嵌入式防疫识别系统设计

周飞　李峥　高万明

摘 要：设计一种嵌入式防疫识别系统，利用红外测温传感器实现无接触人体测温和人脸佩戴口罩识别.系统选用STM32F103RCT6为控制核心，OPENMV4机器视觉模块，非接触式红外温度传感器MLX90614.该系统具有无接触检测和口罩识别的功能，能有效预防接触和呼吸传播，具有工作稳定、智能化、安全化等优势.

关键词：嵌入式;无接触测温;摄像头模块;人脸识别;口罩识别

[中图分类号]TP274.2   [文献标志码]A

Design of Embedded Epidemic Prevention Identification System

ZHOU Fei，LI Zheng*，GAO Wanming

（School of Physics and Electric Information Technology，Huaibei Normal University，Huaibei 235000，China）

Abstract：An embedded anti-epidemic recognition system is designed，which uses infrared temperature sensor to realize non-contact body temperature measurement and face mask recognition.The system uses STM32F103RCT6 as the control core，OPENMV4 machine vision module，non-contact infrared temperature sensor MLX90614.The system has the functions of non-contact detection and mask recognition，can effectively prevent contact and inhalation transmission，work stability，intelligence， security and other advantages.

Key words：embedded;contactless temperature measurement;camera module;face recognition;mask recognition

全国人民抗"疫"过程中，科技发挥了重要作用.为了提高防疫效率，有效预防疫情进一步传播，设计了一种嵌入式防疫识别系统.系统利用无接触测试技术和面部识别技术，以微处理器为核心，有效控制了疫情进一步传播.

1 系统的硬件设计

系统包括四个模块：主控模块，摄像头模块，测温模块，液晶屏模块，电源模块.摄像头模块用于采集人脸信息，采集的人脸信息作为训练样本.液晶屏模块显示识别的信息，无接触测温模块测量人体体温，电源模块提供能量.

1.1 主控模块

主控模块选用STM32F103RCT6为控制核心，主要功能是和其他模块建立联系，指挥其他模块运行，使各个模块有序配合工作.STM32F103RCT6具有Cortex-M3内核[1]，速度是72 MHz，RAM和ROM容量大，方便數据的存储，可外接许多外设，功耗低，稳定性高.

1.2 摄像头模块

摄像头模块采用OPENMV4机器视觉模块，模块引脚如图1所示.采用STM32H7处理器，OV7725摄像头模组，主频480 MHz，RAM为1 MB，Flash为2 MB，存储空间大，运行速度较快.OPENMV4使用python语言编写[2]，在编写相关机器视觉算法中可以处理图像数据，通过算法的结果控制IO引脚.OPENMV4也可以在嵌入式上快速运行，具有操作简单、功耗低等优点.

1.3 测温模块

测温模块选用非接触式红外温度传感器MLX90614.该模块可以直接输出16位数字信号，具有非接触性、体积小、精度高等优点.在红外能量传送到传感器这一过程中信号会发生损失，主要因素是测温距离以及环境温度的影响.

在MLX90614传感器的主轴线17时接收到红外辐射信号峰值较好，也就是说此传感器的视场是35时测温较准确.[3]2-7 cm测量时温度误差最小.

1.4 显示模块

使用两种液晶显示屏：一个是1.7寸液晶屏结合OPENMV4配合使用，用以设置人脸框，显示摄像头当前捕获到的人脸是否在设置范围内.[4]另一个是七寸液晶屏显示系统相关信息，通过指令对屏幕操作，用液晶屏的触摸按键代替传统的机械按键，用液晶屏设计数字键盘和拼音键盘界面，输入新用户的信息、预设温度值.

2 系统软件设计

2.1 程序设计

软件流程框图见图2.

（1）利用Haar特征分类器检测人脸.Haar是一些矩形特征的模板，可以根据Haar判断人脸和非人脸.[5]根据积分图计算图像中所有区域像素和，利用Adaboost算法构建分类器.

