基于人臉識別的智能輔助防疫消毒系統

吳錦均，李宇航，葉智文，劉智偉，孫婉晴，陳景華

（韶關學院 智能工程學院，廣東 韶關 512000）

0 引 言

新冠肺炎爆發后，利用AI技術更好地推進防疫工作乃大勢所趨。鑒于當今市場上現有的消毒機器人只是單獨對用戶進行消毒，忽略了消毒水可能會噴灑入眼的危險，為了提高用戶體驗感，本文設計的機器人利用人體工程學合理地對用戶肩以下的區域進行消毒。考慮到要方便檢測消毒水的用量，因此設計的機器人添加了人機交互功能，有助于管理人員隨時查看機器人的工作狀態。該智能一體化、多場景應用的防疫機器人成功解決了日常家庭、公共場所等的健康防護問題。

1 系統總體設計方案

本系統主要分為三大模塊，分別是STM32主控端、搭載樹莓派的Linux核心端和人機交互界面的用戶端，系統總體設計如圖1所示。

圖1 系統總體設計框圖

主控端主要處理傳感器模塊感應到的數據并且做初步整合，之后將整合的數據發送到樹莓派的核心端。樹莓派的核心端主要連接有云端和圖像處理接口，其將控制端傳輸的數據按照命令進行處理，最后客戶端將機器人核心端處理好的數據進行顯示，實現人工智能的引導交互。通過三大模塊的相互協助，消毒機器人能夠實現不同的功能。

2 系統硬件平臺的搭建

2.1 整體設計思路

本系統采用攝像頭和激光測距模塊輔助進行檢測。當檢測到用戶時，將啟動機器人各功能模塊，由機器人系統引導用戶進行功能選擇。本系統設計有更智能、更人性化的人體消毒功能，結合人體工程學技術[1]測算用戶身高并對肩部以下區域消毒。鑒于以往測溫存在交叉接觸傳染的風險，本設計采用非接觸式感應測溫方式對用戶進行測溫。除此之外，還設有自動感應包裹消毒功能，使用者可以在交互屏中選擇該功能，然后機器人打開消毒室，提示使用者將物品放入，之后系統對物品消毒。系統實現流程如圖2所示。

2.2 非接觸式紅外感應測溫

紅外測溫是目前一種有效減少接觸并且速度較快的測溫方法，本設計使用型號為MLX90614的紅外測溫模塊。該模塊能夠通過物體一狹窄波長范圍內發生的輻射能量測得具體溫度，然后將測得的溫度電信號與正常體溫電信號進行對比，若大于閾值，則機器人發出警告，提示使用者有發燒嫌疑，并告知相關人員對其做進一步檢查。

2.3 系統三維模型的構建

本系統設計利用現有的3D建模技術搭配Solidworks軟件對項目進行細致的建模。本系統設計的三維模型剖析圖如圖3所示。通過建模成品的剖析過程，可以清晰了解項目的結構搭建：以鋁型材為整體的骨架，輔以高硬度的亞克力板作為外形包裝，簡潔干凈，為后期系統設計提供有利的保障。 同時，本系統各檢測模塊的位置優化大大提高了用戶體驗。

圖2 系統實現流程

圖3 系統設計的三維模型剖析圖

3 系統軟件設計

3.1 基于視頻圖像處理和激光模塊的用戶檢測

鑒于機器人對用戶實時監測時誤認為行人為用戶的問題，本設計采用OpenCV深度攝像頭捕獲用戶的人臉。采用OpenCV庫開源人臉檢測級聯器進行人臉檢測時，OpenCV級聯分類器通過Adaboost人臉檢測算法進行訓練[2]，然后通過大量數據圖片對圖形進行訓練，因此該級聯器的準確率較高。當檢測到人臉時，系統結合激光測距模塊對檢測到的用戶進行測距，當激光測距模塊檢測到1 m內有遮擋物并且保持3 s以上時，可以確定有用戶需要服務。用戶檢測流程如圖4所示。

