基于STM32的智能學生證系統(tǒng)設(shè)計

摘" 要：隨著科技的不斷發(fā)展，智慧校園逐步走入大家的視野當中，校園作為一個人數(shù)眾多的公共學習場所，學生的管理工作對學校管理部門來說尤為重要。該文主要設(shè)計一個可以幫助學校管理部門高效管理學生學習和生活的智能學生證系統(tǒng)。首先，通過人臉識別功能，可以實現(xiàn)對學生身份的準確識別，從而避免冒名頂替、身份盜用等潛在風險。其次，基于GPS的實時定位功能可以提供一種安全保障機制，學校管理人員可以實時查看學生的位置信息。最后，依據(jù)實時位置信息，通過設(shè)置電子圍欄的方式，確保學生在規(guī)定地點內(nèi)活動。系統(tǒng)測試表明，本設(shè)計能通過人臉準確識別出學生信息、實時監(jiān)測學生位置，有效保障在校學生的安全并且提高校園管理的質(zhì)量。

關(guān)鍵詞：智能學生證；實時定位；人臉識別；STM32；系統(tǒng)設(shè)計

中圖分類號：TP277""""" 文獻標志碼：A""""""""" 文章編號：2095-2945（2025）04-0047-04

Abstract： With the continuous development of technology， smart campuses have gradually entered everyone's vision. As a public learning place with a large number of people， the management of students is particularly important to the school management department. This paper mainly designs an intelligent student ID card system that can help school management departments efficiently manage students' study and life. First of all， through the Face Recognition function， students can be accurately identified， thereby avoiding potential risks such as impersonation and identity theft. Secondly， the GPS-based real-time positioning function can provide a security mechanism that allows school administrators to view students' location information in real time. Finally， based on real-time location information， an electronic fence is set up to ensure that students move in the specified place. System tests show that this design can accurately identify student information through faces and monitor students' locations in real time， effectively ensuring the safety of students in school and improving the quality of campus management.

Keywords： intelligent student ID card; real-time positioning; Face Recognition; STM32; system design

智能學生證系統(tǒng)融合了人臉識別技術(shù)、實時定位技術(shù)，旨在高效地幫助學校管理部門管理在校學生的學習和生活。基于STM32單片機進行設(shè)計，使系統(tǒng)研究向更集成、更便利、更智能方向發(fā)展。

通過人臉識別功能，可以對學生身份信息進行準確辨別分析，避免門禁或考試時進行冒名頂替、身份盜用等潛在風險。通過該功能，還可以實現(xiàn)對學生的考勤管理，提高教學管理的效率和質(zhì)量。

基于GPS和北斗的實時定位和電子圍欄功能，可以了解學生的行蹤，確保學生在規(guī)定的時間和地點內(nèi)活動，為學生提供一種安全保障機制。

綜上所述，本文通過人臉識別、實時定位和電子圍欄等功能，可以實現(xiàn)對學生的全面管理和保護。隨著各種新技術(shù)不斷加入到智能學生證中，該研究將為相關(guān)行業(yè)提供一種新的技術(shù)手段和管理模式，具有廣闊的應用前景和市場潛力。

1" 總體設(shè)計

本設(shè)計硬件采用模塊化的設(shè)計方法，對各個功能模塊分開設(shè)計，最后通過集成PCB板組合。

整體硬件系統(tǒng)包括主控模塊、顯示模塊和定位模塊、人臉識別模塊、按鍵模塊、監(jiān)測模塊和報警模塊。

STM32F103C8T6作為核心控制器協(xié)調(diào)各模塊的輸入和輸出信息，控制各模塊有序運行，并將輸入的信息經(jīng)過處理輸出在屏幕上，其硬件連接框圖如圖1所示。

2" 顯示單元

本文系統(tǒng)設(shè)計的數(shù)據(jù)顯示主要采用0.96寸OLED屏幕，OLED是一種電子顯示屏，主要基于有機材料的發(fā)光技術(shù)。因為每個像素都是自己發(fā)光的，OLED屏幕不需要背光，只有亮的像素才會消耗電能，所以它的功耗比較低，與其他顯示屏相比顯示效果更好、對比度更高。

