论文部分内容阅读
摘 要：本系统以 STM32F103RET6 芯片作为主控单元，利用单片机的串口功能与摄像头通信、使用 IIC 通信协议与 GY906 无线限温度传感器实现温度的测量，以及识别身份的功能。温度传感器采用物体自身的红外辐射确定所测物体的表面温度，读取IIC时序信号，转化为准确的温度数据。识别模块使用 HOG 算法取人脸特征，用 Python 语言进行编程，主要原理是对人体面部轮廓的处理。人脸检测是将待测人脸与数据库中的已知人脸进行比对，若相似度高于阈值则认为是同一对象。
关键词：GY906温度传感器;HOG 特征算法;红外测温;STM32
1 检测系统硬件设计
1.1无接触温度测量模块
无接触温度测量模块的选择，使用了GY906传感器，GY906传感器是红外测温模块非接触温度采集测温探头传感器，选择的型号为 90614，具有非接触式、体积小、精度高、成本低等优点，同时兼容了 SMBus数字接口，可配置 PWM连续输出，被测目标的温度和环境温度可以通过 IIC通信的 SMBus方式读取芯片采集的数据，并通过主控STM32 转换，得到最终的温度显示在 OLED 屏幕身份识别模块
身份识别模块选择使用单目摄像头对身份进行识别，并通过串口通信返回被识别者的身份和佩戴口罩情况，主控会根据串口返回的数据，判断并显示被测对象是否符合防疫要求。
对于单个人脸识别功能的实现，一共有 3 个步骤：
1.1.1 提取出摄像头采集的人脸图像;
1.1.2 对于采集的人脸图像进行训练;
1.1.3 将现场采集的人脸与训练集的数据进行对比，判断被测对象的身份。
即人脸检测 （facedetection）、特征提取 （featureextraction）和人脸识别 （facerecogni?tion）三个过程。
2 总体方案设计及系统方框图
本系统包括无接触温度测量模块、身份识别模块、处理器模块和电源等。
对于不同模块采用不同的传感器对所要求的信息进行测量。无接触温度测量模块选择使用GY906传感器，身份识别模块选择使用摄像头传感器，主控选择STM32F103RET6。
3 理論分析与计算
温度检测模块
GY906测温的原理是利用测量物体自身发出的红外辐射，准确地确定其表面温度。GY906模块使用 81101热电原件作为红外感应部分，理想情况下的输出电压由外部温度和传感器自身温度决定，为：
U=（T4-T4）（1）
为元件的灵敏系数，温度单位为开尔文。
GY906传感器使用了 SMBus协议将所测量数据传回主控，在本装置中即 STM32主控。通过芯片手册所提供的 GY906时序图，我们可以通过 HAL库逐位数提取 GY906的数据，并使用换算公式 T=0.2d–273.15 （2）
其中，T为实际测量的温度，单位为摄氏度℃，d为传感器逐位读回的 16 位数据。
3.2人脸识别模块
人脸识别算法方面，主要使用梯度直方图（HOG，HistogramofGradient），梯度直方图是一种解决人体目标检测的图像描述方法，该方法使用梯度方向直方图特征来表达人体，提取人体的外形信息和运动信息，形成丰富的特征集[2]。
为了减少运算量，方便后期的处理，将 RGB三种颜色化为灰度图，根据人眼的成像感官，可以使用Grey=0.299R+0.587G+0.114B（3）
来进行灰度处理。在后面的图像处理过程中，需要进行梯度的计算，虽然图像可以是任意尺寸的，但是为了减少计算量，选择压缩图片大小。
为了计算梯度方向，选择使用Kernel算子计算方向 x、方向y 的梯度。再来计算梯度的幅值和方向，其中gx 是x方向的梯度，gv 是 y 方向的梯度。8 *8 子图像中提取出来的代表梯度的数值，这些角度从 [0 180]度而不是 [0 360]度，这些被称之为无符号梯度 （unsigned gradients）。无符号梯度的使用效果比有符号梯度优秀，所以这里选择无符号梯度。
为了掌握这个矩阵整体的梯度状态，得到这个子图像的梯度方向，建立一个有 9位的梯度直方图，通过在 8 *8 子图像里面进行 9 *1 归一化的直方图，可以可视化子图像的 HOG 的描述子。
我们将每一个 HOG 脸部矩阵看作人脸的特征矩阵。在计算过程中需要用大量的样本，重复训练卷积神经网络上百万次，以得到一个最合适的人脸矩阵，使用了Opencv的开源训练结果，与摄像头传回图像中的每个子图像进行比对，采用的对比方式是直接计算 8 *8 *2 的梯度矩阵中的欧式距离。距离足够小也就是距离低于阈值时，即可认为是人脸。
4 测试数据与结果分析
测试结果如表1所示。测量结果表明，温度测量误差可以控制在5%以内，但当测温距离较远时测温效果不佳，主要是由于红外测温设备的距离有限，进一步可考虑更换精度较高的测温设备。
人脸识别成功率可控制在95%以上，在数据集很小的情况，即每人300张采集图片时，可以实现人脸的有效识别。
参考文献：
[1]钟君，蔡黎明，于涌.基于MLX90614的无线温度采集系统设计[J].传感器与微系统，2015，34（03）：87-89+93.
