1. 为什么我要折腾摄像头自动锁屏这件事办公室里的安全习惯说起来都是泪。我所在的工位属于那种“人来人往”的位置去接杯水、上个厕所、临时被拉去开个短会电脑就那么亮着屏扔在桌上。Windows 自带的锁屏要么手动按 WinL要么等屏保超时前者容易忘后者动辄十几分钟中间这段空窗期就是最大的隐患。市面上确实有那种“人脸识别解锁”的成品软件但要么收费要么需要专用红外摄像头要么后台常驻一堆看不懂的服务用着不踏实。后来我琢磨既然手头有一台带普通 USB 摄像头的 Windows 10 机器OpenCV 和 TensorFlow 又都是现成的轮子为什么不自己搭一套“人走自动锁、人回自动解”的小系统这套东西的核心逻辑其实很朴素摄像头持续抓帧判断画面里有没有“我这张脸”如果连续若干秒检测不到就触发锁屏锁屏之后继续检测一旦识别到是我本人就自动输入密码解锁。整个过程不需要红外、不需要深度摄像头一个几十块钱的普通摄像头就能跑。这篇文章适合两类人看一类是像我一样有点 Python 基础、想拿自己电脑练手的开发者另一类是对计算机视觉感兴趣、想找一个“能落地、有反馈”的小项目入门的朋友。我会把方案选型、模型训练、锁屏解锁的调用方式、以及我踩过的坑全部摊开讲代码和参数都给到能直接抄的程度。整套方案在普通室内光线下实测可用误识别率控制得也还不错下面进入正题。2. 整体方案设计与技术选型思路2.1 为什么是“检测识别”两段式而不是一步到位很多人第一反应是直接训练一个“是不是我”的二分类模型不就行了理论上可行但实际用起来会很别扭。原因在于二分类模型在画面里没有脸的时候也会强行输出一个“是/不是”的概率背景里一把椅子、一张海报都可能被误判成“我”导致锁屏逻辑乱触发。所以我采用的是两段式结构第一段用人脸检测回答“画面里有没有脸”第二段用人脸识别回答“这张脸是不是我”。只有检测到人脸才把这张脸送进识别模型。这样做的好处非常直接——没有脸的时候系统直接判定为“无人”锁屏逻辑干净利落识别模型也不会被无关画面干扰。检测环节我用的是 OpenCV 自带的Haar 级联分类器也就是那个haarcascade_frontalface_default.xml。选它而不是更先进的 MTCNN 或 DNN 检测器理由有三点一是它随 OpenCV 一起安装零额外依赖二是 CPU 上跑得飞快普通办公本也能到 20 帧以上三是对正脸检测足够稳而我们锁屏场景下用户基本是正对屏幕的。识别环节则用 TensorFlow 2.0 搭一个小型卷积网络做的是“我 vs 其他人”的二分类。2.2 锁屏与解锁的触发逻辑怎么设计才不抽风这是整个项目里最容易被低估的部分。如果逻辑写得太敏感你低头捡个笔屏幕就锁了写得太迟钝人走了半分钟还没反应。我最终采用的是一套带计数的状态机检测线程每 0.5 秒抓一帧记录“是否检测到人脸”和“是否识别为我”。维护一个“连续无人帧数”计数器连续 6 帧约 3 秒无人才判定为“人已离开”触发锁屏。锁屏后进入“等待解锁”状态连续 3 帧识别为我才触发解锁避免路过的人影误触发。提示3 秒这个阈值是我反复调出来的。低于 2 秒正常转头看手机就会误锁高于 5 秒人走了屏幕还亮着安全意义就打折了。你可以根据自己的工位情况微调。2.3 普通摄像头到底够不够用这是被问得最多的问题。结论是在室内稳定光线下完全够用。普通摄像头的短板主要在暗光和逆光而不是分辨率。我用的是一颗 720P 的 USB 摄像头人脸区域大概占画面 200×200 像素识别准确率已经能稳定在 95% 以上。真正影响体验的是光照稳定性——如果背后是窗户人脸变成剪影检测器就会失效。解决办法很简单把摄像头稍微朝下压一点或者让人脸处于均匀的正面光下问题基本消失。3. 环境搭建与核心依赖的安装细节3.1 Python 与依赖版本的选择这套东西对版本比较敏感尤其是 TensorFlow 和 OpenCV 的搭配。我实测下来最稳的组合是 Python 3.7 或 3.8TensorFlow 2.0 到 2.3 之间OpenCV 4.2 以上。Python 3.9 之后 TensorFlow 2.0 的某些旧接口会有兼容问题不建议新手去趟这个雷。安装命令如下建议在虚拟环境里做避免污染主环境python -m venv face_lock_env face_lock_env\Scripts\activate pip install opencv-python4.5.5.64 pip install tensorflow2.3.0 pip install numpy1.19.5 pip install pillow注意opencv-python和opencv-contrib-python不要同时装会互相覆盖导致cv2导入异常。我们只需要基础版装opencv-python就够了。3.2 摄像头能否被正常调用先做一次体检在写任何识别代码之前先确认摄像头能被 OpenCV 打开。