一種非接觸身份識(shí)別測(cè)溫系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)

楊斌 戚本正 劉璟瑤 陳濤 朱策

（南開大學(xué)濱海學(xué)院 天津市 300270）

1 引言

目前人工智能的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人臉識(shí)別是人工智能學(xué)科中發(fā)展的最為快速的一個(gè)分支之一，已有很多落成熟地應(yīng)用。本文身份識(shí)別采用Face Recognition 人臉識(shí)別框架，該框架使用C++開源庫(kù) dlib 中的深度學(xué)習(xí)模型，用Labeled Faces in the Wild 人臉數(shù)據(jù)集進(jìn)行測(cè)試，有高達(dá)99.38%的準(zhǔn)確率。對(duì)于dlib 面部識(shí)別網(wǎng)絡(luò)，輸出特征向量是128-d（即128 個(gè)實(shí)值數(shù)字的列表），用于量化面部。通過(guò)實(shí)驗(yàn)，我們找出合適的容錯(cuò)值，使得識(shí)別率得到提高。在本文中，我們對(duì)市面常見的紅外溫度傳感器、熱像傳感器進(jìn)行了實(shí)驗(yàn)測(cè)試，分別使用了MLX90614、AMG8833 傳感器。

為了穩(wěn)定測(cè)試環(huán)境，本文使用了自動(dòng)恒溫水箱裝置，通過(guò)水泵、氣孔使得液體不斷流動(dòng)，溫度均勻。同時(shí)使用物理溫度計(jì)和溫度傳感器同時(shí)測(cè)量，盡可能的保證被測(cè)對(duì)象的穩(wěn)定。針對(duì)MLX90614、AMG8833 不同傳感器進(jìn)行實(shí)驗(yàn)測(cè)量，通過(guò)最小二乘法擬合，求得擬合系數(shù)，經(jīng)驗(yàn)證在一定溫度范圍內(nèi)，測(cè)量效果頗佳。

2 系統(tǒng)方案

2.1 系統(tǒng)總體方案

該裝置基于樹莓派4BARMv7 架構(gòu)和STM32F103RET6 微控制器設(shè)計(jì)，結(jié)合MLX90614 紅外測(cè)溫傳感器模塊、MLX90640 32*24熱像模塊、AMG8833 8*8 熱像模塊、樂(lè)視體感攝像頭等構(gòu)成。使用TPS5430 電源管理芯片和XL6009DC-DC 可調(diào)電源模塊對(duì)裝置供電。無(wú)接觸測(cè)溫模塊由MLX90614、AMG8833 完成，MLX90614、AMG8833 通過(guò)I2C 協(xié)議將數(shù)據(jù)傳給核心處理器，內(nèi)部算法會(huì)對(duì)溫度信息進(jìn)行分析處理。身份識(shí)別模塊以O(shè)penCv 為基礎(chǔ)，采用Face Recognition 人臉識(shí)別框架，通過(guò)攝像頭和樹莓派完成身份識(shí)別，將溫度信息、攝像頭捕獲的視頻流以及人臉識(shí)別的結(jié)果顯示在LCD屏幕上。STM32F103RET6 將各種傳感器采集到的信息進(jìn)行匯總、分析、處理，并通過(guò)串口上傳至樹莓派。總體結(jié)構(gòu)框架圖如圖1所示。

圖1：總體結(jié)構(gòu)框架圖

2.2 傳感器模塊電路設(shè)計(jì)

2.2.1 MLX90614 模塊設(shè)計(jì)

如圖2所示，MLX90614 有很多FOV 選型標(biāo)準(zhǔn)，溫度測(cè)量范圍：-70℃-382.2℃。

圖2：MLX90614 模塊電路圖

2.2.2 AMG8833 模塊設(shè)計(jì)

如圖3所示，AMG8833 模塊是一個(gè)8*8 的紅外熱傳感器陣列，它可以從遠(yuǎn)達(dá)7m 的距離開始檢測(cè)。

圖3：AMG8833 模塊電路圖

2.3 攝像頭模塊

采用樂(lè)視體感攝像頭。該攝像頭可用在機(jī)器視覺(jué)、3D 點(diǎn)云、OpenCv 學(xué)習(xí)、ROS 機(jī)器人等方面。

2.4 處理器模塊設(shè)計(jì)

如圖4所示，采用STM32F103RET6 單片機(jī)作為次控制模塊的核心。

圖4：STM32F103RET6 電路圖

采用樹莓派4B ARMv7 為主控制模塊。對(duì)于本系統(tǒng)設(shè)計(jì)，主從處理器通過(guò)串口通信，對(duì)信息進(jìn)行匯總、分析與處理。

2.5 電源模塊設(shè)計(jì)

如圖5所示，電源選擇了TPS5430 電源管理芯片和XL6009DC-DC 可調(diào)電源模塊，STM32 及所載屏幕使用12V 2A DC電源適配器，樹莓派及其連接屏幕使用5V 3A DC 電源適配器，為電路穩(wěn)定提供電壓。

