智能门铃项目实战：人脸识别 + 微信推送，家门口的小管家

快递到了不知道？陌生人按门铃不敢开？这个 DIY 智能门铃帮你盯着家门口！

上周我家门口被塞了好几张传单，等我下班回来才发现。当时就想：要是有个东西能自动识别门口的人，还能通知我就好了。于是这个周末，我动手做了个智能门铃——不仅能人脸识别，还能通过微信推送消息到手机。

整个项目成本不到 300 块，用树莓派 + 摄像头 + 微信推送服务就能搞定。今天把完整过程分享给大家。

需要准备什么？

物品	型号/规格	价格
树莓派	Raspberry Pi 4B 2GB	¥280
摄像头	USB 摄像头 1080P	¥35
麦克风	USB 麦克风（可选）	¥25
门铃按钮	常开自复位开关	¥8
杜邦线	公对母 20cm	¥5
外壳	3D 打印/塑料盒	¥20
总计	¥373

如果你已经有树莓派，成本可以压到 100 块以内。摄像头我用的是普通的 USB webcam，淘宝随便买的，能看清人脸就行。

步骤 1：系统环境搭建

首先给树莓派装上系统。我推荐用 Raspberry Pi OS（64 位），下载地址：https://www.raspberrypi.com/software/operating-systems/

烧录好系统后，通过 SSH 登录树莓派，然后安装必要的依赖：

# 更新系统
sudo apt-get update
sudo apt-get upgrade -y

安装 Python 依赖
sudo apt-get install -y python3-pip python3-opencv python3-numpy
sudo apt-get install -y libatlas-base-dev libjasper-dev libqtgui4 libqt4-test

安装 face_recognition 库（基于 dlib）
pip3 install face_recognition
pip3 install requests
pip3 install gpiozero

注意事项： ⚠️ face_recognition 库编译比较慢，树莓派上可能需要 20-30 分钟。建议先喝杯咖啡，让它发热吧，别发光就好。

如果编译过程中报错，通常是缺少 C++ 编译器，执行下面命令：

sudo apt-get install -y build-essential cmake

步骤 2：录入家庭成员人脸

接下来要录入家里人的人脸数据。我写了一个简单的脚本，调用摄像头拍照并提取人脸特征：

# enroll_face.py
import cv2
import face_recognition
import pickle
import os

def enroll_face(name, num_photos=5):

    """录入人脸，拍摄多张照片取平均特征"""

    print(f"开始录入 {name} 的人脸，请保持表情自然...")

    

    encodings = []

    cap = cv2.VideoCapture(0)

    

    if not cap.isOpened():

        print("❌ 摄像头无法打开，请检查连接")

        return False

    

    for i in range(num_photos):

        ret, frame = cap.read()

        if not ret:

            continue

            

        # 转 RGB 格式

        rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

        

        # 检测人脸

        face_locations = face_recognition.face_locations(rgb_frame)

        

        if len(face_locations) == 0:

            print(f"第{i+1}张：未检测到人脸，请正对摄像头")

            continue

        

        if len(face_locations) > 1:

            print(f"第{i+1}张：检测到多张人脸，请确保只有一人")

            continue

        

        # 提取人脸特征

        face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)

        if face_encodings:

            encodings.append(face_encodings[0])

            print(f"第{i+1}张：✅ 特征提取成功")

    

    cap.release()

    

    if not encodings:

        print("❌ 未能提取到任何人脸特征")

        return False

    

    # 保存特征（取平均）

    avg_encoding = [sum(e) / len(e) for e in zip(*encodings)]

    

    # 加载或创建数据库

    db_file = "face_database.pkl"

    if os.path.exists(db_file):

        with open(db_file, "rb") as f:

            database = pickle.load(f)

    else:

        database = {}

    

    database[name] = avg_encoding

    

    with open(db_file, "wb") as f:

        pickle.dump(database, f)

    

    print(f"✅ {name} 的人脸录入成功！共{len(encodings)}张有效照片")

    return True

if __name__ == "__main__":

    name = input("请输入姓名：")

    enroll_face(name)

