一種基于人臉識別技術的測溫消毒一體機設計*

金玉成，吳啟明，敖培華，吳樹虎

（1.浙江安浦科技有限公司，浙江 湖州 313000；2.湖州經發信息科技有限公司，浙江 湖州 313000）

新冠肺炎潛伏期長、傳染性強，容易在人與人之間產生傳播，甚至存在無癥狀感染的病患，相關醫學團隊在疾病前期癥狀研究過程中發現，其具有明顯的發熱臨床表現，確診患者中約88%出現了不同程度的發熱癥狀[1]，因此前期在車站、學校、醫院、機場等人員流動較大且容易出現交叉感染的場所中快速發現并及時診斷出病患，對于有效遏制新冠肺炎的傳播、保障民生都具有重要意義。

為及時查找到病患檢測溫度，常采用手持式溫度儀對額部或腕部進行檢測，該方法是一種接觸式測溫方法，且手持式測量儀器的測量精度和誤差與操作人員關系密切，測量效率低，數據的存儲只能通過手動記錄后輸入進網絡，不僅效率低，無法形成及時的體溫異常患者運動軌跡數據鏈，此外工作人員形成感染的可能性增大。因此，設計一種非接觸、高精度、高速的智能測溫消毒一體化的檢測系統對于在特定場合下體溫異常人員的識別具有重要的意義，本文針對新冠疫情防控的特點，設計一種基于人臉識別技術的測溫消毒一體機設備。

1 測溫消毒一體機的結構

測溫消毒一體機的結構如圖1（a）所示，該結構以PLC 為主控制單元，包括紅外線感應器、紫外線消毒、人臉識別與測溫、噴霧消毒等模塊，控制系統框圖如圖1（b）所示，其核心為高精度醫用紅外熱像儀配合高清度攝像頭構成的人臉識別與測溫模塊，該結構通過對人臉特征的識別推斷出目標人員的體溫、性別、年齡等信息，將信息整合上傳到和安防系統連接的大數據分析系統追溯行蹤，準確發現體溫異常和疫情高發地區人員，同時可實現人臉識別與體溫檢測、防疫大數據分析與報警以及無接觸自動消毒的一體化。

圖1 測溫消毒一體機

2 人流密集場合下的體溫異常監測系統

一般國內人員集中的地方，多采用手持測溫槍對過往人員進行體溫測量，手動記錄數據并上傳到網絡中，這樣工作的效率太低，而且對工作人員形成感染的可能性增大[2]。本系統對人流密集場合下的體溫異常監測主要通過車站、學校、醫院、機場、地鐵以及人流較大的寫字樓等公共場所的監控視頻資源，對人體進行快速非接觸式體溫監測，在人群中快速找出可能的病毒潛伏者以及感染者，并進行隔離觀察和治療，主要途徑是對人體額部溫度進行測量，同時對其運動軌跡進行對比分析和存儲的一個過程，因此，對人臉在監控視頻中的位置進行識別是本系統的關鍵之一。

2.1 人臉識別技術

人臉識別現已經在上班打卡、付款、門禁、安防等領域廣泛應用。其具有如下優勢：

（1）自然性：即通過觀察人們所具有的自然性的臉部生物特征來進行身份確認，識別方式十分便捷，用戶不需要攜帶任何證件或額外進行其他操作。

（2）不易察覺性：被識別的人臉圖像信息能夠主動獲取，可以讓被測個體不察覺，人臉識別是利用可見光獲取人臉圖像信息，或者是紅外線與可見光融合的多光源人臉圖像識別技術。

（3）非接觸性：相比較其他生物識別技術，人臉識別是非接觸的，用戶無需人臉與設備直接進行接觸，可以同時滿足多人連續進行人臉圖像信息的識別和分揀。

（4）非侵擾性：對人臉的采集不需要被采集者配合也不用工作人員干預，而且人臉屬于暴露在外的生物特征，對人臉的識別采集容易被大眾接受。

人臉識別技術還存在著受光照條件、人臉中遮蓋物、年齡等多方面因素影響[3]，現有對面部存在遮擋物的人臉識別常通過收集大量戴口罩等遮擋物的人臉照片海量信息，通過迭代法得到一個優化的模型進而對個體進行識別，但該方法對硬件的要求較高，且現有場景下人員流動性較高，因此很難在短時間內完成該迭代法的良好模型。本系統采用了一種場景適配參數優化方法的人臉識別技術，該方法充分利用臉部輪廓或其他面部特征，無需大量采集外部數據，只需要獲取人臉關鍵點定位信息，且現有的疫情監控場所，一般光照條件較好，即通過計算機模擬并采用相應算法訓練出一個最優的模型，該方法具有運算速度要求低、基礎核心算法較為成熟等特點，能明顯提升人臉算法在面部遮擋場景下的適應性。

