摘 要：該文旨在設(shè)計并實現(xiàn)一種基于STM32微控制器和K210開發(fā)板的人臉識別非接觸式測溫系統(tǒng)，以解決傳統(tǒng)測溫方式在效率和準確性上的不足，同時提高測溫的便捷性和安全性。系統(tǒng)通過STM32微控制器進行整體控制，結(jié)合K210開發(fā)板進行人臉和口罩的識別。紅外測溫傳感器用于非接觸式地測量人體溫度，而人工智能技術(shù)則用于提升識別精度。詳細的工作流程包括圖像采集、預(yù)處理、特征提取、匹配與識別以及溫度測量。實驗結(jié)果表明，該系統(tǒng)能夠?qū)崿F(xiàn)快速準確的人臉與口罩識別，并在非接觸式測溫中展現(xiàn)出良好的穩(wěn)定性和準確性。其性能在多種測試場景下均表現(xiàn)優(yōu)異，顯示出在人臉識別和溫度測量領(lǐng)域的廣泛應(yīng)用前景。綜上所述，該文設(shè)計并實現(xiàn)的人臉識別非接觸式測溫系統(tǒng)具有較高的實用價值和廣泛的應(yīng)用范圍。未來，該系統(tǒng)可進一步應(yīng)用于公共場所的測溫管理、醫(yī)療診斷、安全監(jiān)控等領(lǐng)域，為相關(guān)領(lǐng)域的研究和實踐提供有力支持。同時，也需持續(xù)優(yōu)化算法和提高硬件性能，以應(yīng)對更復(fù)雜的應(yīng)用場景和更高的識別要求。

關(guān)鍵詞：人臉口罩識別;非接觸式測溫;K210;STM32;系統(tǒng)設(shè)計

中圖分類號：TP391.41 文獻標(biāo)志碼：A 文章編號：2095-2945（2024）22-0038-04

Abstract： This paper aims to design and implement a face recognition non-contact temperature measurement system based on STM32 microcontroller and K210 development board， in order to address the inefficiencies and inaccuracies of traditional temperature measurement methods， while improving the convenience and safety of temperature measurement. The system is controlled by the STM32 microcontroller， combined with the K210 development board for face and mask recognition. An infrared temperature sensor is used for non-contact measurement of human body temperature， and artificial intelligence technology is used to improve recognition accuracy. The detailed workflow includes image acquisition， preprocessing， feature extraction， matching and recognition， as well as temperature measurement. Experimental results show that the system can achieve fast and accurate face and mask recognition， and exhibit good stability and accuracy in non-contact temperature measurement. Its performance is excellent in various test scenarios， showing a wide range of application prospects in face recognition and temperature measurement. The face recognition non-contact temperature measurement system designed and implemented in this paper has high practical value and a wide range of applications. In the future， the system can be further applied to temperature measurement management in public places， medical diagnosis， security monitoring， and other fields， providing strong support for research and practice in related fields. At the same time， continuous optimization of algorithms and improvement of hardware performance are needed to cope with more complex application scenarios and higher recognition requirements.

Keywords： face and mask recognition; non-contact temperature measurement; K210; STM32; system design

隨著人工智能技術(shù)的不斷發(fā)展，人臉識別技術(shù)已經(jīng)成為一項重要的應(yīng)用。人臉識別技術(shù)通過識別人臉特征，實現(xiàn)身份驗證、安全控制等目的，被廣泛應(yīng)用于測溫、口罩識別等方面。同時，非接觸式測溫技術(shù)是一種通過紅外線或其他非接觸方式測量人體溫度的技術(shù)，這種技術(shù)可以在不接觸人體的情況下快速測量體表溫度，避免了傳統(tǒng)體溫計需要接觸口腔或腋下的風(fēng)險，被廣泛應(yīng)用于公共場所、醫(yī)院、學(xué)校等場所。基于此，從技術(shù)進步和創(chuàng)新的角度考量，人臉識別與非接觸式測溫系統(tǒng)的結(jié)合能實現(xiàn)2種不同功能的整合和系統(tǒng)的全方位升級，這不僅推動了相關(guān)技術(shù)的發(fā)展，也為其他領(lǐng)域的創(chuàng)新提供了借鑒和參考?？傊四樧R別與非接觸式測溫系統(tǒng)的結(jié)合可以提高識別準確性和效率、促進智能化發(fā)展等方面都具有重要的意義和價值[1]。