运行脚本：

python3 enroll_face.py

按提示输入家人姓名，然后对着摄像头拍几张照片。建议每人录入 5 张以上，识别准确率会更高。

步骤 3：微信推送服务配置

这里用 Server 酱（https://sct.ftqq.com/）实现微信推送，免费且简单：

1. 访问 Server 酱官网，用微信扫码登录
2. 绑定微信后，获取 SendKey（类似：SCT123456abcdef）
3. 在微信关注”方糖”公众号，就能收到推送

测试推送：

# 替换为你的 SendKey
curl -X POST "https://sctapi.ftqq.com/SCT123456abcdef.send" \
  -d "text=门铃测试" \
  -d "desp=有人在门口按门铃了！"

如果微信收到消息，说明配置成功。

步骤 4：主程序编写

重头戏来了！下面是完整的主程序，集成了人脸检测和微信推送：

# smart_doorbell.py
import cv2
import face_recognition
import pickle
import requests
import time
from gpiozero import Button
from datetime import datetime

============ 配置区 ============
SERVERCHAN_KEY = "SCT123456abcdef"  # 替换为你的 SendKey
FACE_DATABASE = "face_database.pkl"
BUTTON_PIN = 17  # GPIO 17 接门铃按钮
CAMERA_INDEX = 0
RECOGNITION_THRESHOLD = 0.6  # 人脸识别阈值
===============================

def load_face_database():

    """加载人脸数据库"""

    if not os.path.exists(FACE_DATABASE):

        print("❌ 人脸数据库不存在，请先运行 enroll_face.py")

        return {}, []

    

    with open(FACE_DATABASE, "rb") as f:

        database = pickle.load(f)

    

    names = list(database.keys())

    encodings = list(database.values())

    print(f"✅ 已加载 {len(names)} 个人脸：{', '.join(names)}")

    return names, encodings

def send_wechat_push(title, content, image_path=None):

    """发送微信推送"""

    url = f"https://sctapi.ftqq.com/{SERVERCHAN_KEY}.send"

    

    data = {

        "text": title,

        "desp": content

    }

    

    # 如果有图片，上传到图床后附加

    if image_path and os.path.exists(image_path):

        # Server 酱支持图片 URL，这里简化处理

        pass

    

    try:

        response = requests.post(url, data=data, timeout=10)

        if response.status_code == 200:

            print("✅ 微信推送成功")

            return True

        else:

            print(f"❌ 推送失败：{response.text}")

            return False

    except Exception as e:

        print(f"❌ 推送异常：{e}")

        return False

def recognize_face(frame, known_names, known_encodings):

    """识别人脸"""

    # 缩小图片加速处理

    small_frame = cv2.resize(frame, (0, 0), fx=0.5, fy=0.5)

    rgb_frame = cv2.cvtColor(small_frame, cv2.COLOR_BGR2RGB)

    

    # 检测人脸

    face_locations = face_recognition.face_locations(rgb_frame)

    

    if not face_locations:

        return None, "未检测到人脸"

    

    # 提取特征

    face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)

    

    if not face_encodings:

        return None, "无法提取人脸特征"

    

    # 匹配已知人脸

    face_encoding = face_encodings[0]

    matches = face_recognition.compare_faces(known_encodings, face_encoding, RECOGNITION_THRESHOLD)

    face_distances = face_recognition.face_distance(known_encodings, face_encoding)

    

    if len(face_distances) > 0:

        best_match_idx = np.argmin(face_distances)

        if matches[best_match_idx]:

            name = known_names[best_match_idx]

            confidence = 1 - face_distances[best_match_idx]

            return name, f"识别成功：{name} (置信度：{confidence:.2%})"

    

    return "陌生人", "⚠️ 检测到陌生人"




def capture_and_save():

    """抓拍并保存图片"""

    cap = cv2.VideoCapture(CAMERA_INDEX)

    ret, frame = cap.read()

    cap.release()

    

    if ret:

        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")

        filename = f"captures/{timestamp}.jpg"

        os.makedirs("captures", exist_ok=True)

        cv2.imwrite(filename, frame)

        return filename

    return None

def main():

    print("🔔 智能门铃启动中...")

    

    # 加载人脸库

    known_names, known_encodings = load_face_database()

    if not known_names:

        return

    

    # 初始化门铃按钮

    doorbell_button = Button(BUTTON_PIN, pull_up=False)

    print("✅ 门铃系统就绪，等待按铃...")