这一步能帮你排除掉一大半“代码没问题但就是跑不起来”的情况import cv2 cap cv2.VideoCapture(0, cv2.CAP_DSHOW) if not cap.isOpened(): print(摄像头打开失败检查是否被其他程序占用) else: ret, frame cap.read() print(分辨率:, frame.shape) cv2.imwrite(test_frame.jpg, frame) cap.release()这里有个关键点Windows 下打开摄像头一定要加cv2.CAP_DSHOW这个参数。不加的话OpenCV 默认走 MSMF 后端打开慢、偶尔还会卡死这是我在 Windows 上踩过最典型的坑之一。加上之后摄像头基本是秒开。3.3 人脸检测器的加载与参数含义Haar 检测器的加载很简单但detectMultiScale的几个参数必须理解否则检测效果会差很多face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale( gray, scaleFactor1.1, minNeighbors5, minSize(100, 100) )scaleFactor1.1每次图像缩放比例越小检测越细但越慢1.1 是速度和精度的平衡点。minNeighbors5一个候选框周围要有多少个邻居才被确认为脸调高能减少误检调低能提高召回。minSize(100,100)小于这个尺寸的框直接忽略能过滤掉远处的小脸和噪点。实操心得如果你的脸在画面里偏小把minSize降到(80,80)如果背景杂物多、误检频繁把minNeighbors提到 6 或 7。4. 人脸识别模型的训练与数据准备4.1 数据采集多少张才够怎么采才有效识别模型的质量八成取决于数据。我的经验是同一个人至少 300 张正负样本比例接近 1:1。正样本就是我自己的人脸负样本是其他人的人脸或者不含人脸的背景。采集脚本的核心逻辑是打开摄像头用检测器框出人脸按空格键保存当前人脸区域到指定文件夹。采集时要注意几点多角度正脸、左右各偏 30 度、稍微抬头低头都要采。多光照白天自然光、晚上开灯、侧光各来一批。多表情正常、微笑、皱眉让模型不要只认“面无表情的我”。戴不戴眼镜如果你平时戴眼镜一定要采戴眼镜的样本否则识别率会断崖式下跌。import cv2, os save_dir dataset/me os.makedirs(save_dir, exist_okTrue) count 0 cap cv2.VideoCapture(0, cv2.CAP_DSHOW) face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) while True: ret, frame cap.read() gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, 1.1, 5, minSize(100,100)) for (x, y, w, h) in faces: cv2.rectangle(frame, (x,y), (xw,yh), (0,255,0), 2) face_img frame[y:yh, x:xw] cv2.imshow(face, face_img) cv2.imshow(capture, frame) key cv2.waitKey(1) if key 32 and len(faces) 1: x, y, w, h faces[0] cv2.imwrite(f{save_dir}/{count}.jpg, frame[y:yh, x:xw]) count 1 print(已保存, count) elif key 27: break cap.release() cv2.destroyAllWindows()负样本的采集同理把save_dir换成dataset/others然后让同事或者家人来镜头前晃一圈或者干脆对着网上的公开人脸数据集截取。我当时的负样本大概采了 400 张来自 5 个不同的人模型泛化能力明显比只用背景图要好。4.2 数据预处理统一尺寸与归一化采集到的图片尺寸不一送进网络前必须统一。我统一缩放到128×128这个尺寸在精度和速度之间比较平衡。再大对普通摄像头来说没意义再小会丢失细节。import cv2, numpy as np, os def load_data(folder, label): X, y [], [] for fname in os.listdir(folder): img cv2.imread(os.path.join(folder, fname)) if img is None: continue img cv2.resize(img, (128, 128)) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) X.append(img) y.append(label) return X, y X_me, y_me load_data(dataset/me, 1) X_other, y_other load_data(dataset/others, 0) X np.array(X_me X_other, dtypenp.float32) / 255.0 y np.array(y_me y_other, dtypenp.float32)归一化到 0~1 是必须的否则训练时梯度会爆炸loss 直接变 NaN。