1 系統(tǒng)設(shè)計

1.1 總體方案設(shè)計

人臉口罩識別與非接觸式測溫系統(tǒng)由STM32F103C8T6單片機、K210圖像視覺識別模塊、TN901紅外測溫傳感器、OLED屏幕、按鍵模塊、蜂鳴器等組成。系統(tǒng)的實物圖與總體框圖如圖1、圖2所示[2]。

系統(tǒng)上電之后，K210圖像視覺識別模塊開始檢測識別人臉，當(dāng)用戶第一次識別時，需要按下K210的學(xué)習(xí)按鍵進行人臉學(xué)習(xí)，學(xué)習(xí)成功后K210模塊的LCD屏幕顯示用戶名稱，并提示用戶戴口罩。佩戴好口罩后，K210將再進行口罩識別，并在K210模塊的LCD屏幕顯示用戶名稱，學(xué)習(xí)、識別過程完成，K210將識別結(jié)果通過串口發(fā)送給STM32單片機，然后TN901測溫傳感器開始檢測當(dāng)前人體溫度，將檢測溫度值通過SPI通信協(xié)議發(fā)送給STM32單片機，并在OLED屏幕上顯示當(dāng)前用戶身體測試部位的溫度，如果超過正常體溫或者沒戴口罩，蜂鳴器報警提示[3]。

1.2 系統(tǒng)硬件設(shè)計

本次系統(tǒng)設(shè)計，采用模塊化設(shè)計的思想，人臉識別與非接觸式測溫系統(tǒng)由STM32F103C8T6單片機、K210圖像視覺識別模塊、TN901紅外測溫傳感器、OLED屏幕、按鍵模塊和蜂鳴器等組成。

人臉識別與口罩識別需要用到核心硬件是K210的內(nèi)置KPU，是一種專門用于邊緣計算設(shè)備的神經(jīng)網(wǎng)絡(luò)處理器，具有高度并行的處理能力和低功耗的特點，能夠在邊緣設(shè)備上高效地完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和推理任務(wù)。本次系統(tǒng)使用的主芯片Kendryte K210是雙核64位RISC-V處理器，具備視聽一體、自主IP內(nèi)核與可編程能力強的特點，支持機器視覺與聽覺的多模態(tài)識別。

系統(tǒng)測溫硬件選用的是紅外測溫儀TN-901，測量溫度范圍為：-33～220℃（-27～428°F），±0.6℃的測量精度，分辨率為1/16℃，性能良好，能夠滿足本次系統(tǒng)設(shè)計的要求。

1.3 系統(tǒng)軟件設(shè)計

1.3.1 系統(tǒng)程序設(shè)計

主控程序的主要功能是進行人臉口罩識別和溫度測量，并根據(jù)識別和測量的結(jié)果進行相應(yīng)的操作。程序的主要流程如下：首先進行系統(tǒng)初始化，包括RCC、NVIC、GPIO、USART、TN901和OLED等硬件初始化。然后程序進入主循環(huán)，不斷檢測GPIOB引腳的狀態(tài)，如果檢測到引腳為低電平，則發(fā)送一個信號給USART1，表示掃描到口罩。掃描到口罩后，使用test_flag的變量來表示當(dāng)前的狀態(tài)，根據(jù)test_flag不同的狀態(tài)值執(zhí)行不同的操作。其中，狀態(tài)0顯示“scan mask”在OLED屏幕上，表示正在進行口罩識別。狀態(tài)1發(fā)送10個信號給USART1，顯示“again scan”在OLED屏幕上，表示需要重新進行口罩識別。狀態(tài)2發(fā)送10個信號給USART1，顯示“temp scan”在OLED屏幕上，表示正在進行溫度測量。狀態(tài)3顯示“again temp”在OLED屏幕上，表示需要重新進行溫度測量。狀態(tài)4顯示“open door”在OLED屏幕上，然后等待一段時間后重新開始掃描口罩。溫度測量當(dāng)test_flag等于2或3時，程序調(diào)用TN901_ReadData（）和TN901_Temp（）函數(shù)進行溫度測量。當(dāng)test_flag等于4時，程序結(jié)束并重新開始掃描口罩，等待下一次循環(huán)[4]。