    

    last_push_time = 0

    PUSH_COOLDOWN = 30  # 30 秒防抖

    

    while True:

        if doorbell_button.is_pressed:

            current_time = time.time()

            

            # 防抖处理

            if current_time - last_push_time < PUSH_COOLDOWN:

                time.sleep(0.5)

                continue

            

            last_push_time = current_time

            print("🔔 门铃被按下！")

            

            # 抓拍照片

            cap = cv2.VideoCapture(CAMERA_INDEX)

            ret, frame = cap.read()

            cap.release()

            

            if not ret:

                print("❌ 摄像头故障")

                continue

            

            # 人脸识别

            name, message = recognize_face(frame, known_names, known_encodings)

            

            # 生成推送内容

            timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")

            title = f"🔔 门铃提醒 - {name}"

            content = f"""

时间：{timestamp}

{message}

位置：家门口

设备：智能门铃 v1.0

            """.strip()

            

            # 保存图片

            img_path = capture_and_save()

            

            # 发送推送

            send_wechat_push(title, content, img_path)

            

            # 语音提示（可选）

            if name == "陌生人":

                print("⚠️ 陌生人在门口，请注意安全！")

            else:

                print(f"✅ {name} 回家啦！")

            

            time.sleep(1)

        

        time.sleep(0.1)

if __name__ == "__main__":

    import os

    import numpy as np

    main()

步骤 5：硬件连接

门铃按钮接线很简单：

树莓派 GPIO 17 ──┬── 按钮一端
                │
按钮另一端 ──────┬── GPIO GND

按钮用常开型，按下时 17 号引脚和 GND 导通。我用的是一种自复位开关，淘宝 8 块钱包邮。

如果想更精致，可以 3D 打印个外壳，把摄像头和按钮都装进去。

步骤 6：开机自启动

让门铃程序开机自动运行：

# 编辑 crontab
crontab -e

添加下面一行（替换实际路径）
@reboot cd /home/pi/smart-doorbell && /usr/bin/python3 smart_doorbell.py >> /var/log/doorbell.log 2>&1

重启测试：

sudo reboot

重启后检查日志：

tail -f /var/log/doorbell.log

常见问题排查

问题 1： 人脸识别很慢，要 3-4 秒才响应
– 原因： 树莓派 CPU 性能有限，face_recognition 库计算量大
– 解决：
1. 缩小输入图片分辨率（代码中已处理）
2. 改用 USB 加速棒（如 Intel Neural Compute Stick）
3. 或者降低识别频率，改为定时检测

问题 2： 摄像头画面太暗，晚上看不清
– 原因： 普通摄像头没有红外夜视
– 解决：
1. 加装红外补光灯（¥15 左右）
2. 换带夜视功能的摄像头（¥60-80）
3. 调整摄像头曝光参数

问题 3： 微信推送延迟高
– 原因： Server 酱服务器响应慢
– 解决：
1. 检查网络连接
2. 改用其他推送服务（如 Bark、PushPlus）
3. 本地搭建 MQTT 服务，用 Home Assistant 推送

问题 4： 误识别率高，经常认错人
– 原因： 录入照片太少或光线变化大
– 解决：
1. 每人录入 10 张以上照片（不同光线/角度）
2. 调低识别阈值（代码中 RECOGNITION_THRESHOLD）
3. 定期更新人脸库

扩展玩法

这个基础版本还能继续升级：

1. 语音对讲：加装麦克风和喇叭，实现双向通话
2. 远程开门：接继电器控制电锁，微信回复”开门”即可
3. 视频录像：检测到陌生人自动录像保存
4. 接入 Home Assistant：联动其他智能家居设备
5. 多人识别：区分快递员、家人、访客，推送不同消息

总结

这个智能门铃项目用了不到一天就完成了，核心就是三点：
1. 用 face_recognition 库做人脸识别
2. 用 Server 酱实现微信推送
3. 用 GPIO 检测门铃按钮

成本可控，效果也不错。识别准确率大概 90% 左右，家里人基本都能认出来。陌生人会触发特别提醒，安全感满满。

如果你也想做一个，遇到问题欢迎在评论区留言。代码我已经放到 GitHub 上了，欢迎 Star：https://github.com/makeronsite/smart-doorbell

希望这篇博客文章对您有所帮助！

---

相关资源：
– face_recognition 官方文档
– Server 酱官网
– 树莓派 GPIO 引脚图
– 项目 GitHub 仓库