范書鋒 吳宇環(huán) 譚永輝 閆云熙 謝慷慷

（黃河科技學(xué)院，河南 鄭州 450000）

0 引言

學(xué)校實(shí)驗(yàn)室對(duì)學(xué)生自由開放后，采用紙質(zhì)方式進(jìn)行出入信息記錄，管理工作較煩瑣，出錯(cuò)率較高，因此，對(duì)學(xué)生自主進(jìn)出實(shí)驗(yàn)室采用智能化管理十分有必要[1]。且在當(dāng)今新冠肺炎疫情形勢(shì)下，本系統(tǒng)加入了口罩檢測(cè)功能，即可無人值班也能規(guī)范進(jìn)出者的一些行為。

1 系統(tǒng)硬件設(shè)計(jì)

1.1 系統(tǒng)總體設(shè)計(jì)

本系統(tǒng)包括兩大部分，分別是STC51控制端和Python核心端。STC51硬件模塊主要通過內(nèi)部接入的定時(shí)程序進(jìn)行測(cè)距命令驅(qū)動(dòng)超聲波模塊進(jìn)行測(cè)距，并將STC51通過UART與上位機(jī)連接，實(shí)現(xiàn)Python與STC51的信息交互[2]。Python核心系統(tǒng)通過檢測(cè)來自單片機(jī)的信號(hào)，識(shí)別是否為驅(qū)動(dòng)OpenCV的指令，當(dāng)OpenCV開啟攝像頭則立即進(jìn)行口罩檢測(cè)與人臉識(shí)別功能，并通過GUI界面顯示出來，最終系統(tǒng)根據(jù)識(shí)別結(jié)果判別是否向單片機(jī)下達(dá)電機(jī)驅(qū)動(dòng)指令?？傮w結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)總體設(shè)計(jì)框圖

1.2 STC51輔助系統(tǒng)

STC51輔助系統(tǒng)主要包括超聲波測(cè)距模塊、步進(jìn)機(jī)驅(qū)動(dòng)模塊和蜂鳴器提示模塊。

超聲波測(cè)距采用HY-SRF05型號(hào)，此模塊可向外界發(fā)送一定頻率的聲波，且其精確測(cè)量2～450 cm傳感距離，精度可達(dá)3 mm。當(dāng)檢測(cè)到前方有遮擋物時(shí)，聲波就會(huì)被反射回來，被模塊接受后，開始計(jì)時(shí)，記錄高電平時(shí)間，由時(shí)間數(shù)據(jù)可計(jì)算出距離[3]。

步進(jìn)機(jī)驅(qū)動(dòng)模塊采用28BYJ-48的型號(hào)，其是4相永磁式減速步進(jìn)電機(jī)，采用的轉(zhuǎn)動(dòng)方式是八拍模式，而齒輪內(nèi)部有8個(gè)定子，每8個(gè)節(jié)拍為一循環(huán)，轉(zhuǎn)子一圈需要64節(jié)拍，由齒輪的減速比1∶64可得，每64節(jié)拍轉(zhuǎn)動(dòng)5.625°，通過計(jì)算算出90°需要1 024節(jié)拍，在程序中設(shè)置轉(zhuǎn)動(dòng)的正反方向，每個(gè)方向都轉(zhuǎn)動(dòng)1 024節(jié)拍，并設(shè)置標(biāo)志位和延時(shí)[4]，一旦轉(zhuǎn)動(dòng)90°時(shí)就會(huì)停止轉(zhuǎn)動(dòng)，一段時(shí)間后進(jìn)行反轉(zhuǎn)，以此達(dá)到門禁作用[5]。

蜂鳴器提示模塊采用無源蜂鳴器，單片機(jī)加以0.5～4.5 kHz的頻率可驅(qū)動(dòng)內(nèi)部蜂鳴器發(fā)出特定音頻，即只要對(duì)蜂鳴器設(shè)置一定的工作頻率，讓蜂鳴器以設(shè)定的頻率工作，就會(huì)發(fā)出特定的提示音。

