这是一套基于深度学习的人脸识别门禁系统，不仅软件源码公开，连硬件设计图纸也一并开源。项目成本低且性能强大，适合需要高性价比安防方案的开发者与企业。
智能速览
基于YOLO11等模型实现高精度人脸识别与物体检测。
选用RK3588S2主控，支持4K视频编解码与NPU加速。
硬件设计完全开源，包含PCB原理图及扩展接口文档。
具备人体红外检测与OLED显示，支持本地化边缘计算。
部署成本控制在500元以内，适配多种智能安防场景。
精华内容
深度学习技术赋能下，智能安防正变得触手可及，这套开源系统展示了低成本构建高性能门禁的可行性。
高性能硬件架构
系统核心采用野火鲁班猫4开发板（RK3588S2芯片），集成四核Cortex-A76与A55架构，支持4K@60fps视频编解码。搭配IMX415 800万像素4K摄像头，能采集高分辨率视频流。
此外，集成了RTL8822CE无线模块支持WiFi与蓝牙连接，以及人体红外传感器SR501用于触发检测流程。系统还配备7寸触摸屏与128×32 OLED屏，分别用于LVGL交互与状态显示，硬件接口丰富，扩展性强。
深度学习算法栈
软件层面集成了多个前沿深度学习模型。YOLO11负责实时物体检测与多目标追踪，能识别闯入等异常行为。RetinaFace精准定位人脸关键点，提升复杂光照下的检测精度。
FaceNet通过128维特征向量进行人脸比对，支持跨姿态识别。后端采用Django构建管理API，前端结合LVGL与Vue+Element Plus，实现了从本地触摸交互到远程Web监控的完整软件生态。
多场景落地应用
该系统适用于多种安防场景。在企业办公中，可实现员工刷脸考勤与白名单管理，异常闯入会触发本地报警与远程推送。在社区与校园，能识别黑名单人员并进行无感考勤。
家庭场景下，支持家人刷脸开门联动智能家居，且具备红外检测看护功能，监测老人跌倒或儿童独自外出，保障家庭安全。零售场景则可用于会员识别与防损警报。
项目基于MIT协议完全开源，提供了全套硬件图纸与固件源码，极大地降低了技术门槛。对于寻求高性价比、可定制安防方案的用户而言，这不仅是一个现成的解决方案，更是一个极具潜力的二次开发平台。