人臉圖像采用TFT屏幕進行脫機顯示，因為它具有更高的像素密度和更好的顏色深度，適合顯示人臉圖像信息。

3" 人臉識別

人臉識別應用于校園門禁或者課堂簽到場所，需要準確快速地辨別不同人臉并顯示對應學生信息，該功能主要應用圖像采集與處理和分辨人臉特征的技術(shù)。編寫相應的圖像采集和處理程序，通過攝像頭模塊獲取人臉數(shù)據(jù)，然后進行人臉識別比對，實現(xiàn)身份驗證。本文主要采用幾何特征算法實現(xiàn)人臉識別，通過對比待檢測人臉和數(shù)據(jù)庫人臉的特征值差異度來實現(xiàn)不同人臉的辨別。

3.1" 硬件選擇

OpenMV-H7是一款基于ARM Cortex-M7內(nèi)核的嵌入式計算機視覺開發(fā)板[1]。它的主要優(yōu)點在于：內(nèi)置了專門用于機器視覺處理的圖像傳感器和處理器，擁有豐富的圖像處理功能；提供了簡單易用的Python編程接口；而且非常小巧方便，可以直接插入到嵌入式系統(tǒng)中。因此，它適應于對計算資源要求不高的場景。

3.2" 圖像采集

進行人臉識別前需要建立人臉數(shù)據(jù)庫，用于待檢測人臉信息和數(shù)據(jù)庫的人臉信息特征比對[2]。為了方便添加人臉信息，需在系統(tǒng)添加圖像采集程序，一是為了添加人臉信息的便利性；二是同設(shè)備采集信息，識別的誤差比較小。

主程序采集圖像的方式為連續(xù)拍攝20張照片，每隔3 s拍攝一張，并將拍攝到的圖像保存到SD卡中。

while（n）：

lcd.write（sensor.snapshot（））

machine.LED（\"LED_RED\"）.on（）

sensor.skip_frames（time = 3000）

machine.LED（\"LED_RED\"）.off（）

machine.LED（\"LED_BLUE\"）.on（）

print（n）

sensor.snapshot（）.save（\"singtown/s%s/%s.pgm\"%（num，n））#or\"example.bmp\"（or others）

n = 1

machine.LED（\"LED_BLUE\"）.off（）

print（\"Done！ Reset the camera to see the saved image.\"）

主程序使用了while循環(huán)，當n的值大于0時會一直執(zhí)行循環(huán)內(nèi)的代碼。循環(huán)內(nèi)的第一行代碼使用lcd.write（）方法將攝像頭拍攝到的圖像顯示在LCD屏幕上。隨后，紅燈點亮表示正在進行拍照，等待3 s后紅燈熄滅，藍燈點亮表示拍照結(jié)束正在保存圖片。接著，使用sensor.snapshot（）方法對攝像頭進行拍照，并將拍攝到的圖像以.pgm格式保存到SD卡中。最后，藍燈熄滅，輸出“Done！ Reset the camera to see the saved image.”提示拍照完成。

3.3" LBP特征提取

LBP是一種廣泛應用于圖像處理領(lǐng)域的局部紋理特征提取方法，它的核心思想是通過對比每個像素與其周圍的鄰域像素，生成一系列二進制編碼，以此捕捉區(qū)域內(nèi)的紋理信息[3]。具體步驟如下。

1）選擇半徑和鄰域大小：選擇一個半徑和鄰域大小，確定每個像素點周圍需要取多少個像素點來進行比較，這里選擇該像素點周圍的8個像素點為一個鄰域。

2）計算LBP值：分析圖像中每個像素點與其周圍鄰域像素的灰度值差異，若該像素點的灰度值小于或等于其相鄰像素點的灰度值，LBP模式則對應位置標記為1；反之，如果該像素點的灰度值較大，那么位置標記為0。選取中心像素及其8個臨近像素進行比較，順時針排列形成一個8位的二進制編碼，隨后這個二進制碼會被轉(zhuǎn)換成十進制形式，作為該像素點的LBP特征值。

3.4" 人臉特征比對

人臉特征比對就是對比待測人臉和數(shù)據(jù)庫人臉特征值，差異度最小的就是待檢測的人臉信息，具體流程如下。

1）圖像預處理：對于檢測的人臉圖像需要先進行預處理，轉(zhuǎn)化為與圖像數(shù)據(jù)庫中采集的人臉圖像同類型的圖像。

2）特征提取：對于每個區(qū)域，計算其對應的LBP特征值。具體提取特征值的方法在前文已有介紹，這里需要先對數(shù)據(jù)庫人臉進行特征提取，再對檢測人臉進行提取。

