打开文本图片集

摘要：为缓解在人群聚集的地方对疫情控制，设计一种可以实现对目标进行快速检测，同时还可以进行非接触式的体温测量和身份识别的智能系统。本系统采用STM32单片机，利用星瞳技术的Openmv4Plus相机来获取物体的信息，并利用红外线温度探测和距离补偿算法来对物体的信息进行处理和辨识，得到物体表面的温度，并以物体表面的温度为信号，与设置的最高温度相对比，如果超过，就会发出警报，这样就可以完成无接触的测温功能。

关键词：非接触式体温检测；身份识别；人脸特征值提取；STM32单片机

前言

非接触式体温测量与身份识别系统是一个集目标特征值提取、目标匹配与温度监测为一体的多元化集成系统，它将重点放在计算机与现代传感技术、通信技术等方面，属于符合当今社会需求、依托高新技术的典型产品。该系统能够适应复杂多变的外界环境，取代人类完成成复杂、高风险的工作，在智慧物流、人群检测、轨迹识别等方面具有广阔的应用前景。利用STM32单片机，通过设备的环境温度和被测对象的温度之间的误差关系，获得设备的比例，促进温差校正的关系。[1]

一、产品介绍

（一）产品的用途、功能

目前，在火车站、飞机场等地方，虽然可以使用面部特征识别的方式，但是在进行身份验证时，必须摘掉口罩，存在着一定的感染隐患。此外，还要对旅客进行戴口罩和体温检测，这都要耗费大量的人力和资源。"云瞳"是企业自主研发的一套针对口罩进行人脸识别、口罩佩戴检测及温度检测的智能设备，其主要功能有：第一，带口罩的人脸识别，通过对带口罩的旅客脸部影像和事先储存的身份证相片进行对比，确认旅客的身份。第二，应用计算机视觉技术对旅客进行口罩识别，实现旅客对口罩的正确穿戴情况的判断。第三，用红外线感应器进行非接触式的温度检测，对旅客的温度进行检测，确定旅客的温度有无变化，如图1所示：

二、行业领域

（一）客户价值

一方面，在机场、火车站、高铁站等场所，对旅客进行安全检查时，可避免因摘下口罩而引起的感染，并可降低对口罩佩戴情况及体温的检测所需的人力物力，从而为传染病的预防与控制提供有效的技术支撑。另一方面，作为公司、大厦等场所的刷卡和门禁系统，为员工和居民提供服务，可以更好的配合政府和企业的疫情防控工作。

（二）产品特色优势

2.1新颖性

一方面，实现戴口罩人脸识别。通过该研究，可以实现在部分缺失信息情况下的人脸识别。在这段时间里，外出或与他人接触时，要戴好口罩，以防止病毒的传播。有报导称，在广州，很多被感染的人都是在同被感染的人共进一餐后，或是在与被感染的人短暂的、不直接的接触后，被感染。当必须进行脸部辨识时，佩戴面具之脸部辨识功能，可以有效地防止在辨识时，因摘除面具而造成的传染。另一方面，实现口罩佩戴检测、体温测量与身份验证的结合。当前，像是地铁站这样需要进行体温检测和身份识别的公共场所，这两个功能是在两台设备上进行的，被检测人员需要经过两种不同的测试，因此，需要花费很长的时间。而戴上口罩后，需要手工进行测试，不仅需要耗费巨大的人力物力，还不能确定没有戴面具的人是谁，很难起到警示和震慑的作用。

2.2竞争优势

现在还没有任何一种可以与之媲美的产品，而且，这次疫情控制还很困难，在今后很长一段时间内，都有可能会与新型冠状病毒共存，所以，这种产品的市场潜力很大，需求量也很大。

三、项目研究内容

研制一种可实现人脸识别，口罩佩戴检测，体温测量，无线通信等多个功能的口罩。当旅客把自己的身份卡放在感应区的时候，这个设备就会进行面部识别，并把脸部的信息跟使用者的身份卡的影像进行比较，在确认身份之后，就会对使用者进行测温和面具的识别。如果是失败的话，就会发出一个警告。如图二。

