简介基于ESP32的智能人脸识别考勤系统是一套软硬协同的嵌入式AI应用项目面向计算机、人工智能、电子信息、自动化等专业的在校学生、教师及初学者解决课堂/实验室场景下的无感化身份核验与考勤统计问题。资源包共46个文件含19个Java后端业务逻辑与Web管理界面代码、5个Excel格式的课程与选课数据模板、9张PNG/JPG系统界面与架构图、2个配置properties文件及SQL数据库脚本等完整覆盖设备端ESP32图像采集、服务端Spring Boot后台与管理端Web界面三层结构压缩包仅1.18MB轻量易部署。已有145人下载学习配套README.md提供清晰的环境搭建与运行指引所有代码均经实测可稳定运行读者可直接用于课程设计、毕业设计或教学演示并基于现有模块如考勤统计图表、批量导入名单、课表关联逻辑进行功能扩展与二次开发。 最近整理移动硬盘的时候翻出了去年做的一个东西基于ESP32的人脸识别考勤系统。当时是帮朋友一个小型工作室做的场地不大就一个门禁考勤的点需求是“不接触、能记录、要能现场看到打卡状态”。研究了一圈现成方案要么价格离谱要么隐私不好处理干脆自己用ESP32-CAM加几个外围模块搭了一套。整体跑下来效果还行识别响应在一秒左右考勤记录可以本地存SD卡也能通过WiFi上报。这篇就聊聊整个项目的设计思路、硬件选型、环境搭建、核心代码实现以及我实际踩过的那些坑。这个项目说难不难但绝对不是“照抄一个例程就能跑通”的程度。ESP32本身是一颗性价比很高的芯片双核240MHz自带WiFi和蓝牙带摄像头接口的型号不少算力虽然不能跟树莓派比但跑一些轻量级检测和特征比对是够用的。关键是把数据流捋顺图像怎么采、人脸怎么检、特征怎么比对、结果怎么处理和存储中间每一环都有不少细节。如果你手里有ESP32开发板想做一个能实际用的考勤设备或者你对本地离线人脸识别感兴趣不想依赖云服务又或者你想找一个比较完整的ESP32实战项目来练手这篇内容应该对你有用。1. 项目整体设计与核心思路1.1 需求拆解人脸考勤到底要解决哪些问题做项目的第一步不是写代码而是把需求拆清楚。这个考勤系统的核心动作其实就三件事识别站在摄像头前系统能认出你是谁。记录认出之后把“谁、什么时间、打卡方向进/出”记下来。反馈打卡人能看到当前状态比如屏幕上显示姓名和“打卡成功”同时控制舵机模拟开门动作。听起来简单但往细了想几个关键问题就冒出来了。首先是人脸识别的方案选型。人脸识别这个方向目前主流思路无非两条路一是走云端API把图像传到服务器去识别二是在本地设备上完成识别。云端方案精度高但依赖网络延迟和隐私都是问题。本地方案的优点是响应快、断网可用、数据不出设备但受限于算力需要选择合适规模的模型和比对策略。再说考勤记录怎么存。ESP32本身有Flash存储但考勤记录如果长期积累数据量远超出Flash的承受范围而且Flash频繁写入容易磨损。比较可靠的做法是外插TF卡把记录写进CSV文件里断电也不丢数据。还有现场反馈的问题。一个考勤设备如果打卡之后人不知道成功了没有那体验就很差。所以需要一块小屏幕实时显示识别结果再加上蜂鸣器或者舵机这类执行器给出物理反馈。1.2 为什么选ESP32而不是树莓派或其他方案做这个项目之前我其实认真对比过树莓派、STM32和ESP32。树莓派性能确实强跑完整OpenCV加深度学习模型都没问题但问题在于价格高、体积大、功耗高、启动慢而且需要正规供电。用来做门禁考勤多少有点“大炮打蚊子”。STM32的优势是实时性和稳定性但人脸识别这种需要大量计算的场景STM32的算力明显不够用外接摄像头模块也很麻烦。ESP32在这个场景里刚好卡在一个很舒服的位置双核240MHz的频率自带WiFi和蓝牙部分型号直接集成摄像头接口价格便宜开发资料多Arduino环境下一二十行代码就能驱动摄像头采集图像。虽然跑不了大型神经网络但合适的轻量级方案完全能落地。另外一个关键点是开发效率。ESP32在Arduino IDE下开发我大概半天时间就能把摄像头驱动调通。如果用树莓派虽然Python写起来也快但系统层面的配置、依赖管理、开机自启这些事都很耗时。对一个实用性项目来说ESP32能更快地跑通整个闭环。