楊步榮 扈傳奇 蘇旋

摘 要：本系統(tǒng)以 STM32F103RET6 芯片作為主控單元，利用單片機(jī)的串口功能與攝像頭通信、使用 IIC 通信協(xié)議與 GY906 無(wú)線限溫度傳感器實(shí)現(xiàn)溫度的測(cè)量，以及識(shí)別身份的功能。溫度傳感器采用物體自身的紅外輻射確定所測(cè)物體的表面溫度，讀取IIC時(shí)序信號(hào)，轉(zhuǎn)化為準(zhǔn)確的溫度數(shù)據(jù)。識(shí)別模塊使用 HOG 算法取人臉特征，用 Python 語(yǔ)言進(jìn)行編程，主要原理是對(duì)人體面部輪廓的處理。人臉檢測(cè)是將待測(cè)人臉與數(shù)據(jù)庫(kù)中的已知人臉進(jìn)行比對(duì)，若相似度高于閾值則認(rèn)為是同一對(duì)象。

關(guān)鍵詞：GY906溫度傳感器;HOG 特征算法;紅外測(cè)溫;STM32

1 檢測(cè)系統(tǒng)硬件設(shè)計(jì)

1.1無(wú)接觸溫度測(cè)量模塊

無(wú)接觸溫度測(cè)量模塊的選擇，使用了GY906傳感器，GY906傳感器是紅外測(cè)溫模塊非接觸溫度采集測(cè)溫探頭傳感器，選擇的型號(hào)為 90614，具有非接觸式、體積小、精度高、成本低等優(yōu)點(diǎn)，同時(shí)兼容了 SMBus數(shù)字接口，可配置 PWM連續(xù)輸出，被測(cè)目標(biāo)的溫度和環(huán)境溫度可以通過(guò) IIC通信的 SMBus方式讀取芯片采集的數(shù)據(jù)，并通過(guò)主控STM32 轉(zhuǎn)換，得到最終的溫度顯示在 OLED 屏幕身份識(shí)別模塊

身份識(shí)別模塊選擇使用單目攝像頭對(duì)身份進(jìn)行識(shí)別，并通過(guò)串口通信返回被識(shí)別者的身份和佩戴口罩情況，主控會(huì)根據(jù)串口返回的數(shù)據(jù)，判斷并顯示被測(cè)對(duì)象是否符合防疫要求。

對(duì)于單個(gè)人臉識(shí)別功能的實(shí)現(xiàn)，一共有 3 個(gè)步驟：

1.1.1 提取出攝像頭采集的人臉圖像;

1.1.2 對(duì)于采集的人臉圖像進(jìn)行訓(xùn)練;

1.1.3 將現(xiàn)場(chǎng)采集的人臉與訓(xùn)練集的數(shù)據(jù)進(jìn)行對(duì)比，判斷被測(cè)對(duì)象的身份。

即人臉檢測(cè) （facedetection）、特征提取 （featureextraction）和人臉識(shí)別 （facerecogni?tion）三個(gè)過(guò)程。

2 總體方案設(shè)計(jì)及系統(tǒng)方框圖

本系統(tǒng)包括無(wú)接觸溫度測(cè)量模塊、身份識(shí)別模塊、處理器模塊和電源等。

對(duì)于不同模塊采用不同的傳感器對(duì)所要求的信息進(jìn)行測(cè)量。無(wú)接觸溫度測(cè)量模塊選擇使用GY906傳感器，身份識(shí)別模塊選擇使用攝像頭傳感器，主控選擇STM32F103RET6。

3 理論分析與計(jì)算

溫度檢測(cè)模塊

GY906測(cè)溫的原理是利用測(cè)量物體自身發(fā)出的紅外輻射，準(zhǔn)確地確定其表面溫度。GY906模塊使用 81101熱電原件作為紅外感應(yīng)部分，理想情況下的輸出電壓由外部溫度和傳感器自身溫度決定，為：