其中，项目研究内容中例举几个内容：如佩戴口罩人脸识别。人脸图像预处理，居民身份证登记的是一张高清晰的人脸图片，而所获取的图片则是一张真实的图片，存在着多种因素的影响，如光线会导致脸部细节缺失、带来新的噪音等，这些都会给人脸识别带来很大的干扰。为此，本文提出一种基于图像预处理技术的面部特征提取方法；人脸关键点检测，从摄像机中提取出眼睛和耳朵等重要特征点。另外，佩戴口罩检测。基于深度学习的佩戴口罩检测模式构建，在此基础上，建立了个戴着口罩的人脸图像 tflite库，并使用该图像中的图像数据，对该图像进行深度神经网络，从而实现戴着口罩的检测；图像预处理，为了确保探测结果的可靠性和精确性，还对所获取的影像进行去噪、去模糊、调光、提高清晰度等预处理；佩戴口罩检测，在实时监控中提取的并经过预处理后的目标检测图像为输入，通过训练后的神经网络模型，对其进行识别和检测，获得检测目标对象是否佩戴口罩的识别结果[2]。

四、项目实施的技术方案

本项目的技术路线如图3所示：

其中，第一，有遮挡面部的身份识别。遮挡图像处理，将含遮挡图像的特征点中心化，再进行特征点中心化坐标及图像中心坐标的变换，再加和取平均值，得到平均脸图像，对图像进行人工遮挡；图像复原，将原图和人脸的均值进行多次的差分，从而获得一个误差图。在此基础上，提出一种新的基于水平集合的方法，该方法可以有效地提高人脸识别的准确度；AdaBoost人脸检测，在此基础上，提出一种基于多层神经网络的人脸识别方法。采用四点平均门限和缩减特征量的方式，并对每个循环中的最好的分类器赋权，从而获得更好的分类器集，这样可以提高训练的收敛性，还可以更加精确地检测出有部分遮挡的人脸。

研究路线如图4所示：

其中，口罩佩戴检测，当前，基于深度学习的物体检测是当前主流。YOLO是目前最主要的物体探测算法，它将物体的范围与物体的种类相结合。但是，YOLO方法仍然面临着一些问题，如识别准确率较低，实时性较差。为此，本项目拟利用贝叶斯网络（Batch Normalization，BN）对YOLO算法进行改进，加快学习过程，提升识别准确率[3]。

五、项目的关键技术

（一）含遮挡人脸识别技术

在进行人脸识别时，如何有效地提取并比较重要的面部特征。其中，面部特征的完整性起着至关重要的作用。在一个清晰无遮挡的环境中，利用深度学习技术和海量的数据，可以更好地提取出人脸的特征。当人脸出现局部遮蔽时，不但会对被遮蔽的区域产生影响，而且还会对整体的人脸特征进行提取。遮挡会导致特征丢失，包含噪声，以及部分混淆，从而影响人脸识别的准确性。

（二）克服环境干扰的红外精确测温技术

由于红外线具有很强的吸收能力，所以它的温度测量很容易受粉尘、水汽等各种因素的影响。随着温度测量距离的增大，温度测量装置的辐射传感性能也会随之下降。假如，被测对象的温度是固定的，那么在测量距离、目标物的发射率等因素的作用下，测温仪所感知的对象的温度也会有不同，这势必会使测量的准确性有所下降。其中，解决方法：正确设定红外温度计的辐射系数；构建校正模型以补偿测温误差。

六、系统硬件电路设计

（一）超声波测距电路

在显示超声测量组件的结构图，超声波测距模块电路的基本原理是：将超声波信号放大发送，当遇到障碍物时，超声波会返回，利用电路中的信号选频元件接收40 kHz固定频率的方波，再对接收信号进行放大。在实际应用中，超声探头的倾角会对测量精度产生影响，通过调节其倾角，可以达到较高的测量精度，现在有无接触温度测量的功能[4]。