1.3 系统整体架构的一个直观理解这个系统的数据流可以这样理解摄像头实时采集图像这是“眼睛”的工作图像被送到处理单元进行人脸检测和特征比对这是“大脑”的工作比对结果驱动屏幕显示、蜂鸣器发声、舵机转动这是“手和嘴”的工作最后一环是记录存储把考勤事件写入文件系统或上报网络这是“记忆”的工作。具体到这套项目核心流程是采集 → 检测人脸 → 提取关键特征 → 与人脸库比对 → 匹配成功则记录并执行动作 → 不匹配则提示整个链路里的每一环后面都会展开讲。我自己做的时候是从摄像头图像采集开始调的一层层往上加功能。工程上进度的把控建议也按这个顺序来先把底层的硬件打通再往上叠业务逻辑。2. 硬件准备与开发环境搭建2.1 硬件清单与选型理由先列一下我最终定下来的硬件给想复刻的朋友一个参考主控ESP32-CAM开发板带OV2640摄像头板载TF卡槽烧录器FTDI FT232RL模块用于给ESP32-CAM下载程序显示屏0.96寸OLEDI2C接口用于显示识别状态舵机SG90 9g舵机模拟门禁开关存储TF卡Class 1016GB供电5V 2A USB电源稳定电流很重要后面会说为什么其他蜂鸣器、杜邦线、面包板、3D打印外壳可选ESP32-CAM这块板子可以说是为这类项目量身定做的。它把ESP32芯片、OV2640摄像头、TF卡槽、板载LED全部集成在一块板子上尺寸只有硬币大小左右加长板会大一点。买的时候要注意区分“带底板”和“裸板”带底板的集成USB转串口芯片可以直接USB下载程序省掉一个烧录器裸板就需要外接FTDI烧录器。我手里这块是裸板所以额外花十几块钱配了一个FT232模块。如果你是完全的新手建议直接买带底板的版本能少踩不少接线坑。2.2 Arduino IDE与ESP32核心库离线安装ESP32的开发方式有几种Arduino IDE、ESP-IDF、PlatformIO、MicroPython。考虑到生态成熟度和上手门槛我选了Arduino IDE这也是社区里最主流的方案。Arduino IDE最新2.x版本比老版1.8好用很多界面清爽自动补全串口监视器也稳定建议直接装2.x。装了IDE之后需要添加ESP32开发板支持。在线安装的方式是打开“文件 → 首选项 → 附加开发板管理器网址”填入乐鑫官方的JSON地址然后在开发板管理器里搜索“esp32”安装。但这里我要重点说一句如果你在的地区访问官方服务器经常失败或者网速很慢千万不要反复重试在线安装。最省心的方案是直接下载离线包。离线包的安装方法很简单下载完整离线包搜索“esp32 arduino 离线安装包”就能找到。关闭Arduino IDE。将离线包内的“esp32”文件夹复制到Arduino用户目录下的“hardware/espressif”文件夹里。如果目录不存在就手动创建。重新打开Arduino IDE在“工具 → 开发板”里就能看到ESP32 Arduino的各个开发板型号了。离线包的好处是一次搞定不用跟网络斗智斗勇。而且离线包内的库版本是经过测试的兼容性有保障。我自己用的就是2.0.6版本离线包跑了好几个项目都没出过问题。提示如果解压之后开发板列表里没有出现ESP32先确认路径是否正确。Arduino的硬件目录结构是“hardware/espressif/esp32/”不要把里面的文件直接丢到hardware根目录下。2.3 开发板参数配置与烧录准备装好核心库之后在Arduino IDE的“工具 → 开发板”下选择“AI Thinker ESP32-CAM”。这一步比较关键因为ESP32-CAM用的模组是ESP32-S对应AI Thinker厂商的封装。如果选错型号引脚定义会不匹配编译出来的固件跑不起来。其他关键参数按这个配置Flash Size4MB板载Flash大小Partition SchemeHuge APP (3MB No OTA/1MB SPIFFS)Upload Speed921600实测稳定也可以降到115200Core Debug LevelNone默认即可其实PSRAMEnabled必须打开否则摄像头图像缓存会出问题烧录的时候裸板需要把GPIO0引脚接地进入下载模式FTDI模块接好线之后在IDE里选择端口点“上传”等待编译烧录完成。等出现“Connecting...”提示时按一下板子上的EN复位按钮烧录过程基本就能顺利开始。在这里插一句ESP32-CAM的下载步骤其实只有三个关键点GPIO0拉低进入下载模式、选择正确的端口、供电稳定。