限制识别角度，修改引导图片

README.md

@@ -8,6 +8,7 @@
 
 ### 1. 人脸识别
 - **实时检测**：基于 CompreFace API 进行高精度人脸检测
+- **正脸检测**：使用姿态检测技术，只识别正面人脸，过滤侧脸、抬头或低头
 - **身份识别**：自动识别员工和访客，支持相似度阈值配置
 - **防重复识别**：智能冷却机制，避免短时间内重复识别同一人
 - **质量评估**：使用 Laplacian 方差评估图像清晰度
@@ -128,6 +129,15 @@ camera:
   height: 720
   fps: 30
 
+# 人脸检测配置
+face_detection:
+  frame_interval: 10  # 检测帧间隔(每N帧检测一次)
+  quality_threshold: 10  # 图像质量阈值(Laplacian方差)
+  min_face_size: 80  # 最小人脸尺寸(像素)
+  face_present_duration: 2.0  # 持续出现时长(秒)才触发识别
+  max_yaw: 30.0  # 最大允许的偏航角(度)，超过此角度视为侧脸
+  max_pitch: 30.0  # 最大允许的俯仰角(度)，超过此角度视为抬头或低头
+
 # 人脸识别配置
 face_recognition:
   recognition_cooldown: 20.0  # 识别冷却时间（秒）
@@ -290,6 +300,8 @@ kanda-robot-facial-recognition/
 - `quality_threshold`: 图像质量阈值，建议 10-50
 - `min_face_size`: 最小人脸尺寸（像素），建议 60-100
 - `face_present_duration`: 持续出现时长（秒），建议 1.5-3.0
+- `max_yaw`: 最大允许的偏航角（度），超过此角度视为侧脸，建议 20-40
+- `max_pitch`: 最大允许的俯仰角（度），超过此角度视为抬头或低头，建议 20-40
 - `stranger_threshold`: 陌生人阈值，建议 0.95-0.99
 - `recognition_cooldown`: 识别冷却时间（秒），建议 15-30
 
@@ -377,7 +389,14 @@ camera:
 3. 确保光线充足
 4. 在 CompreFace 中添加更多训练照片
 
-### Q6: 系统服务无法启动
+### Q6: 侧脸也被识别了
+**A:**
+1. 调整 `max_yaw` 和 `max_pitch` 参数，降低角度阈值
+2. 默认设置为 ±30 度，可改为 ±20 度提高严格程度
+3. 检查 CompreFace 服务是否支持 pose 插件
+4. 查看日志中的角度检查信息进行调试
+
+### Q7: 系统服务无法启动
 **A:**
 1. 检查服务文件路径配置
 2. 确认 Python 环境和依赖
@@ -455,6 +474,11 @@ python preview_qrcode.py
 
 ## 更新日志
 
+### v1.1.0 (2025-12-18)
+- ✅ 新增正脸检测功能，基于姿态检测技术过滤侧脸
+- ✅ 添加人脸角度阈值配置（max_yaw, max_pitch）
+- ✅ 优化人脸识别准确性，适用于门禁场景
+
 ### v1.0.0 (2025-12-03)
 - ✅ 完整的人脸检测和识别功能
 - ✅ WebSocket 双向通信

config.yaml

@@ -42,6 +42,8 @@ face_detection:
   quality_threshold: 10  # 图像质量阈值(Laplacian方差)
   min_face_size: 80  # 最小人脸尺寸(像素)
   face_present_duration: 2.0  # 持续出现时长(秒)才触发识别
+  max_yaw: 30.0  # 最大允许的偏航角(度)，超过此角度视为侧脸
+  max_pitch: 30.0  # 最大允许的俯仰角(度)，超过此角度视为抬头或低头
 