3）特征匹配：將待檢測人臉圖像的LBP特征值與采集的圖像數(shù)據(jù)庫中已知人臉圖像的LBP特征值進行比較，找出差異度最小的人臉圖像。

4）識別：差異度越小說明2個圖像在局部紋理上匹配度越高，從而推斷出可能是同一個人的概率較大，差異度最小的就是待檢測的人臉信息。

下面的程序通過計算每個人數(shù)據(jù)庫中所有圖像和待檢測人臉的特征值差異度的平均值中的最小值，從而來識別當前人臉。

def min（pmin， a， s）：

global num

if alt;pmin：

pmin=a

num=s

return pmin

for s in range（1， NUMS_SUBJECTS+1）：

dist = 0

for i inrange（2，NUM_SUBJECTS_IMGS+1）：

img =image.Image（\"st/s%d/%d.pgm\"%（s， i））

d1=img.find_lbp（（0，0，img.width（），img.height（）））

dist += image.match_descriptor（d0， d1）

print（\"Averagedistforsubject %d：%d\"%（s，dist/""""" NUM_SUBJECTS_IMGS））

pmin=min（pmin，dist/NUMS_SUBJECTS_IMGS，s）

print（pmin）

print（num）

主程序通過計算被檢測人臉圖像與預先存儲的樣本圖像之間的特征差異度，來判斷被檢測人臉與哪一個樣本更匹配。在外層循環(huán)中，遍歷所有的樣本文件夾；在內(nèi)層循環(huán)中，遍歷樣本文件夾中所有的圖片文件，并依次計算每張圖片與被檢測人臉圖像之間的特征差異度并對其取平均值。在計算特征差異度的過程中，使用了min函數(shù)來比較不同樣本的差異度，并將最小值以及對應的樣本編號num返回。最后輸出num，即為當前最匹配的人的編號。

4" GPS實時定位

系統(tǒng)的實時定位功能需要實時獲取用戶的經(jīng)緯度位置和時間信息，主控單元需要與定位設(shè)備進行信息傳遞，解析并提取定位信息。可編寫程序來設(shè)置安全區(qū)域，當學生進入或離開該區(qū)域時，系統(tǒng)會自動發(fā)出報警提示。

4.1" 硬件選擇

ATGM332D 5N-31是一款基于北斗/GPS雙模芯片設(shè)計的高精度定位模塊，具有小巧、低功耗、高精度等特點。

該模塊采用雙模式定位，支持GPS L1/GLONASS L1/Beidou B1三種衛(wèi)星信號，可以實現(xiàn)精度為2.5 m的定位。

4.2" 數(shù)據(jù)接收

ATGM332D 5N-31模塊是一款高性能GPS模塊，它采用了M8030-KT芯片，支持GPS、GLONASS、BeiDou三種衛(wèi)星導航系統(tǒng)。該模塊會接收來自衛(wèi)星發(fā)射的無線電信號，并測量該信號到達模塊的時間和頻率等參數(shù)，然后通過自身與衛(wèi)星之間的位置信息進行對比和計算，最終確定自身的位置和時間[4]。同時，該模塊還可以通過內(nèi)置的電子羅盤來提高定位的準確性。具體回傳信息如圖2所示。

4.3" 數(shù)據(jù)解析

ATGM332D 5N-31可以周期性地發(fā)送包含定位信息的NMEA格式數(shù)據(jù)。NMEA是一種通用的GPS數(shù)據(jù)格式，它包含了有關(guān)位置、狀態(tài)、速度、航向和時間日期等信息[5]。NMEA解析庫是一種用于解析GPS和其他定位設(shè)備輸出的NMEA數(shù)據(jù)格式的庫，可以將接收到的NMEA數(shù)據(jù)解析成易于理解的信息，比如經(jīng)緯度、速度等，并提供相應的API來讓用戶可以方便地獲取這些信息。使用相應的NMEA解析庫對接收到的定位數(shù)據(jù)進行解析，以便獲取有用的信息。

常見的NMEA數(shù)據(jù)格式見表1。通過解析這些數(shù)據(jù)，可以獲取到GPS設(shè)備的定位信息。

4.4" 數(shù)據(jù)提取

GPGLL是一種地理定位信息格式。它是NMEA0183標準的一部分。GPGLL包含了當前位置的經(jīng)度和緯度信息，以及定位的時間信息。其中，“GP”代表全球定位系統(tǒng)（GPS），“GLL”代表地理定位信息。GPGLL語句的格式如下：$GPGLL，緯度，N，經(jīng)度，E，時間，A*校驗和。緯度和經(jīng)度以度為單位表示，時間格式為hh mm ss.ss，A代表定位有效，校驗和為一個兩位的十六進制數(shù)，用于校驗語句的完整性。通過解析GPGLL語句來獲取經(jīng)緯度信息。