圖5：電源模塊電路圖

2.6 恒溫水池設(shè)計(jì)

如圖6所示，恒溫水池設(shè)計(jì)具有在水溫下限到水溫上限全量程內(nèi)的加熱功能，當(dāng)水溫低于水溫下限時(shí)開始加熱，水溫低于水溫上限時(shí)自動(dòng)斷電停止加熱。恒溫水池機(jī)械結(jié)構(gòu)模型圖如圖7所示。

圖6：恒溫水池電路圖

圖7：恒溫水池機(jī)械結(jié)構(gòu)模型圖

3 設(shè)計(jì)與論證

3.1 溫度測(cè)量方法理論分析及參數(shù)計(jì)算

3.1.1 紅外溫度測(cè)量方法基本分析

紅外熱電堆傳感器輸出的溫度信號(hào)經(jīng)過(guò)內(nèi)部低噪聲、低失調(diào)的運(yùn)算放大器(OPA)放大后經(jīng)過(guò)A/D 轉(zhuǎn)換器(ADC)轉(zhuǎn)換為17 位數(shù)字信號(hào)通過(guò)可編程FIR 及IIR 低通數(shù)字濾波器(即DSP)處理后輸出，輸出結(jié)果存儲(chǔ)在其內(nèi)部RAM 存儲(chǔ)單元中。

MLX90614 模塊以81101 熱電元件作為紅外感應(yīng)部分。輸出是被測(cè)物體溫度（TO）與傳感器自身溫度（Ta）共同作用的結(jié)果，理想情況下熱電元件的輸出電壓為：

Vir=A(To4-Ta4)

其中溫度單位均為 Kelvin(開爾文)，A 為元件的靈敏度常數(shù)。

計(jì)算好的溫度輸出分辨率為0.02℃，傳感器的出廠校準(zhǔn)范圍為-40 ～+125℃。在 RAM 單元地址006h 中，2DE4h 對(duì)應(yīng)-38.2℃ (線性輸出最低限度) ，4DC4h (19908d) 對(duì)應(yīng)125℃。

通過(guò)下式將RAM 內(nèi)容轉(zhuǎn)換為實(shí)際的Ta 溫度：

Ta[°K]=Tareg×0.02 ,or 0.02°K/LSB

物體溫度 To 輸出結(jié)果分辨率為 0.02℃，并存于RAM。To 的實(shí)際溫度為：

To[°K]=Toreg×0.02 ,or 0.02°K/LSB

3.1.2 紅外熱成像測(cè)量方法基本分析

紅外熱成像測(cè)溫系統(tǒng)屬于窄譜輻射成像的測(cè)量設(shè)備，可以將接收到的紅外熱輻射能量轉(zhuǎn)換為電信號(hào)，電信號(hào)經(jīng)過(guò)放大、整形、模數(shù)轉(zhuǎn)換后成為數(shù)字信號(hào)，通過(guò)圖像的形式在顯示器上顯示出來(lái)，同時(shí)對(duì)溫度值進(jìn)行計(jì)算。

AMG8833 是基于高級(jí)MEMS 技術(shù)的高精度紅外陣列傳感器，其內(nèi)部框圖如圖8所示，傳感器芯片經(jīng)過(guò)高增益放大與內(nèi)部熱敏電阻通過(guò)ADC 轉(zhuǎn)換器存儲(chǔ)到ROM 中。

圖8：AMG8833 內(nèi)部框圖

AMG8833 每個(gè)像素的觀看中央角度傳感器的光學(xué)中心間隙：在±5.6°內(nèi)（水平和垂直方向）。像素間隙排列圖如圖9所示。

圖9：像素間隙排列圖

AMG8833 通過(guò)128 個(gè)Temperature 寄存器一次性讀取64 個(gè)像素點(diǎn)的溫度，存儲(chǔ)在自定義數(shù)組中（例如a[64]），64 個(gè)溫度值中有部分受環(huán)境影響而導(dǎo)致測(cè)溫不準(zhǔn)確,由于環(huán)境的溫度低于人體溫度,故軟件設(shè)計(jì)中采取設(shè)置閾值比較算法，取64 個(gè)溫度值中最大溫度的10 個(gè)溫度取平均(如果大于44℃會(huì)被視為異常點(diǎn)舍棄),即代表了人體體溫。

3.2 最小二乘法的分析

最小二乘法是一種在誤差估計(jì)、不確定度、系統(tǒng)辨識(shí)及預(yù)測(cè)、預(yù)報(bào)等數(shù)據(jù)處理諸多學(xué)科領(lǐng)域得到廣泛應(yīng)用的數(shù)學(xué)工具，通過(guò)最小化誤差的平方和來(lái)尋找數(shù)據(jù)的最佳函數(shù)進(jìn)行匹配。