只要这三点没错烧录基本不会失败。烧录完毕之后把GPIO0的跳线帽拔掉或断开接地线复位重启程序就开始运行了。3. 核心功能实现与代码拆解3.1 摄像头图像采集让ESP32“看见”世界驱动摄像头ESP32-CAM的Arduino库封装得已经很简单。核心代码通常是这样#include esp_camera.h #define PWDN_GPIO_NUM -1 #define RESET_GPIO_NUM -1 #define XCLK_GPIO_NUM 21 #define SIOD_GPIO_NUM 26 #define SIOC_GPIO_NUM 27 #define Y9_GPIO_NUM 35 #define Y8_GPIO_NUM 34 #define Y7_GPIO_NUM 39 #define Y6_GPIO_NUM 36 #define Y5_GPIO_NUM 19 #define Y4_GPIO_NUM 18 #define Y3_GPIO_NUM 5 #define Y2_GPIO_NUM 4 #define VSYNC_GPIO_NUM 25 #define HREF_GPIO_NUM 23 #define PCLK_GPIO_NUM 22 void setup() { Serial.begin(115200); camera_config_t config; config.ledc_channel LEDC_CHANNEL_0; config.ledc_timer LEDC_TIMER_0; config.pin_d0 Y2_GPIO_NUM; config.pin_d1 Y3_GPIO_NUM; config.pin_d2 Y4_GPIO_NUM; config.pin_d3 Y5_GPIO_NUM; config.pin_d4 Y6_GPIO_NUM; config.pin_d5 Y7_GPIO_NUM; config.pin_d6 Y8_GPIO_NUM; config.pin_d7 Y9_GPIO_NUM; config.pin_xclk XCLK_GPIO_NUM; config.pin_pclk PCLK_GPIO_NUM; config.pin_vsync VSYNC_GPIO_NUM; config.pin_href HREF_GPIO_NUM; config.pin_sccb_sda SIOD_GPIO_NUM; config.pin_sccb_scl SIOC_GPIO_NUM; config.pin_pwdn PWDN_GPIO_NUM; config.pin_reset RESET_GPIO_NUM; config.xclk_freq_hz 20000000; config.pixel_format PIXFORMAT_JPEG; config.frame_size FRAMESIZE_QVGA; config.jpeg_quality 12; config.fb_count 1; esp_err_t err esp_camera_init(config); if (err ! ESP_OK) { Serial.printf(摄像头初始化失败: 0x%x, err); return; } }这里有两个参数值得展开说一下。第一个是帧尺寸frame_size。我实际用下来QVGA320x240是识别速度和画面信息量的一个平衡点。分辨率太高JPEG编码耗时成倍增加实时性会受影响分辨率太低人脸细节不足识别率又上不去。QVGA对近距离门禁场景足够了。第二个是JPEG质量jpeg_quality。数值范围0到63越小画质越好但文件越大。12是我反复试出来的一个比较合适的值画面细节保留得好处理速度也能接受。如果图像噪点明显可以适当降到10。采集图像的循环逻辑是void loop() { camera_fb_t *fb esp_camera_fb_get(); if (!fb) { Serial.println(摄像头采集失败); return; } // 对 fb-buf 和 fb-len 进行处理 esp_camera_fb_return(fb); }采集到的JPEG数据就在fb-buf里后续的人脸检测和特征提取都基于这段数据。