4.5" 電子圍欄

本系統(tǒng)設(shè)置電子圍欄，只需設(shè)置經(jīng)緯線的閾值，實現(xiàn)禁行區(qū)域的設(shè)置，當實時位置一旦進入或超出圍欄區(qū)域，系統(tǒng)就會自動發(fā)出報警，提醒校園管理人員，另外加入紅外避障模塊作為輔助，在危險區(qū)域邊緣作為人體傳感器，實時監(jiān)測是否有人進入，電子圍欄區(qū)域示意圖如圖3所示。其中設(shè)置電子圍欄的主要步驟如下。

1）確定電子圍欄范圍：在程序中設(shè)計電子圍欄的區(qū)域判斷，加設(shè)4條線的判斷語句，這4條線分別為經(jīng)度線的最大、最小值線和緯度線的最大、最小值線。

2）按鍵設(shè)置電子圍欄參數(shù)：包括經(jīng)緯線的閾值、警報方式。

5" 系統(tǒng)測試

5.1" 人臉識別測試

人臉識別測試中首先需要在OpenMV的TF卡中建立一個保存人臉照片的文件夾，在該文件夾內(nèi)建立數(shù)個子文件夾，一個子文件夾代表一個人的人臉數(shù)據(jù)，用來存放這一個人的人臉照片。本測試中，建立了6個人的人臉數(shù)據(jù)用以識別，對應子文件夾為s1—s6。

圖像數(shù)據(jù)庫建立完之后，通過圖像采集程序?qū)θ四様?shù)據(jù)進行采集。為了便于識別，識別圖像特征和采集圖像特征必須一致。

這里采用sensor.set_pixformat（sensor.GRAYSCALE）像素格式為灰度圖像；sensor.set_framesize（sensor.B128

X128）幀大小為 128×128像素；sensor.set_windowing（（92，112））圖像的窗口大小為92×112像素。

采集完人臉數(shù)據(jù)之后，將人臉識別代碼以main.py的名字保存到TF卡上，進行脫機運行。按下按鍵進行人臉識別，OpenMV識別成功之后將對應信息發(fā)給單片機并在OLED屏幕上顯示出該人臉對應學生信息。

5.2" 實時定位測試

給ATGM332D定位模塊上電，ATGM332D定位模塊需要等待一會，進行冷啟動。定位模塊啟動之后，LED燈會由常亮變?yōu)殚W爍，代表模塊已經(jīng)接收到信息。按下系統(tǒng)上的定位讀取按鍵，會直接顯示此刻的時間和日期。

進入實時定位頁面之后，默認會先顯示實時的時間日期頁面，由單片機的外部中斷來控制頁面的切換，按下外部中斷按鍵，頁面將會切換到實時經(jīng)緯度信息頁面。

6" 結(jié)論

該系統(tǒng)使用STM32F103C8T6作為主控芯片，人臉識別采用了OpenMV的LBP特征檢測算法，可以快速準確地識別人臉信息并顯示出來，采用ATGM332D 5N-31模塊進行實時定位，并在此基礎(chǔ)上實現(xiàn)了電子圍欄報警。綜上，智能學生證系統(tǒng)的設(shè)計不僅為學生的校園安全提供了有力保障，而且提高了教學管理工作的效率和質(zhì)量。

參考文獻：

[1] 劉慶婷，陳梅.基于OpenMV的智能門衛(wèi)系統(tǒng)[J].信息技術(shù)與信息化，2021（6）：273-277.

[2] 沈開榮，張根源，吳飛龍.基于人臉識別的校車考勤系統(tǒng)設(shè)計[J].電子測試，2016（8）：9-11.

[3] 李根，岳望.復雜光照下LBP人臉識別算法的改進[J].信息與電腦（理論版），2023，35（15）：106-109.

[4] 舒秀蘭，鄭旭彬，李澤森，等.ATGM336H+ESP01S的室內(nèi)定位系統(tǒng)設(shè)計[J].電子世界，2021（2）：184-185.

[5] 周蘭蘭，曾水平.基于NMEA-0183協(xié)議的導盲儀定位信息采集與解析系統(tǒng)[J].工業(yè)控制計算機，2021，34（2）：41-42，55.