[2]慕春雷. 基于HOG特征的人脸识别系统研究[D].电子科技大学，2013.
作者简介：
杨步荣（2000—），男，汉族，河北邢台人，石家庄铁道大学，电气工程及其自动化专业，本科生。
关键词：GY906温度传感器;HOG 特征算法;红外测温;STM32
1 检测系统硬件设计
1.1无接触温度测量模块
无接触温度测量模块的选择，使用了GY906传感器，GY906传感器是红外测温模块非接触温度采集测温探头传感器，选择的型号为 90614，具有非接触式、体积小、精度高、成本低等优点，同时兼容了 SMBus数字接口，可配置 PWM连续输出，被测目标的温度和环境温度可以通过 IIC通信的 SMBus方式读取芯片采集的数据，并通过主控STM32 转换，得到最终的温度显示在 OLED 屏幕身份识别模块
身份识别模块选择使用单目摄像头对身份进行识别，并通过串口通信返回被识别者的身份和佩戴口罩情况，主控会根据串口返回的数据，判断并显示被测对象是否符合防疫要求。
对于单个人脸识别功能的实现，一共有 3 个步骤：
1.1.1 提取出摄像头采集的人脸图像;
1.1.2 对于采集的人脸图像进行训练;
1.1.3 将现场采集的人脸与训练集的数据进行对比，判断被测对象的身份。
即人脸检测 （facedetection）、特征提取 （featureextraction）和人脸识别 （facerecogni?tion）三个过程。
2 总体方案设计及系统方框图
本系统包括无接触温度测量模块、身份识别模块、处理器模块和电源等。
对于不同模块采用不同的传感器对所要求的信息进行测量。无接触温度测量模块选择使用GY906传感器，身份识别模块选择使用摄像头传感器，主控选择STM32F103RET6。
3 理論分析与计算
温度检测模块
GY906测温的原理是利用测量物体自身发出的红外辐射，准确地确定其表面温度。GY906模块使用 81101热电原件作为红外感应部分，理想情况下的输出电压由外部温度和传感器自身温度决定，为：
U=（T4-T4）（1）
为元件的灵敏系数，温度单位为开尔文。
GY906传感器使用了 SMBus协议将所测量数据传回主控，在本装置中即 STM32主控。通过芯片手册所提供的 GY906时序图，我们可以通过 HAL库逐位数提取 GY906的数据，并使用换算公式 T=0.2d–273.15 （2）
其中，T为实际测量的温度，单位为摄氏度℃，d为传感器逐位读回的 16 位数据。
3.2人脸识别模块
人脸识别算法方面，主要使用梯度直方图（HOG，HistogramofGradient），梯度直方图是一种解决人体目标检测的图像描述方法，该方法使用梯度方向直方图特征来表达人体，提取人体的外形信息和运动信息，形成丰富的特征集[2]。
为了减少运算量，方便后期的处理，将 RGB三种颜色化为灰度图，根据人眼的成像感官，可以使用Grey=0.299R+0.587G+0.114B（3）
来进行灰度处理。在后面的图像处理过程中，需要进行梯度的计算，虽然图像可以是任意尺寸的，但是为了减少计算量，选择压缩图片大小。
为了计算梯度方向，选择使用Kernel算子计算方向 x、方向y 的梯度。再来计算梯度的幅值和方向，其中gx 是x方向的梯度，gv 是 y 方向的梯度。8 *8 子图像中提取出来的代表梯度的数值，这些角度从 [0 180]度而不是 [0 360]度，这些被称之为无符号梯度 （unsigned gradients）。无符号梯度的使用效果比有符号梯度优秀，所以这里选择无符号梯度。
为了掌握这个矩阵整体的梯度状态，得到这个子图像的梯度方向，建立一个有 9位的梯度直方图，通过在 8 *8 子图像里面进行 9 *1 归一化的直方图，可以可视化子图像的 HOG 的描述子。
我们将每一个 HOG 脸部矩阵看作人脸的特征矩阵。在计算过程中需要用大量的样本，重复训练卷积神经网络上百万次，以得到一个最合适的人脸矩阵，使用了Opencv的开源训练结果，与摄像头传回图像中的每个子图像进行比对，采用的对比方式是直接计算 8 *8 *2 的梯度矩阵中的欧式距离。距离足够小也就是距离低于阈值时，即可认为是人脸。
4 测试数据与结果分析
测试结果如表1所示。测量结果表明，温度测量误差可以控制在5%以内，但当测温距离较远时测温效果不佳，主要是由于红外测温设备的距离有限，进一步可考虑更换精度较高的测温设备。
人脸识别成功率可控制在95%以上，在数据集很小的情况，即每人300张采集图片时，可以实现人脸的有效识别。
参考文献：
[1]钟君，蔡黎明，于涌.基于MLX90614的无线温度采集系统设计[J].传感器与微系统，2015，34（03）：87-89+93.
[2]慕春雷. 基于HOG特征的人脸识别系统研究[D].电子科技大学，2013.
作者简介：
杨步荣（2000—），男，汉族，河北邢台人，石家庄铁道大学，电气工程及其自动化专业，本科生。