（二）MLX90614红外测温模块

测量模块采用的是MLX90614红色外部测温传感器，当它工作的时候，它的内部一个光学系统将可见范围内目标的红外线能量集中起来。红外线能量集中于检测器，转换成对应的电信号。这个信号通过一个放大器，一个信号处理电路，根据系统中的运算法则，对靶材的发射率进行修正，将其转化为靶材的温，从而达到无接触温的效果。在实际应用中，MLX90614红外测温传感器的倾角会在某种程度上影响测温的精度，要保证其与测温对象垂直，以减少粗大误差。

七、系统软件设计

（一）口罩识别软件设计原理

通过对口罩的自动识别，实现口罩的自动识别。通过编辑插值站点，对联机网络模型进行了训练，并完成图块分类。训练模型主要由三个阶段组成：采集数据级，在本设计中，我们采用了区分男女、配戴眼镜和配戴口罩的情况来采集数据级；在数据层上载，系统会从数据层上载，并从数据层上载，提取样本特征，其余20%～30%的样本，则会被用来检验神经网络模型的训练效果；对部署神经网络模型进行训练，通过对从第二步骤中抽取的特征量进行训练，从而产生一个三维的特征量，通过对特征量的观察，最后再通过配置迁移学习模型，来实现最后的神经网络模型的训练和部署。

（二）调试与测试

该系统是一种非接触的测温方法，其测试结果与周围的环境有很大的关系，因此需要利用超声测距来对其进行补偿。从测试数据可以看出，如果测温离开2厘米以上，则随着距离的增加，测得的温度会直线下降。如果测量范围大于某一范围，测量结果就接近于周围的温度。用方法对测量温度的距离补偿公式进行拟合，将测量到的距离引入到公式中，从而获得相应温度的补偿值[5]。

八、结语

该设计利用红外测温和超声测距结果的补偿算法，来有效地、精确地检测目标的身体表面温度，并将其与 LBP特征相结合，并以神经经络网络为基础的面具识别，来完成在复杂、变化的环境中的目标温度特征检测和身份模板匹配。经过多次试验，结果表明，本系统在速度、稳定性和精确度上达到很好的统一，是一种先进性。但是，目前的研究还存在一些问题：相机和超声测距模组的限制，导致其对高速运动、长距离运动的物体的监控能力有限；由于统计人员的知识水平有限，他们的平台应用程序比较简陋。同时，随着传感技术的不断进步，这种情况将会有所改善。

参考文献：

[1]丁一峰，李永铖，尹宏钊，客鑫林，彭根德.基于STM32的智能身份识别与红外防疫测温系统[J].现代信息科技，2022，6（10）：57-60.

[2]孙侨. 基于Kinect的步态分析在身份识别系统中的应用研究[D].河北工业大学，2021.

[3]张东岳，王金炜，单保海.基于指纹识别的大学生体能测试身份识别系统[J].产业与科技论坛，2020，19（16）：42-43.

[4]汪成亮，陈娟娟，周亚鑫.基于Zigbee的车辆身份识别系统的研究与实现[J].计算机工程与设计，2009，30（07）：1773-1776.

[5]吴俊杰，林舜杰，柯向辉，邹恩，何忠礼.基于STM32单片机的车辆门锁智能控制系统[J].时代汽车，2023（01）：154-156.

致谢

本文得到国家创新创业训练项目（编号：202112034012）、湖南省教育厅教育改革项目（编号HNJG-2021-1121）、湖南省教育厅基金（编号20A102）、湖南第一师范学院教学改革项目（编号：XYS21J09）、邵阳市科技局项目（编号2020GX31）的支持。

（作者单位：湖南第一师范学院电子信息学院）