矩陣表達(dá)形式：

對(duì)于n 個(gè)樣本來(lái)說(shuō)，可以用如下線性方程組表示：

圖14、15、16 裝置測(cè)量實(shí)物圖

將上式記為矩陣形式為：

最終形式為：A·B = Y，最小二乘形式可以表示為：min||AB-Y||2，最優(yōu)解為：。

本文使用Matlab對(duì)測(cè)量數(shù)據(jù)進(jìn)行擬合，初步使用二階函數(shù)擬合，去掉一個(gè)差距最大的數(shù)據(jù)和差距最小的數(shù)據(jù)，取平均值，形成如圖10所示的關(guān)系曲線。

圖10：Matlab 關(guān)系曲線

3.3 識(shí)別方法理論分析及參數(shù)計(jì)算

3.3.1 深度學(xué)習(xí)中的人臉識(shí)別分析

進(jìn)行人臉識(shí)別是由如下步驟完成的：首先，從視頻流中截取一張包含人臉的照片；其次無(wú)論周圍光線如何，確保能夠識(shí)別出是同一個(gè)人的臉；再針對(duì)截取的人臉需要區(qū)分與其他人臉的不同之處；最后將截取的人臉與已知的人臉庫(kù)進(jìn)行比較，確定人臉的標(biāo)記。

為了得到每個(gè)人臉最獨(dú)特的數(shù)據(jù)，該算法將從圖片（圖11）中找到所有的人臉，然后捕捉并識(shí)別人臉的關(guān)鍵點(diǎn)，包括眼睛、鼻子、嘴和下巴。在對(duì)成千上萬(wàn)的人的數(shù)百萬(wàn)個(gè)圖像重復(fù)此步驟數(shù)百萬(wàn)次之后，神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了可靠地為每個(gè)人生成128 個(gè)數(shù)據(jù)值。也就是會(huì)在人臉上獲取128 個(gè)點(diǎn)的向量，比如眉毛的輪廓、鼻子的輪廓、嘴的輪廓等許多個(gè)點(diǎn)組成的線。

圖11：人臉面部特征圖

3.4 系統(tǒng)整體軟件程序設(shè)計(jì)

系統(tǒng)軟件程序設(shè)計(jì)流程圖如圖12所示。

圖12：系統(tǒng)軟件程序設(shè)計(jì)流程圖

4 硬件調(diào)試與實(shí)驗(yàn)

4.1 溫度測(cè)量

4.1.1 測(cè)量方案及測(cè)試條件

溫度測(cè)量條件如圖13。

圖13：溫度測(cè)量條件

測(cè)試方案：將MLX90614 紅外測(cè)溫傳感器模塊、紅外熱像儀AMG8833 模塊固定在STM32 板子上，攝像頭可以直射容器中的水。以測(cè)試距離為1m 的攝像頭為基準(zhǔn)，其實(shí)際長(zhǎng)度為3.8cm，在容器和攝像頭中間放一塊長(zhǎng)5cm，寬和高分別為1cm 的小木塊，則測(cè)試距離為：5-3.8=1.2cm。在此基礎(chǔ)上，每放一塊小木塊，攝像頭和容器之間的距離就增加1cm，隨之測(cè)出的數(shù)據(jù)會(huì)顯示在LCD 屏幕上，當(dāng)所測(cè)溫度超過(guò)自己設(shè)定的閾值時(shí)，就會(huì)發(fā)射出報(bào)警。每測(cè)出一組數(shù)據(jù)，就要與紅油溫度計(jì)的實(shí)際溫度進(jìn)行比對(duì)，去掉一個(gè)誤差最大和最小的數(shù)據(jù)，取平均值，最后進(jìn)行最小二乘法的擬合，用matlab繪制出來(lái)。裝置測(cè)量實(shí)物圖如圖14、圖15 和圖16所示。

4.1.2 測(cè)量結(jié)果

數(shù)據(jù)對(duì)比如下：

采用兩種不同型號(hào)的MLX90614，DCI 測(cè)距為1m 左右，BCC/DCC 測(cè)距為10cm 左右。如表1 和表2所示。

表1：數(shù)據(jù)結(jié)果一

表2：數(shù)據(jù)結(jié)果二

Matlab 圖像如圖17所示。

圖17：溫度曲線擬合

4.1.3 測(cè)量結(jié)果分析

經(jīng)測(cè)量，可以得出，不同類型的紅外傳感器對(duì)溫度的誤差測(cè)量不一樣，DCI 的誤差大約在0.8℃，BCC/DCC 的誤差大約1.3℃，幾乎與紅油溫度計(jì)測(cè)量的實(shí)際溫度相同。此裝置能夠基本實(shí)現(xiàn)無(wú)接觸測(cè)溫功能。

4.2 身份識(shí)別檢測(cè)

4.2.1 測(cè)量方案

首先進(jìn)行信息采集，其次進(jìn)行人臉檢測(cè)，識(shí)別臉部特征，保存面部的128 維面部編碼，最后顯示基本信息。如圖18所示。

圖18：128 維面部編碼

4.2.2 識(shí)別結(jié)果

如圖19所示。

圖19：人臉識(shí)別結(jié)果