 # 人脸识别配置
 face_recognition:

face_rec.py

@@ -683,16 +683,16 @@ class FaceRecognitionSystem:
             try:
                 import screeninfo
                 screen = screeninfo.get_monitors()[0]
-                canvas_width = int(screen.width * 0.8)
-                canvas_height = int(screen.height * 0.8)
-                x_pos = (screen.width - canvas_width) // 2
-                y_pos = (screen.height - canvas_height) // 2
+                canvas_width = int(screen.width)
+                canvas_height = int(screen.height)
+                x_pos = 0
+                y_pos = 0
             except Exception as e:
                 self.logger.warning(f"无法获取屏幕信息,使用默认尺寸: {e}")
-                canvas_width = max(qr_width * 2, 1400)
-                canvas_height = max(qr_height, 900)
-                x_pos = 100
-                y_pos = 60
+                canvas_width = max(qr_width * 2, 1920)
+                canvas_height = max(qr_height, 1080)
+                x_pos = 0
+                y_pos = 0
 
             rendered = self._build_qrcode_instruction_canvas(qr_image, (canvas_width, canvas_height))
             if rendered is None:
@@ -708,6 +708,9 @@ class FaceRecognitionSystem:
             cv2.resizeWindow(self.qrcode_window_name, canvas_width, canvas_height)
             cv2.moveWindow(self.qrcode_window_name, x_pos, y_pos)
 
+            # 设置窗口全屏显示
+            cv2.setWindowProperty(self.qrcode_window_name, cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)
+
             cv2.imshow(self.qrcode_window_name, rendered)
 
             # 设置窗口置顶
@@ -1242,19 +1245,40 @@ class FaceRecognitionSystem:
             # 将帧编码为JPEG
             _, img_encoded = cv2.imencode('.jpg', frame)
 
-            # 调用CompreFace检测API
-            result = self.detection_service.detect(img_encoded.tobytes())
+            # 调用CompreFace检测API，启用pose插件
+            result = self.detection_service.detect(
+                img_encoded.tobytes(),
+                face_plugins="pose"
+            )
 
             if result and 'result' in result and len(result['result']) > 0:
                 faces = result['result']
 
                 # 过滤掉太小的人脸
                 min_size = self.config['face_detection']['min_face_size']
-                valid_faces = [
-                    face for face in faces
-                    if face['box']['x_max'] - face['box']['x_min'] >= min_size
-                       and face['box']['y_max'] - face['box']['y_min'] >= min_size
-                ]
+                valid_faces = []
+                
+                # 获取角度阈值
+                max_yaw = self.config['face_detection'].get('max_yaw', 30.0)
+                max_pitch = self.config['face_detection'].get('max_pitch', 30.0)
+
+                for face in faces:
+                    # 检查人脸尺寸
+                    face_width = face['box']['x_max'] - face['box']['x_min']
+                    face_height = face['box']['y_max'] - face['box']['y_min']
+                    
+                    if face_width >= min_size and face_height >= min_size:
+                        # 检查人脸角度
+                        pose = face.get('pose', {})
+                        yaw = pose.get('yaw', 0.0)
+                        pitch = pose.get('pitch', 0.0)
+                        
+                        # 判断是否为正脸
+                        if abs(yaw) <= max_yaw and abs(pitch) <= max_pitch:
+                            valid_faces.append(face)
+                            self.logger.debug(f"人脸角度检查通过: yaw={yaw:.1f}°, pitch={pitch:.1f}°")
+                        else:
+                            self.logger.debug(f"人脸角度超出范围，跳过: yaw={yaw:.1f}°(阈值±{max_yaw}°), pitch={pitch:.1f}°(阈值±{max_pitch}°)")
 
                 if valid_faces:
                     # 返回第一个(最大的)人脸

preview_qrcode.py

@@ -326,8 +326,8 @@ def main():
     cv2.destroyAllWindows()
     
     # Save for verification
-    cv2.imwrite("preview_qrcode_sota.jpg", canvas)
-    print("Saved preview to preview_qrcode_sota.jpg")
+    cv2.imwrite("preview_qrcode_sota.png", canvas)
+    print("Saved preview to preview_qrcode_sota.png")
 
 if __name__ == "__main__":
     main()