3.2 人脸检测与特征比对核心识别逻辑这是整个系统技术含量最高、也最容易翻车的地方。人脸识别在PC端已经非常成熟但在ESP32这种资源受限的设备上能做哪些、不能做哪些心里要有数。我调研了现有的方案实际可行的主要有三条路方案一完全本地跑轻量级人脸检测库。ESP32原厂SDK里带了一个人脸检测库face detection基于Haar-like特征可以框出画面里的人脸位置。用它做“有没有人站在摄像头前”的判断很合适速度快、内存占用小。但原厂库的人脸识别face recognition能力比较弱准确率一般只能作为验证概念的方案不适合直接用于正式考勤。方案二边缘端检测PC端识别。ESP32先通过人脸检测库判断画面里有人脸然后把图像通过WiFi发送到局域网内的PC或服务器由PC端用OpenCV或其他人脸识别库完成特征比对再把结果返回给ESP32。这个方案的好处是精度高缺点是依赖局域网断网就没法工作。方案三本地提取特征本地比对。把预注册人员的人脸特征直接存到ESP32的Flash或SD卡里每次采集到人脸后在本地提取特征并和预存特征做比对。这个方案不依赖外部服务器响应快、隐私好但受限于ESP32的算力不能选太复杂的特征提取算法。最终我采用的是“方案三为主方案二为备”的思路。具体来说注册阶段每张人脸图像通过串口发给PCPC上用OpenCV提取128维特征向量以二进制格式存储到SD卡。识别阶段ESP32采集图像用本地特征提取算法提取特征然后和SD卡里预存的特征逐一计算余弦相似度超过阈值的就判定为匹配。我选用的本地特征提取算法是LBPH局部二值模式直方图它是一种经典且轻量的人脸特征描述方法计算量小在灰度图像上就能运行对光照变化有一定的鲁棒性。下面是我在Arduino环境里实现LBPH特征提取和比对的简化代码// 将JPEG图像转换为灰度图并缩放至64x64 uint8_t gray[64 * 64]; // LBP特征提取对每个像素计算局部二值模式 void extractLBP(const uint8_t* img, uint8_t* lbp, int width, int height) { for (int y 1; y height - 1; y) { for (int x 1; x width - 1; x) { uint8_t center img[y * width x]; uint8_t value 0; if (img[(y-1) * width (x-1)] center) value | 0x80; if (img[(y-1) * width x] center) value | 0x40; if (img[(y-1) * width (x1)] center) value | 0x20; if (img[y * width (x1)] center) value | 0x10; if (img[(y1) * width (x1)] center) value | 0x08; if (img[(y1) * width x] center) value | 0x04; if (img[(y1) * width (x-1)] center) value | 0x02; if (img[y * width (x-1)] center) value | 0x01; lbp[(y-1) * (width-2) (x-1)] value; } } } // 计算直方图并归一化 void calcHistogram(const uint8_t* lbp, float* hist, int size) { memset(hist, 0, 256 * sizeof(float)); for (int i 0; i size; i) { hist[lbp[i]] 1.0f; } for (int i 0; i 256; i) { hist[i] / size; } } // 计算两个直方图的欧氏距离 float compareHist(const float* h1, const float* h2) { float sum 0; for (int i 0; i 256; i) { float diff h1[i] - h2[i]; sum diff * diff; } return sqrt(sum); }整体识别流程是这样的检测到人脸区域后提取LBP直方图再和SD卡里每一条预存记录逐一对比算出最小距离。