本系統利用高精度醫用紅外熱像儀配合高清度攝像頭，采用上述所提算法將人臉識別與戴口罩檢測技術相結合，判斷相關人員是否正確佩戴口罩，降低了算法復雜性，實現了快速高效檢測。其識別過程為：首先對拍攝到的實時視頻畫面進行前端預處理，對視頻畫面進行配準后，再將人臉檢測與紅外測溫技術相結合，實現精準的人體測溫，避免了測量結果不準和情況誤報，最后，基于圖像分析技術，建立了高精度的人體實時測溫模型，同時完成了體溫檢測、人員身份識別和活動軌跡的存儲。對大于37.3 攝氏度的人群，通過熱成像儀近距離對手臂成像，對人體體溫再次進行檢查，獲得較為準確的體溫信息，實現快速健康篩查和記錄，及時上報給所在區域的負責人做相應的處理。同時，結合相關的應急大數據一體化平臺，協助有關機構進行疑似病例排查，方便疫情防控和溯源。溫度與人臉識別檢測框架的流程圖如圖2 所示。

圖2 溫度檢測與人臉識別檢測框架

2.2 數據的整合與管理

大數據技術主要用于分析、處理和提取來自極其復雜而傳統數據處理軟件無法處理的大型數據集的信息。目前期貨市場、航空領域、天氣預報和醫藥等領域（如圖3 所示）都需要大數據處理技術來分析大量實時數據，并提出結論和預測以減少未來的風險。

圖3 大數據應用示例

通過運用大數據進行實時查驗并進行研判是防控疫情的關鍵[4]，本系統依托大數據平臺模型，采用的人臉識別技術通過連續掃描面部，并將技術與智能體溫檢測相結合，實時地讓個體熱能信息轉換成計算機數據上傳數據庫，通過大數據技術對體溫異常人員身份識別并快速追溯人員近期活動蹤跡，有效提高疫情防控水平。同時，所存儲的數據能描繪出人體的二維溫度，以彩色圖像的形式顯示面部溫度的分布狀態，為臨床診斷提供有效的信息。同時，本系統能綜合其出行軌跡等方面的權威實時信息，通過掃描該人員的面部信息與后臺的大數據進行比對，自動按照人員體溫、出行軌跡等劃分其危險等級，將其健康碼劃分成紅碼、黃碼、綠碼3 種類型，進一步判斷、篩選并區分出安全人群及與紅碼、黃碼密切接觸的人群。

本系統運用大數據技術除了實現上述功能之外，還可以方便地向居民和社區工作者推送實時的疫情動態，提供無接觸式快速登記出入小區、云端醫療服務等社區便民服務功能，主要功能簡介如下：

（1）大數據分析疫情走勢及高危地帶篩選，方便向居民展示新冠發病分布和密切接觸者的風險分布，為居民出行作參考。

（2）利用紅碼、黃碼和綠碼“三色預警機制”，建立起基于快速申報機制的三級智能防控管理體系，便于社區工作人員對不同等級居民采取不同的網格化管理。

（3）無接觸式快速登記出入小區。通過手機APP 非接觸工作人員來填寫個人健康狀況，使社區工作人員及時掌握本轄區內人員的體溫異常情況，并根據不同情況完善居民的紅碼、黃碼和綠碼二維碼。

（4）遠程醫療云服務。方便居民向專科醫生咨詢新冠防治相關內容，有效緩解了因疫情期間公立醫院的醫療資源緊張導致的就醫難等問題。

3 結束語

針對新冠病毒防疫的需要，設計了一臺基于人臉識別技術的測溫消毒一體化設備，該設備具有非接觸體溫檢測與人臉識別功能，通過一種場景適配參數優化方法的人臉識別技術，可明顯提升人臉算法在面部配戴口罩等遮擋場景下的識別成功率，為后續的防疫決策提供必要的數據準備。此外，該系統還能實現自動和無接觸的消毒處理，極大地減少了人工檢測過程中可能存在的交叉感染問題，為疫情防控提供了有力的技術支持。