这一步看着简单但漏掉的话模型根本训不起来。4.3 网络结构小模型反而更稳识别任务不复杂没必要上 ResNet 那种大网络。我用的是一套四层卷积的小网络参数量不到 200 万CPU 上推理一次只要几十毫秒import tensorflow as tf from tensorflow.keras import layers, models model models.Sequential([ layers.Conv2D(32, (3,3), activationrelu, input_shape(128,128,3)), layers.MaxPooling2D(2,2), layers.Conv2D(64, (3,3), activationrelu), layers.MaxPooling2D(2,2), layers.Conv2D(128, (3,3), activationrelu), layers.MaxPooling2D(2,2), layers.Conv2D(128, (3,3), activationrelu), layers.GlobalAveragePooling2D(), layers.Dropout(0.5), layers.Dense(64, activationrelu), layers.Dense(1, activationsigmoid) ]) model.compile( optimizertf.keras.optimizers.Adam(1e-3), lossbinary_crossentropy, metrics[accuracy] )注意Dropout(0.5)放在全连接层之前非常关键。我第一版没加训练集准确率 99%一到实际摄像头前就乱判典型的过拟合。加上之后泛化能力立刻上来了。训练时用validation_split0.2跑 20 个 epoch 左右配合EarlyStopping防止过拟合callbacks [ tf.keras.callbacks.EarlyStopping(patience5, restore_best_weightsTrue) ] model.fit(X, y, epochs20, batch_size32, validation_split0.2, callbackscallbacks) model.save(face_model.h5)5. 锁屏与解锁的落地实现5.1 Windows 锁屏的调用方式Windows 下触发锁屏最干净的方式是调用系统命令import ctypes ctypes.windll.user32.LockWorkStation()这一行就能把屏幕锁上等价于按 WinL不需要任何第三方库。解锁则麻烦一些因为系统锁屏后普通程序无法直接模拟键盘输入密码——这是 Windows 的安全设计防止恶意程序绕过锁屏。我的做法是解锁环节用一个后台常驻的小程序配合系统的“自动登录”或者“凭据”机制在识别成功后通过模拟输入的方式完成解锁。这里要说明的是模拟输入需要程序有相应的权限且必须在锁屏会话之外运行。我实测可行的方案是把识别程序注册成一个计划任务以最高权限运行锁屏后它依然在后台工作识别到本人后调用keybd_event模拟输入密码并回车。import ctypes, time def type_password(pwd): for ch in pwd: vk ctypes.windll.user32.VkKeyScanW(ord(ch)) ctypes.windll.user32.keybd_event(vk 0xFF, 0, 0, 0) ctypes.windll.user32.keybd_event(vk 0xFF, 0, 2, 0) time.sleep(0.05) # 回车 ctypes.windll.user32.keybd_event(0x0D, 0, 0, 0) ctypes.windll.user32.keybd_event(0x0D, 0, 2, 0)提示密码不要硬编码在脚本里建议存在系统凭据管理器或者加密配置文件中脚本运行时读取。明文写在代码里等于把钥匙贴在门上。