如果这个距离小于设定阈值就认为是同一个人否则提示“未注册”。注意首次运行时需要先进行人员注册把每个人的名字和人脸特征写入SD卡。注册次数建议每人采集3到5次不同角度和光照条件下的图像提升识别鲁棒性。3.3 考勤记录存储SPIFFS与SD卡的选择考勤记录需要持久化存储这里有两个选择SPIFFS文件系统或TF卡。SPIFFS是ESP32内置Flash上划分出来的文件系统适合存少量配置文件和预存特征。但它的容量有限根据分区方案通常只有1到3MB频繁写入会磨损Flash不适合作为考勤记录的主力存储。TF卡通过ESP32-CAM板载的卡槽读写容量大、速度可以接受、掉电不丢数据是考勤记录的理想选择。只需要在代码里初始化SD卡#include FS.h #include SD_MMC.h void setupSD() { if (!SD_MMC.begin(/sdcard)) { Serial.println(SD卡初始化失败请检查是否插入); return; } Serial.println(SD卡初始化成功); }写入考勤记录时我用的是CSV格式方便后续用Excel或脚本处理void writeAttendance(const char* name, const char* direction) { File file SD_MMC.open(/attendance.csv, FILE_APPEND); if (!file) { Serial.println(打开考勤文件失败); return; } char timeStr[32]; getCurrentTimeStr(timeStr); // 从NTP服务器获取时间 file.printf(%s,%s,%s\n, name, timeStr, direction); file.close(); }文件按天切割、记录带完整时间戳这是考勤系统最基本的要求。NTP校时很重要ESP32离线跑起来之后系统时间会漂移如果不上网校时打卡记录的时间就会越来越不准。我在这里做了一层NTP时间同步WiFi连上后通过NTP协议从网络获取标准时间。3.4 舵机控制与结果反馈识别到合法人员后系统要给出直观反馈。我用SG90舵机模拟门禁开关识别成功舵机转动90度保持2秒再回转同时OLED屏幕显示“欢迎 XXX”识别失败屏幕显示“未注册”蜂鸣器响一声提示。舵机控制用的是ESP32的LEDC脉宽调制功能#include ESP32Servo.h Servo doorServo; const int SERVO_PIN 13; void openDoor() { doorServo.write(90); // 开门角度 delay(1500); doorServo.write(0); // 关门角度 delay(500); } void setupServo() { doorServo.attach(SERVO_PIN); doorServo.write(0); }OLED显示用的是一个现成的库初始化之后直接打印字符串就行。这里就不贴完整代码了核心就两个动作清屏、显示。实际经验舵机启动瞬间的电流冲击比较大如果和ESP32共用一条面包板供电线很容易把板子拉复位。我最后是给舵机单独用了一路5V输入并且把ESP32的GND和舵机的GND共地这样两边都稳定。4. 局域网通信与远程考勤上报4.1 WiFi连接与考勤数据上报识别结果如果只在本地SD卡里存着管理员要查考勤记录就得去现场拿卡太不优雅了。所以我又加了一个“上报”的功能考勤记录同时写入SD卡并通过WiFi以HTTP POST方式发送到局域网内的服务器或者直接推送到群机器人Webhook。