一種結合紅外測溫和人臉識別的檢測系統設計

楊步榮 扈傳奇 蘇旋

摘 要：本系統以 STM32F103RET6 芯片作為主控單元，利用單片機的串口功能與攝像頭通信、使用 IIC 通信協議與 GY906 無線限溫度傳感器實現溫度的測量，以及識別身份的功能。溫度傳感器采用物體自身的紅外輻射確定所測物體的表面溫度，讀取IIC時序信號，轉化為準確的溫度數據。識別模塊使用 HOG 算法取人臉特征，用 Python 語言進行編程，主要原理是對人體面部輪廓的處理。人臉檢測是將待測人臉與數據庫中的已知人臉進行比對，若相似度高于閾值則認為是同一對象。

關鍵詞：GY906溫度傳感器;HOG 特征算法;紅外測溫;STM32

1 檢測系統硬件設計

1.1無接觸溫度測量模塊

無接觸溫度測量模塊的選擇，使用了GY906傳感器，GY906傳感器是紅外測溫模塊非接觸溫度采集測溫探頭傳感器，選擇的型號為 90614，具有非接觸式、體積小、精度高、成本低等優點，同時兼容了 SMBus數字接口，可配置 PWM連續輸出，被測目標的溫度和環境溫度可以通過 IIC通信的 SMBus方式讀取芯片采集的數據，并通過主控STM32 轉換，得到最終的溫度顯示在 OLED 屏幕身份識別模塊

身份識別模塊選擇使用單目攝像頭對身份進行識別，并通過串口通信返回被識別者的身份和佩戴口罩情況，主控會根據串口返回的數據，判斷并顯示被測對象是否符合防疫要求。

對于單個人臉識別功能的實現，一共有 3 個步驟：

1.1.1 提取出攝像頭采集的人臉圖像;

1.1.2 對于采集的人臉圖像進行訓練;

1.1.3 將現場采集的人臉與訓練集的數據進行對比，判斷被測對象的身份。

即人臉檢測 （facedetection）、特征提取 （featureextraction）和人臉識別 （facerecogni?tion）三個過程。

2 總體方案設計及系統方框圖

本系統包括無接觸溫度測量模塊、身份識別模塊、處理器模塊和電源等。

對于不同模塊采用不同的傳感器對所要求的信息進行測量。無接觸溫度測量模塊選擇使用GY906傳感器，身份識別模塊選擇使用攝像頭傳感器，主控選擇STM32F103RET6。

3 理論分析與計算

溫度檢測模塊

GY906測溫的原理是利用測量物體自身發出的紅外輻射，準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，溫度單位為開爾文。

GY906傳感器使用了 SMBus協議將所測量數據傳回主控，在本裝置中即 STM32主控。通過芯片手冊所提供的 GY906時序圖，我們可以通過 HAL庫逐位數提取 GY906的數據，并使用換算公式 T=0.2d–273.15 （2）

其中，T為實際測量的溫度，單位為攝氏度℃，d為傳感器逐位讀回的 16 位數據。

3.2人臉識別模塊

人臉識別算法方面，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檢測的圖像描述方法，該方法使用梯度方向直方圖特征來表達人體，提取人體的外形信息和運動信息，形成豐富的特征集[2]。

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

來進行灰度處理。在后面的圖像處理過程中，需要進行梯度的計算，雖然圖像可以是任意尺寸的，但是為了減少計算量，選擇壓縮圖片大小。

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

為了掌握這個矩陣整體的梯度狀態，得到這個子圖像的梯度方向，建立一個有 9位的梯度直方圖，通過在 8 *8 子圖像里面進行 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 HOG 臉部矩陣看作人臉的特征矩陣。在計算過程中需要用大量的樣本，重復訓練卷積神經網絡上百萬次，以得到一個最合適的人臉矩陣，使用了Opencv的開源訓練結果，與攝像頭傳回圖像中的每個子圖像進行比對，采用的對比方式是直接計算 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，即可認為是人臉。

4 測試數據與結果分析

測試結果如表1所示。測量結果表明，溫度測量誤差可以控制在5%以內，但當測溫距離較遠時測溫效果不佳，主要是由于紅外測溫設備的距離有限，進一步可考慮更換精度較高的測溫設備。

人臉識別成功率可控制在95%以上，在數據集很小的情況，即每人300張采集圖片時，可以實現人臉的有效識別。

參考文獻：

[1]鐘君，蔡黎明，于涌.基于MLX90614的無線溫度采集系統設計[J].傳感器與微系統，2015，34（03）：87-89+93.

[2]慕春雷. 基于HOG特征的人臉識別系統研究[D].電子科技大學，2013.

作者簡介：

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