U=（T4-T4）（1）

為元件的靈敏系數(shù)，溫度單位為開(kāi)爾文。

GY906傳感器使用了 SMBus協(xié)議將所測(cè)量數(shù)據(jù)傳回主控，在本裝置中即 STM32主控。通過(guò)芯片手冊(cè)所提供的 GY906時(shí)序圖，我們可以通過(guò) HAL庫(kù)逐位數(shù)提取 GY906的數(shù)據(jù)，并使用換算公式 T=0.2d–273.15 （2）

其中，T為實(shí)際測(cè)量的溫度，單位為攝氏度℃，d為傳感器逐位讀回的 16 位數(shù)據(jù)。

3.2人臉識(shí)別模塊

人臉識(shí)別算法方面，主要使用梯度直方圖（HOG，HistogramofGradient），梯度直方圖是一種解決人體目標(biāo)檢測(cè)的圖像描述方法，該方法使用梯度方向直方圖特征來(lái)表達(dá)人體，提取人體的外形信息和運(yùn)動(dòng)信息，形成豐富的特征集[2]。

為了減少運(yùn)算量，方便后期的處理，將 RGB三種顏色化為灰度圖，根據(jù)人眼的成像感官，可以使用Grey=0.299R+0.587G+0.114B（3）

來(lái)進(jìn)行灰度處理。在后面的圖像處理過(guò)程中，需要進(jìn)行梯度的計(jì)算，雖然圖像可以是任意尺寸的，但是為了減少計(jì)算量，選擇壓縮圖片大小。

為了計(jì)算梯度方向，選擇使用Kernel算子計(jì)算方向 x、方向y 的梯度。再來(lái)計(jì)算梯度的幅值和方向，其中g(shù)x 是x方向的梯度，gv 是 y 方向的梯度。8 *8 子圖像中提取出來(lái)的代表梯度的數(shù)值，這些角度從 [0 180]度而不是 [0 360]度，這些被稱之為無(wú)符號(hào)梯度 （unsigned gradients）。無(wú)符號(hào)梯度的使用效果比有符號(hào)梯度優(yōu)秀，所以這里選擇無(wú)符號(hào)梯度。

為了掌握這個(gè)矩陣整體的梯度狀態(tài)，得到這個(gè)子圖像的梯度方向，建立一個(gè)有 9位的梯度直方圖，通過(guò)在 8 *8 子圖像里面進(jìn)行 9 *1 歸一化的直方圖，可以可視化子圖像的 HOG 的描述子。

我們將每一個(gè) HOG 臉部矩陣看作人臉的特征矩陣。在計(jì)算過(guò)程中需要用大量的樣本，重復(fù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)上百萬(wàn)次，以得到一個(gè)最合適的人臉矩陣，使用了Opencv的開(kāi)源訓(xùn)練結(jié)果，與攝像頭傳回圖像中的每個(gè)子圖像進(jìn)行比對(duì)，采用的對(duì)比方式是直接計(jì)算 8 *8 *2 的梯度矩陣中的歐式距離。距離足夠小也就是距離低于閾值時(shí)，即可認(rèn)為是人臉。

4 測(cè)試數(shù)據(jù)與結(jié)果分析

測(cè)試結(jié)果如表1所示。測(cè)量結(jié)果表明，溫度測(cè)量誤差可以控制在5%以內(nèi)，但當(dāng)測(cè)溫距離較遠(yuǎn)時(shí)測(cè)溫效果不佳，主要是由于紅外測(cè)溫設(shè)備的距離有限，進(jìn)一步可考慮更換精度較高的測(cè)溫設(shè)備。

人臉識(shí)別成功率可控制在95%以上，在數(shù)據(jù)集很小的情況，即每人300張采集圖片時(shí)，可以實(shí)現(xiàn)人臉的有效識(shí)別。

參考文獻(xiàn)：

[1]鐘君，蔡黎明，于涌.基于MLX90614的無(wú)線溫度采集系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng)，2015，34（03）：87-89+93.

[2]慕春雷. 基于HOG特征的人臉識(shí)別系統(tǒng)研究[D].電子科技大學(xué)，2013.

作者簡(jiǎn)介：

楊步榮（2000—），男，漢族，河北邢臺(tái)人，石家莊鐵道大學(xué)，電氣工程及其自動(dòng)化專業(yè)，本科生。