5.2 主循环检测、识别、状态机三合一把前面所有模块串起来主循环的逻辑大致如下import cv2, numpy as np, time from tensorflow.keras.models import load_model model load_model(face_model.h5) face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) cap cv2.VideoCapture(0, cv2.CAP_DSHOW) no_face_count 0 me_count 0 locked False NO_FACE_THRESHOLD 6 ME_THRESHOLD 3 while True: ret, frame cap.read() if not ret: continue gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, 1.1, 5, minSize(100,100)) if len(faces) 0: no_face_count 1 me_count 0 else: no_face_count 0 x, y, w, h faces[0] face cv2.resize(frame[y:yh, x:xw], (128,128)) face cv2.cvtColor(face, cv2.COLOR_BGR2RGB) / 255.0 face np.expand_dims(face, axis0) pred model.predict(face, verbose0)[0][0] if pred 0.7: me_count 1 else: me_count 0 if not locked and no_face_count NO_FACE_THRESHOLD: ctypes.windll.user32.LockWorkStation() locked True no_face_count 0 if locked and me_count ME_THRESHOLD: type_password(get_password()) locked False me_count 0 time.sleep(0.5)阈值pred 0.7是我调出来的。低于 0.6 容易把别人认成我高于 0.85 我自己稍微侧个脸就解不开。0.7 到 0.8 之间是比较舒服的区间。5.3 让程序开机自启并常驻后台手动开个命令行窗口跑着不现实得让它开机自启。最省事的办法是把脚本打包成 exe然后丢进“启动”文件夹或者用任务计划程序设置“登录时触发”。打包用pyinstallerpyinstaller --noconsole --onefile face_lock.py--noconsole让它不弹黑框--onefile打成单文件方便管理。打包后记得把face_model.h5和haarcascade的路径改成绝对路径否则 exe 找不到模型文件。6. 常见问题与排查技巧实录6.1 摄像头被占用、打开失败怎么办这是最高频的问题。表现是cap.isOpened()返回 False或者read()一直返回空。原因通常是摄像头被其他程序占着——浏览器、会议软件、甚至另一个没关干净的 Python 进程。排查顺序是先关掉所有可能用摄像头的软件再打开任务管理器看有没有残留的 python 进程最后确认cv2.CAP_DSHOW参数加了没有。6.2 识别忽好忽坏怎么定位问题识别不稳定八成出在数据或光照上而不是模型本身。我整理了一张排查表按顺序过一遍基本能定位现象可能原因排查方法白天正常晚上识别失败光照不足人脸对比度低增加正面补光或采集夜间样本重训戴眼镜时识别率骤降训练集缺少戴眼镜样本补采戴眼镜数据侧脸识别失败训练集角度单一补采左右偏转样本别人被误认成我负样本不足或阈值过低增加负样本提高判定阈值锁屏后无法解锁模拟输入权限不足以最高权限运行检查计划任务设置6.3 误锁、误解锁的调参经验误锁和误解锁本质上是同一组阈值的两端。我的调参顺序是先把NO_FACE_THRESHOLD调大比如从 6 到 8解决误锁再把识别阈值从 0.7 提到 0.8解决误解锁。两个都调完之后实际用一周记录每次误触发的场景再针对性微调。这个过程没有捷径只能靠实际使用来磨。实操心得我建议在正式启用自动解锁之前先跑一周“只锁不解”模式也就是只验证锁屏逻辑解锁还是手动输密码。这样能先确认检测和锁屏足够可靠再放开解锁风险可控。6.4 性能占用与散热问题持续跑摄像头和推理CPU 占用大概在 15% 到 25% 之间笔记本风扇会转起来。优化手段有两个一是把抓帧间隔从 0.5 秒放宽到 1 秒二是把识别推理改成每 3 帧才做一次中间帧只做检测。我实测这样改完CPU 占用能降到 10% 以下体验上几乎感觉不到延迟。7. 一些实际用下来的体会这套东西我从搭起来到现在用了小半年最大的感受是真正难的不是模型而是那些边角逻辑。模型训练半天就能跑通但“什么时候该锁、什么时候该解、误触发怎么兜底”这些事是靠一天天用出来的。我中间经历过半夜起来上厕所被屏幕亮光晃醒误解锁也经历过低头系鞋带屏幕就锁了误锁每一次都是靠调阈值和加状态判断解决的。另外提醒一句这套方案本质上是“便利性工具”不是“安全级方案”。它能防住同事随手翻你屏幕但防不住有心人拿照片来骗——普通摄像头没有活体检测能力。如果你对安全要求高还是老老实实按 WinL或者上带红外活体检测的专用设备。把它当成一个帮你养成锁屏习惯的辅助工具心态就对了。后续如果还想折腾可以往两个方向扩展一是加一个“陌生人检测”画面里出现非本人面孔时直接锁屏并截图留证二是把识别模型换成更轻量的 MobileNet进一步降低 CPU 占用。这两个我都试过雏形跑得通等有空再单独整理出来。