1.3.2 人臉與口罩識別程序設(shè)計

本系統(tǒng)的人臉與口罩識別使用的是YOLOv2算法，是一種用于實時目標(biāo)檢測的卷積神經(jīng)網(wǎng)絡(luò)。需要將算法部署在K210的KPU中，YOLO算法是一種快速而準確的目標(biāo)檢測算法，通過將目標(biāo)檢測任務(wù)轉(zhuǎn)化為回歸問題，并利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，實現(xiàn)對圖像中目標(biāo)的準確定位和分類，其網(wǎng)絡(luò)結(jié)構(gòu)包含了多個卷積層和池化層，能夠全局地捕捉圖像的上下文信息，并且支持多尺度和多類別的檢測。YOLOv2相對于YOLOv1采用了更深的網(wǎng)絡(luò)架構(gòu)，引入了錨框和多尺度訓(xùn)練等新的技術(shù)，同時也加入了批量歸一化和高分辨率分類器等常見技術(shù)來提高訓(xùn)練過程的穩(wěn)定性和檢測準確率[5]。

本系統(tǒng)人臉與口罩識別的YOLOv2算法模型，開發(fā)時首先需要先到MaixHub開放平臺上創(chuàng)建人臉和口罩數(shù)據(jù)集，采集和在線標(biāo)注人臉和口罩訓(xùn)練數(shù)據(jù)，接著配置訓(xùn)練參數(shù)，定制訓(xùn)練，選擇部署平臺和訓(xùn)練參數(shù)，然后開始訓(xùn)練，創(chuàng)建訓(xùn)練任務(wù)，自動在云服務(wù)器上進行人臉和口罩訓(xùn)練，然后實時查看訓(xùn)練情況，最后將訓(xùn)練的人臉和口罩模型部署在設(shè)備上。在部署時要按照平臺提示說明下載訓(xùn)練的模型，獲得加密版本的kmodel模型，也就是smodel模型，smodel模型包含了機器碼，機器碼是一機一碼的一種加密方式，用于模型文件的加密，如果使用別的機器碼去加密或者下載以smodel為文件后綴的模型文件，開發(fā)板無法使用該模型文件。從平臺下載后得到3個smodel模型文件，將所有模型拷貝到SD卡，在編寫完main.py腳本后，重啟K210模塊會自動執(zhí)行main.py腳本，開發(fā)時通過手動執(zhí)行查看終端的運行日志，排查錯誤。

在MaixHub開放平臺上獲得人臉與口罩識別的模型后，開始編寫main.py腳本，本系統(tǒng)的人臉與口罩識別main.py腳本主要分為以下幾個過程：首先加載人臉關(guān)鍵點檢測模型、口罩識別模型、人臉特征提取模型。然后運行人臉口罩檢測模型，在圖片中找到人臉位置并框出人臉，將裁出的人臉圖片轉(zhuǎn)換成KPU接收的格式。接著運行人臉5點關(guān)鍵點模型，獲取到左眼、右眼、鼻子、左嘴角和右嘴角的位置，并對原始圖片人臉圖片進行仿射變換，變換為正臉圖像，將正臉圖像轉(zhuǎn)為KPU格式。最后使用人臉196維特征值模型計算正臉圖片的196維特征值，計算得到最終的人臉特征Feature，將得到的人臉特征與之前保存過的人臉特征進行對比得到一組分數(shù)，選擇其中最大的一個分數(shù)，且該分數(shù)超過75分就認為識別出該人，并根據(jù)對應(yīng)下標(biāo)從Names列表中得到該人的姓名，整個人臉與口罩識別的模型創(chuàng)建與部署流程結(jié)束[6]。