ESP32连接WiFi并发送HTTP请求的代码很常规#include WiFi.h #include HTTPClient.h const char* ssid your_wifi; const char* password your_password; void uploadRecord(const char* name, const char* timeStr, const char* direction) { HTTPClient http; String url http://192.168.1.100:8080/attendance; http.begin(url); http.addHeader(Content-Type, application/json); String payload String({\name\:\) name \,\time\:\ timeStr \,\direction\:\ direction \}; int httpCode http.POST(payload); if (httpCode 0) { Serial.printf(上报成功HTTP状态码: %d\n, httpCode); } else { Serial.println(上报失败检查网络连接); } http.end(); }如果你是个人学习用没有现成的服务器可以用“乐为物联”这类公网MQTT平台或者直接在局域网电脑上用Python跑一个Flask接口来接收。我当初是自己写了个几十行的Flask应用把所有打卡记录聚合展示到一个网页表格里查记录比去拔SD卡舒服多了。4.2 蓝牙控制与本地配置除了WiFi上报ESP32的蓝牙功能也能派上用场。我在系统里加了一个简单的蓝牙配置模式手机通过蓝牙串口发送指令可以完成“列出当天考勤记录”“清空记录”“切换识别模式”这些操作。蓝牙控制的核心思路是用ESP32经典蓝牙模拟串口#include BluetoothSerial.h BluetoothSerial SerialBT; void setupBT() { SerialBT.begin(ESP32_Attendance); } void checkBTCommand() { if (SerialBT.available()) { String cmd SerialBT.readStringUntil(\n); cmd.trim(); if (cmd list) { // 读取并发送考勤记录 } else if (cmd clear) { // 清空考勤记录 } } }手机端可以装一个蓝牙串口调试工具连接后直接输命令。这个功能对现场调试非常有用不用打开电脑接串口线就能看设备状态。实际操作中建议把身份验证加上不然任何人都能连上蓝牙把记录清掉。我因为在家庭内部使用所以只做了一个简单4位PIN码校验。5. 硬件接线、调试实录与注意事项5.1 ESP32-CAM引脚图与接线很多人买回ESP32-CAM之后看着板子上一堆焊点会发懵。这里有一份我实际使用的接线对照表外设ESP32-CAM引脚说明OLED SDAGPIO14I2C数据线OLED SCLGPIO15I2C时钟线舵机信号GPIO13舵机PWM控制蜂鸣器正极GPIO12有源蜂鸣器FTDI TXU0TXD (GPIO1)烧录用FTDI RXU0RXD (GPIO3)烧录用FTDI GNDGND共地FTDI 3.3V3.3V供电若用底板则不需要这里要特别说明ESP32-CAM的GPIO12是MTDI引脚板载有上拉电阻在启动时如果电平不对会影响Flash电压导致无法正常启动。我踩过这个坑把蜂鸣器接到GPIO12上结果板子一直无法启动排查了半天才发现是做GPIO12给拉高了。最后把蜂鸣器换了一个引脚才解决。所以GPIO12、GPIO0这类带特殊功能的引脚尽量避开。5.2 上电调试与串口监视硬件接好之后上电打开串口监视器波特率设为115200你可能会看到类似这样的日志摄像头初始化成功 SD卡初始化成功 WiFi已连接IP地址: 192.168.1.123 等待人脸识别... 检测到人脸 正在提取特征... 匹配结果: 张三 (相似度 0.92)调试过程中串口日志是唯一的“眼睛”每一个功能模块的初始化状态都要清楚打印出来。我的习惯是每个模块加一个明显的分隔线这样出问题的时候能快速定位到是哪一个环节挂掉了。5.3 供电问题与稳定性优化我得专门腾出一段来讲供电因为这是我在这类项目里遇到最多的问题。ESP32-CAM摄像头的瞬态电流可以达到200mA以上如果再加上OLED、蜂鸣器、舵机瞬间电流很容易突破500mA。