圖4 用戶檢測流程

3.2 人機交互界面的設計

為提升用戶的使用體驗，本系統設計了一套從移動端到客戶端的人機交互界面。人機交互設計流程如圖5所示。

對于客戶端，本設計界面主要分為功能選擇界面和管理員界面。用戶只能訪問功能界面，通過選擇不同的功能達到相關目的；管理員可通過管理員界面對用戶的登記信息進行查看或刪除、添加。對于移動端，本系統設計人機交互微信小程序，連接MySQL數據后端[3]，其主要采用 WXML（HTML5）、WXSS（CSS）和 JavaScript技術[4]。使用官方封裝好的組件開發出設計的微信界面，大大縮短了開發周期。用戶可以通過微信小程序查詢自己在客戶端上的等級信息和身體狀況，提高用戶體驗。

圖5 人機交互端設計流程

3.3 基于人體工程學的人體數據檢測

由于消毒劑存在輕毒性，因此本設計結合圖像識別技術和人體工程學中的人體測量學技術測量用戶的身體數據[5]。通過深度攝像頭捕捉人體后，使用Grabcut算法把捕捉到的人體從圖像背景中分割出來[6]，再使用BorderMatting邊緣細化處理，使得分割人體的圖像更加平滑。接著進行圖像的灰度二值化，便于對圖像像素的計算，最后計算得知圖像最長像素點的距離約等于最高像素點與最低像素點的歐式距離：

4 系統測試與數據分析

4.1 包裹自動檢測設計

此作品采用半封閉空間搭載光敏傳感器以及光源實現對包裹的檢測。光敏傳感器接收不同強度光照時，光敏傳感值發生變化[7]。包裹檢測流程如圖6所示。本設計通過底層控制端STM32核心板實時讀取光敏輸出值，并進一步通過A/D換算輸出一個分度值為1的整型數值。限定光敏值為0～100，經過系統設計以及調試，在無包裹情況下光敏值的范圍為66～72，在有包裹情況下光敏值的范圍為26～32，因此可通過設置檢測閾值來判斷是否檢測到包裹。

圖6 包裹檢測流程

4.2 基于人體工程學的人體數據測量

本系統設計采用視頻圖像處理技術[8]測量人體數據。利用搭載樹莓派的深度攝像頭對用戶進行人臉識別和捕獲，結合人體工程學的人體測量學知識，對用戶肩部以下區域消毒。人體數據檢測效果如圖7所示。根據人臉識別算法[9]計算出臉部尺寸為Hcm，根據人體測量學方法測算出用戶肩高（男士肩高為（H/0.113）cm，女士肩高為（H/0.138）cm），系統根據測算結果控制消毒噴口的噴灑角度。

圖7 人體數據檢測效果

4.3 非接觸式紅外感應測溫設計

本系統設計采用紅外非接觸式測溫模塊進行測溫，通過STM32發出模擬I2C時序信號來讀取體溫值，對于非接觸測溫，不同的檢測感應距離將得到不同的結果，由調試測驗與體溫測溫槍核對并校準檢測結果。實驗數據記錄見表1所列。此方案下的非接觸式測溫在感應測溫距離處于2.5～3.2 cm時，檢測結果更貼進于真實值，因此本設計采用頁面交互方式引導用戶在感應距離內進行非接觸式測溫，以提升測溫準確度。

表1 人體測溫數據分析

5 結 語

本系統設計主要提供人體紅外測溫、包裹消毒、人體消毒的服務，同時，也不局限于感情語音交互、前端界面人機交互以及移動端的小程序人機交互[10]。當用戶選擇紅外測溫出現溫度過高的情況時，機器人會發出警示將人臉信息記錄到云端后臺，方便進一步追蹤用戶的行程信息；用戶選擇全身消毒時，本設計利用人體測量學技術實現了對用戶肩部以下區域的消毒，有效解決了以往由于個體差異無法確定頭部導致消毒不全面或者忽視頭部導致消毒藥水對人體造成危害。測試結果表明，系統檢測的精度和靈敏度能夠得到增強，達到了設計要求。