1.3.3 非接觸式測溫程序設(shè)計

整個測溫程序主要分為讀取數(shù)據(jù)與根據(jù)讀取的溫度數(shù)據(jù)進行轉(zhuǎn)換2部分。

1）溫度數(shù)據(jù)讀取。在讀取溫度數(shù)據(jù)時，需要定義一個用于讀取溫度傳感器數(shù)據(jù)的函數(shù)TN901_ReadData，這個函數(shù)主要通過連續(xù)讀取傳感器的數(shù)據(jù)，并檢查數(shù)據(jù)的有效性，從而得到目標(biāo)溫度和環(huán)境溫度。通過自定義函數(shù)Set901A、Reset901A、Read901C和Read901D等，來進行溫度數(shù)據(jù)的讀取。讀取數(shù)據(jù)的程序大致流程如下：通過Set901A啟動TN901A模塊，通過Reset901A啟動連續(xù)測溫功能。等待一段時間后，連續(xù)讀取5個字節(jié)的數(shù)據(jù)，每字節(jié)8位，一共讀取40位數(shù)據(jù)，并檢查讀取的數(shù)據(jù)是否有效。在檢查時，首先檢查第一個字節(jié)是否為0x4c或0x66，以及第五個字節(jié)是否為0x0D，如果滿足這2個條件，那么接下來的3個字節(jié)數(shù)據(jù)和第四個字節(jié)數(shù)據(jù)的總和應(yīng)該相等。如果滿足這些條件，說明讀取的數(shù)據(jù)是有效的。然后根據(jù)第一個字節(jié)的值，判斷是目標(biāo)溫度還是環(huán)境溫度，如果是目標(biāo)溫度，則將數(shù)據(jù)存入Temp.target_temp數(shù)組，并增加目標(biāo)溫度讀取次數(shù)，如果是環(huán)境溫度，則將數(shù)據(jù)存入Temp.environment_temp數(shù)組，并增加環(huán)境溫度讀取次數(shù)，延遲一段時間后，再次進行上述操作。在函數(shù)結(jié)束時，再次調(diào)用Set901A，結(jié)束本次數(shù)據(jù)讀取過程[7]。

2）溫度數(shù)據(jù)轉(zhuǎn)換。溫度數(shù)據(jù)轉(zhuǎn)換需要使用處理TN901溫度傳感器數(shù)據(jù)的函數(shù)TN901_Temp，這個函數(shù)將接收到的有效數(shù)據(jù)計算為實際溫度，并根據(jù)溫度值執(zhí)行相應(yīng)的操作。程序中的變量temp、tf_low、tf_high、tbody和tf都是用于計算和存儲溫度數(shù)據(jù)的。函數(shù)的主要流程如下：首先，TN901_Temp函數(shù)檢查flag的值，如果為target，則表示需要處理目標(biāo)溫度數(shù)據(jù)，接著在目標(biāo)溫度的處理中，TN901_Temp函數(shù)首先將接收到的2個字節(jié)數(shù)據(jù)組合成一個16位整數(shù)temp，然后將其轉(zhuǎn)換為浮點數(shù)，并減去273.15f，得到實際溫度值Temp.target。接下來，TN901_Temp函數(shù)使用不同的公式計算出tf_low和tf_high的值，這2個值用于確定溫度范圍，并根據(jù)溫度值Temp.target與tf_low和tf_high的比較，TN901_Temp函數(shù)計算出tbody的值。如果tbody的值在34.0f到37.0f之間，TN901_Temp函數(shù)將實際溫度轉(zhuǎn)換為字符串格式，并在OLED屏幕上顯示出來。同時，設(shè)置test_flag的值為4，表示需要打開門。如果溫度值低于tf_low，則顯示“too far”;如果溫度值高于37.0f且低于43.0f，則顯示“Over”;然后設(shè)置相應(yīng)的標(biāo)志和進行延遲操作。如果flag的值不為target，則表示處理環(huán)境溫度數(shù)據(jù)。TN901_Temp函數(shù)同樣將接收到的2個字節(jié)數(shù)據(jù)組合成整數(shù)，并轉(zhuǎn)換為浮點數(shù)，然后減去273.15f得到實際溫度值tf，并根據(jù)溫度值tf的大小，函數(shù)計算出tf_low和tf_high的值，整個數(shù)據(jù)轉(zhuǎn)換流程結(jié)束[8]。