如果用电脑USB口供电电流不够或者电压跌落会出现摄像头初始化失败、WiFi连接不稳定、随机重启的情况。解决办法有三个层次最低限度用5V 2A的手机充电器供电而不是电脑USB口。稳妥方案主控用单独5V供电舵机用另一路5V供电两者共地。进阶方案加一个大容量电解电容470uF以上在电源输入端能有效缓冲瞬间电流冲击。我做项目的时候是充电器给ESP32供电舵机接在同一路5V上结果频繁重启。后来给舵机单独供电问题一下就好了。所以如果出现“烧录正常但运行不稳定”的情况第一个检查点一定是供电。6. 常见问题与排查技巧实录6.1 常见错误一览表在开发过程中我整理了这样一份常见问题速查表基本覆盖了开发从头到尾可能遇到的坑问题可能原因解决方法烧录时报“Failed to connect to ESP32”GPIO0未拉低按BOOT键不放点击上传等出现连接提示后松开烧录成功但摄像头初始化失败PSRAM未启用在工具菜单中打开PSRAMEnabled摄像头画面花屏/条纹供电不足或XCLK频率过高换5V 2A电源XCLK降到10MHzWiFi连不上天线区域被遮挡天线位置不要靠近金属必要时外接天线SD卡初始化失败接触不良或格式不对重新拔插格式化为FAT32识别准确率低注册样本少或光线变化大每人录3-5张保证光线充足系统随机重启电源电流不足检查供电舵机单独供电OLED显示花屏I2C地址不对或接线松运行I2C扫描程序确认地址6.2 烧录失败问题深入分析ESP32初学者遇到最多的就是烧录失败。错误信息“A fatal error occurred: Failed to connect to ESP32: Timed out waiting for packet header”几乎每个人都见过。这个问题的核心原因是芯片没有进入下载模式。对于ESP32-CAM这种没有USB串口的手工烧录方式必须把GPIO0接地再复位芯片才会进入Bootloader模式。注意操作顺序接好FTDI之后先把GPIO0跳线跳到GND再上电或按复位此时串口监视器会输出“Downloading bootloader...”之类的信息这时再点IDE的上传按钮基本十拿九稳。另外如果报错里出现了“Serial port busy”或者“Access denied”可能是串口被其他程序占用了。关掉虚拟串口软件和串口监视器窗口再试。6.3 识别准确率优化建议人脸识别这块准确率是最容易被人吐槽的。我实测下来光线充足、正脸姿态下本地LBPH方案的识别成功率在90%以上但如果是逆光、侧脸、快速移动的场景误识别率会明显上升。想提升准确率我总结出几条经验注册时尽量丰富样本不同角度、不同表情、不同光线条件下各拍几张。摄像头安装位置固定好让人员能自然地正对镜头。在识别前对图像做直方图均衡化和灰度归一化可以减弱光线变化的影响。阈值不要设太紧否则会出现拒绝合法用户的问题。我的经验是做一个“疑似匹配”区域距离靠近阈值但未达标的提示“请再试一次”而不是直接拒绝。实在想要更高精度可以升级成ESP32-S3加一个轻量级CNN模型跑人脸识别。不过这属于进阶玩法后续我可以单独写一篇。7. 项目扩展方向与最后的一点体会这套系统本身已经能跑通“识别记录反馈上报”的完整链路但它仍然有很大的扩展空间。比如可以接一个继电器模块去控制电磁锁真正替代门禁可以把上报接口从HTTP改成MQTT接入Home Assistant等智能家居平台可以用ESP32-S3替代ESP32-CAM跑更现代的轻量级人脸识别模型也可以做多设备联动在前后门各放一个设备数据汇总到同一套后台。我在实际使用的过程中最大的感受是ESP32这类单片机能做的东西其实比很多人想象的多得多。受限于算力是事实但通过合理的方案选型和工程化取舍很多本来以为必须上树莓派甚至云端的项目其实用几十块钱的ESP32就能完成得不错。最后想说的是如果你也打算复刻一个类似的项目我的建议是先拆电路板上的功能模块一个一个打通再组装。先让摄像头出图再测SD卡读写再到WiFi上报最后接舵机和屏幕。不要一上来就把所有功能堆在一起编译出了问题你真的很难定位到底卡在哪一环。把这个系统从想法变成实物前前后后断断续续搞了一个多星期最痛苦的不是代码而是那些玄学的硬件问题。但当成品真正摆在门边、识别到人脸自动开门的时候那种成就感确实是纯软件开发给不了的。本文还有配套的精品资源点击获取