有多种方法可以实现访问控制并个性化常见物体（物理钥匙、PIN码、指纹或刷脸认证）。 面部识别是验证用户身份最方便的方法，因为它具有即时性、无需接触，并且安全（生物特征数据）。
方法
从相机输入 (/dev/videox) 获取帧并由两个神经网络模型（面部检测和面部识别）通过TensorFlow™ Lite运行时框架进行处理。 。
使用GStreamer管道流式传输相机帧（使用v4l2src），显示预览（使用waylandsink），并执行神经网络推理（使用appsink）。
使用GtkWidgets与Cairo生成的叠层显示推理结果。
管道
传感器
USB网络摄像头或内置相机。
数据
数据格式分辨率为96×96的RGB888颜色输入图像
结果
模型：用于面部检测和面部识别的自定义CNN
在 STM32MP157F（高频）上的结果
对一张人脸执行人脸检测和人脸识别的平均执行帧速率约为 5 fps
- 人脸检测执行时间 ~ 70 毫秒
- 人脸识别执行时间 ~ 55 毫秒
在 STM32MP157F（高频）上的结果
对一张人脸执行人脸检测和人脸识别的平均执行帧速率约为 5 fps
- 人脸检测执行时间 ~ 70 毫秒
- 人脸识别执行时间 ~ 55 毫秒
资源 
![适用于OpenSTLinux的AI]()
![适用于OpenSTLinux的AI]()
![STM32MP1系列]()
![STM32MP1系列]()
优化工具 适用于OpenSTLinux的AI
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1微处理器上运行AI模型。其中包含了Linux® AI框架以及应用示例。
兼容 STM32MP1系列
STM32MP1微处理器系列包含单/双Arm® Cortex®-A7内核+单Cortex®-M4内核的微处理器产品 作为通用型微处理器产品组合，STM32MP1系列可简化各种应用的开发，助力实现应用的多样性和灵活性，在各种应用中都能达到卓越性能和低功效。