2 系統(tǒng)測試

2.1 實驗測試設(shè)計

系統(tǒng)在測試時，應(yīng)該從以下幾個方面進行測試。①人臉識別準確性測試：召集多位測試人員，從不同圖像中測試人臉與口罩識別的準確性。②溫度測量準確性測試：已知測量物體的實際溫度，用測量值與實際值測試物體溫度的準確性。③系統(tǒng)響應(yīng)時間測試：測試人員從人臉識別開始到溫度測量結(jié)束，所需要的單次測量的時間。④環(huán)境適應(yīng)性測試：在不同的光照條件下，測試人臉識別和溫度測量的準確性。⑤系統(tǒng)穩(wěn)定性測試：系統(tǒng)長時間運行，觀察是否出現(xiàn)異?；蚬收?。

2.2 測試數(shù)據(jù)

測試數(shù)據(jù)見表1—5。

2.3 實驗結(jié)論

對表中的測試數(shù)據(jù)進行分析后，得出以下結(jié)論。①系統(tǒng)能夠準確多次識別不同的人臉、口罩，識別的準確率較高，人臉識別算法表現(xiàn)良好。②系統(tǒng)能夠準確測量物體的溫度。測量誤差較小，紅外測溫傳感器性能穩(wěn)定。③系統(tǒng)能夠快速響應(yīng)人臉口罩識別和溫度測量操作，總響應(yīng)時間較短，響應(yīng)速度較快。④系統(tǒng)能夠保持較高的識別準確率和溫度測量誤差較小，環(huán)境適應(yīng)性良好。⑤系統(tǒng)在長時間運行過程中沒有出現(xiàn)異常或故障，穩(wěn)定性較好。通過以上多方面的測試實驗，可以全面評估基于STM32與K210的人臉識別非接觸式測溫系統(tǒng)的性能和可靠性，為產(chǎn)品的進一步優(yōu)化和改進提供依據(jù)。

3 結(jié)束語

本文介紹了一種基于STM32與K210的人臉口罩識別非接觸式測溫系統(tǒng)。該系統(tǒng)利用STM32微控制器和K210開發(fā)板，結(jié)合紅外測溫技術(shù)和深度學(xué)習(xí)算法，實現(xiàn)了人臉識別和溫度測量的功能。通過硬件和軟件的優(yōu)化設(shè)計，該系統(tǒng)具有較高的準確性和穩(wěn)定性，能夠廣泛應(yīng)用于人臉識別和溫度測量領(lǐng)域。同時詳細介紹了系統(tǒng)的設(shè)計原理、硬件架構(gòu)、軟件實現(xiàn)和測試結(jié)果，為相關(guān)領(lǐng)域的研究和實踐提供參考。該系統(tǒng)的設(shè)計理念和技術(shù)應(yīng)用，對人臉識別和溫度測量領(lǐng)域的發(fā)展具有重要意義。

參考文獻：

[1] 何潤韜.基于K210的口罩人臉檢測與測溫系統(tǒng)設(shè)計[J].中國科技信息，2023（11）：74-76，79.

[2] 覃雪婷，黃梅春，林雪瓊，等.基于STM32的紅外防疫測溫系統(tǒng)設(shè)計[J].電子制作，2023，31（18）：51-54.

[3] 王孟強.基于人臉識別的紅外測溫系統(tǒng)實現(xiàn)[D].北京：北京交通大學(xué)，2022.

[4] 齊曼，胡乃瑞，安天洋，等.基于STM32的口罩識別及無接觸測溫系統(tǒng)的實現(xiàn)[J].工業(yè)控制計算機，2022，35（3）：128-130.

[5] 胡徐勝，陶彬彬，曾勝.基于STM32的測溫與身份識別系統(tǒng)設(shè)計[J].天津理工大學(xué)學(xué)報，2021，37（4）：36-39.

[6] 丁一峰，李永鋮，尹宏釗，等.基于STM32的智能身份識別與紅外防疫測溫系統(tǒng)[J].現(xiàn)代信息科技，2022，6（10）：57-60.

[7] 譚儉輝.基于K210人臉身份識別與測溫系統(tǒng)設(shè)計[D].廣州：廣東工業(yè)大學(xué)，2021.

[8] 周惠，劉洋，朱秀委，等.基于紅外傳感與圖像處理的無線通道測溫系統(tǒng)的設(shè)計[J].醫(yī)療裝備，2022，35（23）：38-42，45.

作者簡介：張志成（1994-），男，工學(xué)碩士，助教。研究方向為物聯(lián)網(wǎng)、人工智能。