测序策略
  • PyTorch 2.8 镜像部署MySQL：管理AI实验元数据与数据集
  • vLLM-v0.11.0资源配额设置：防止一人占用，全员瘫痪