基于人臉口罩識別的傳染病防護系統研究

黃晟 譚周文

摘要：該文針對新冠肺炎疫情，設計了一套基于STM32單片機的智能型傳染病安全防護系統。該系統可以在人流量較大的公共場所對人群進行口罩佩戴識別檢測及體溫測量，對未佩戴口罩和體溫較高的人進行語音警報和顯示;同時通過WIFI將視頻數據傳輸到遠程電腦，由電腦實時監控行人信息，實現遠程監控，人臉口罩識別是基于EDGE IMPULSE在線網站訓練我們所需要的人臉口罩模型。

關鍵詞：STM32;EDGE IMPULSE;體溫測量;遠程監控

中圖分類號：TB277? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）27-0003-00

1 引言

目前，新冠肺炎疫情依舊是大家關注的焦點且急需解決的問題。識別人們是否佩戴口罩需求已經成為普遍問題。針對此現象作者設計開發了一套人臉口罩識別+體溫檢測系統，本系統是基于EDGE IMPULSE在線網站訓練我們所需要的人臉口罩模型，在網站上我們可以進行Transfer Learning 這樣訓練出來的效果相對不錯，并且所用的時間短。該系統對人們進入人流密集場所時進行戴口罩識別和體溫檢測。為防止新冠肺炎疫情傳播起到良好的保障作用。

2 研究背景分析

人臉識別技術在中國的開展研究起步于20世紀末尾，最早階段技術方案是基于人臉的特征識別，這階段算法比較少，大多都是使用人臉的數據庫進行特征匹配實現人臉的識別，第二階段人臉識別慢慢地實現了算法檢測，著名的有美國的FERET人臉識別算法，這時的人臉識別慢慢地邁入了商業化，第三階段人臉識別真正的使用了機器自動識別，這一階段出現了采用神經網絡采集的方法，實現多視角人臉識別，也出現了進行三維可變形模型的方法對圖像進行擬合估算出人臉的三維形狀，目前包括百度AI、阿里、騰訊等大廠都在開發在線口罩識別的工具。并且眾多的目標檢測模型包括Faster RCNN、SSD、YOLO也得到了更大的推廣和發展。

3 系統結構

項目的整體功能設計框圖如圖1所示。主要的研究內容有語音合成模塊、攝像頭模塊、Wi-Fi模塊和紅外線測溫模塊、OLED模塊等。

系統可以通過Openmv4攝像頭模塊采集實時視頻信息，利用人臉口罩檢測模型訓練后的算法進行視頻口罩的分析，分析完畢后將處理的結果返回給STM32F407處理器進行第二次處理，這時會通過ESP8266 WIFI模塊將視頻信息傳入電腦，電腦上會顯示實時畫面，實現遠程監控。如檢測到有人沒有佩戴口罩，處理器會控制語言模塊進行語音提示，同時LED燈會聲光報警。與此同時，紅外線測溫模塊將測量人體體溫并顯示在OLED屏上。

4 系統軟件硬件設計

4.1攝像頭口罩識別控制設計

本次項目使用的是OpenMV， 它是一個開源、低成本、功能強大的機器視覺模塊，它集成了OV7725攝像頭芯片，提供Python編程接口。使用者們可以用python語言使用OpenMV提供的機器視覺功能[1]。它與MCU的連接如圖2。

Openmv會首先進行人臉口罩的識別，獲得結果后通過USART傳給MCU結果。人臉口罩識別首先需要準備大量的人臉口罩圖片稱為數據集，大量的不同的數據通過高效的算法才能訓練出一個有效的模型，概念如圖3，這種方式叫作深度訓練模型訓練。

通用的步驟是首先定義算法公式，也就是神經網絡的數據處理算法，目前常用的是inceptionV4，mobilenet等，然后確定loss，也就是選擇優化器，來讓loss最小，接著對數據進行迭代訓練，使輸出的結果loss達到比較小，最后算法或者平臺會對整個測試集進行準確率的評估。

使用Openmv可以通過EDGE IMPULSE在線網站訓練我們的模型，網站上我們可以進行Transfer Learning，大大減少了我們訓練的時間，最后平臺會自己進行準確率評估，當錯誤率在5%以下時，這個訓練出來的模型就具有一定的實用性。

4.2 wifi模塊設計

項目使用的是ESP8266EX，有較多的GPIO口，支持SPI、I2C、UART通信，MCU通過串口傳輸AT指令實施對ESP8266的控制。具體電路圖如下圖4所示。

4.3 語音合成模塊使用

本次使用的語音合成模塊為SYN6288-A，主控通過串口發送指令，SYN6288解碼合成語音，通過外接的喇叭實現聲音的轉化。

通過URAT傳輸發送數據，以數據幀格式進行。當檢測出未戴口罩后MCU會發送數據和命令，合成語言，SYN6288解碼后合成語言，通過喇叭實現播放。

4.4人體體溫檢測模塊設計

系統采用MLX90614模塊檢測人體體溫， 因為物體紅外輻射能量的大小和波長的分布與其表面溫度關系密切。因此，通過對物體自身紅外輻射的測量，能準確地確定其表面溫度，紅外測溫就是利用這一原理測量溫度的。紅外測溫器由光學系統、光電探測器、信號放大器和信號處理及輸出等部分組成電路圖如圖7[3]。

5 系統測試結果

本系統每采樣20次得到一次數據集輸出，首先我們將得到的數據進行限幅濾波，去掉比較大的誤差值，然后進行中值濾波，將數據的中間幾位取算數平均根，經過這樣的數據處理，數據浮動頻率會大大減小，數據變得相對更穩定，不會長時間的跳動，并經過大量采樣輸出數據值與實際溫度值非常接近。

參考文獻：

[1] 金椿柏，姚宇航，蔡煜廷，等.基于無人機進行火場搜救設備的研究設計[J].電子制作，2018（18）：21-22.

[2] 鄒益民，庹超超，宗敏.一種基于手機WiFi的無線測控技術及其應用[J].工業儀表與自動化裝置，2017（2）：43-46.

[3] 浦麗華.鐵路專用輕便型紅外測溫儀檢定方法的探討[J].上海鐵道科技，2014（1）：64-65，49.

【通聯編輯：聞翔軍】