（2）利用LBP算法进行人脸识别.先采集人脸样本，计算所采集样本的特征[6]值.本设计采用改进的LBP算法：圆形LBP算子[7-8]，以中心像素为圆心，以R为半径画圆，在圆的边界均匀采集n个点作为采样点.圆形LBP数学公式为：

L

式中，（XC，YC）是邻域中心点，（XP，YP）是一个采样点，计算出采样点的坐标.也可以通过双线性插值得到该采样点的像素值：

得出来圆形的LBP特征图像，如图4所示.

利用LBP的旋转不变性计算LBP的值，把计算出来的最小值作为该邻域的LBP值，提高其准确性和执行速度.

计算出来LBP值，然后进行编码并做循环移位，最终取其中的最小值.图6是利用LBP旋转不变性得出的LBP特征图像.

进行人脸识别时，利用OPENMV4采集正在识别的人脸信息.采集完成后，计算出采集的图像特征值，对比已经训练好的数据，当两者的差值最小的时候，即为被测者.

图3 样本图图4 圆形LBP值图像图5 样本图LBP值图像图6 旋转不变性的LBP形式显示图形式显示图值图像形式显示图

3 系统的调试

口罩识别测试 先录入十人未戴口罩及戴口罩的多组照片，分别比对100次，记录识别成功的次数并计算成功率，结果见表1.

人脸识别测试 先录入十人的多组照片分别比对100次，记录识别成功的次数并计算成功率，结果见表2.

由表1和表2分析可知，在对10人的测试中，虽然背景环境及光线强弱会对比对结果造成影响，但不管是对身份的检测还是对口罩佩戴情况的检测，识别成功率较高，识别效果可以满足测试要求.

在4 cm处放置手腕，利用测温枪作为体温的标准，测量10次.测试结果和利用MLX90614红外测温传感器测量结果对比，其误差绝对值均≤2 ℃.

4 结语

本文设计并一款嵌入式识别系统，系统选用STM32F103RCT6为控制核心，OPENMV4机器视觉模块，非接触式红外温度传感器MLX90614.嵌入式识别系统利用摄像头采集信息，非接触温度传感器测温，七寸屏显示和报警，实现了非接触测温，人脸识别和口罩识别一体化.识别成功率较高，能有效预防接触和呼吸传播，具有工作稳定、智能化、安全化等优势.

参考文献

[1]周瑛，杨盛国，林亮.基于ARM的心电接收机的设计与实现[J].牡丹江师范学院学报：自然科学版，2013（4）：21-22.

[2]陈璨.基于OpenMV的螺旋埋弧焊钢管焊缝跟踪系统研究[D].荆州：长江大学，2019.

[3]胡家骏.红外非接触测温系统设计与实现[D].哈尔滨：黑龙江大学，2016.

[4]裴彧，蔡维由，程远楚，等基于单片机系统的液晶汉字界面制作[J].三峡大学学报：自然科学版，2001（1）：51-53.

[5]曹洁，唐瑞萍，李伟.基于扩展的Haar-Like特征和LBP特征的人脸压缩跟踪算法[J].传感器与微系统，2019，38（11）：125-128.

[6]曹萍萍，刘升.Android平台人脸识别方法研究[J].牡丹江师范学院学报：自然科学版，2018（4）：27-30.

[7]刘晓妍.基于改进局部二值模式算子与蚁群优化的图像边缘提取算法[J].西南师范大学学报：自然科学版，2019，44（7）：69-76.

[8]Rangkuti Abdul Haris，Harjoko Agus，Putra Agfianto.A Novel Reliable Approach For Image Batik Classification That Invariant With Scale And Rotation Using MU2ECS-LBP Algorithm[J].Procedia Computer Science，2021，179.

編辑：琳莉

收稿日期：2020-12-28

基金项目：国家自然科学基金项目（61572224）;安徽省高校自然科学研究重点项目（kj2019A0955）;淮北师范大学课程团队建设项目（kctd19049）;淮北师范大学研究生教育精品课程项目（2019jpkc02）

作者简介：周飞（1995-），男，安徽亳州人.硕士研究生，主要从事嵌入式控制研究;李峥（1980-），男，安徽淮北人.副教授，博士，硕士生导师，主要从事嵌入式控制研究;高万明（1996-），男，安徽安庆人.硕士研究生，主要从事嵌入式控制研究.

通讯作者：李 峥