1.3 Python控制系統(tǒng)

Python控制系統(tǒng)主要包括基于pySerial與單片機(jī)進(jìn)行串口通信的模塊、基于OpenCV的攝像頭觸發(fā)和人臉標(biāo)識(shí)、基于CNN的口罩檢測(cè)和人臉識(shí)別。其Python控制系統(tǒng)流程圖如圖2所示。

當(dāng)單片機(jī)測(cè)距成功后，單片機(jī)通過UART串口把數(shù)據(jù)通過pySerial告知Python，使之調(diào)用openCV打開攝像頭進(jìn)行人臉標(biāo)識(shí)，人臉標(biāo)記成功之后再通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行口罩檢測(cè)和人臉識(shí)別[6]，最后把識(shí)別的結(jié)果與MySQL中的數(shù)據(jù)進(jìn)行比對(duì)，然后通過PYQT界面展示出來，最后也可以把人員識(shí)別的信息記錄在數(shù)據(jù)庫，方便管理員查詢。

2 系統(tǒng)軟件設(shè)計(jì)

2.1 基于OpenCV的人臉檢測(cè)和圖像處理

為提高系統(tǒng)的可靠性，應(yīng)首先進(jìn)行圖像預(yù)處理，這里使用OpenCV中自帶的基于Haar特征的級(jí)聯(lián)分類器進(jìn)行面部檢測(cè)[7]。其庫具有級(jí)聯(lián)人臉分類器，庫中包含人臉識(shí)別模塊。僅通過加載級(jí)聯(lián)文檔，即可檢測(cè)動(dòng)態(tài)或靜態(tài)圖像中的面部。文檔格式為XML，文件名為haarcascade_frontalface_default.xml。首先，根據(jù)攝像機(jī)代碼從計(jì)算機(jī)攝像機(jī)調(diào)用VideoCapture函數(shù)，然后使用cap.read（）方法在攝像機(jī)中讀取圖像。之后，使用captureFrame（）函數(shù)從輸入圖像中檢索邊框，并檢索框架，并使用detectMultiScale（）函數(shù)完成人臉識(shí)別。Python控制系統(tǒng)如圖2所示。

圖2 Python控制系統(tǒng)

2.2 口罩檢測(cè)和人臉識(shí)別

通過構(gòu)建TensorFlow+Keras+OpenCV的模型來進(jìn)行口罩檢測(cè)，此模型的數(shù)據(jù)集來源于網(wǎng)絡(luò)，包括2000幅戴口罩圖片，580幅無口罩的人臉。然后將這些圖像鏈接于用TensorFlow框架構(gòu)成的CNN模型，最后通過系統(tǒng)的攝像頭來檢測(cè)人們是否佩戴口罩。首先，對(duì)上述的兩類圖像進(jìn)行是否戴口罩的分類，然后通過旋轉(zhuǎn)、拉伸等辦法改變圖像，使數(shù)據(jù)增強(qiáng)；之后再將增強(qiáng)后的數(shù)據(jù)分為訓(xùn)練集和檢驗(yàn)集[8]，通過CNN建立模型，再對(duì)模型進(jìn)行預(yù)訓(xùn)練和訓(xùn)練，之后導(dǎo)入檢測(cè)程序，最后把是否檢測(cè)到口罩的信息通過GUI界面顯示出來[9]。

人臉識(shí)別通過CNN實(shí)現(xiàn)。CNN由卷積層、池化層、連接層組成。通過卷積層對(duì)由OpenCV檢測(cè)后的圖像進(jìn)行特征提取，小部分的層進(jìn)行邊緣、線等低級(jí)特征提取，更多的層迭代此低級(jí)特征以提取更復(fù)雜的特征。后用池化層對(duì)卷積層訓(xùn)練的特征圖進(jìn)行二次采樣。最后，形成卷積層+合并層的復(fù)合層，應(yīng)用于模型任務(wù)。同時(shí)，將所有特征圖重新形成為1×N矢量，然后連接復(fù)合層進(jìn)行模型訓(xùn)練[10]，之后導(dǎo)入識(shí)別程序可完成。

2.3 人機(jī)交互界面設(shè)計(jì)

為提高用戶體驗(yàn)，本系統(tǒng)設(shè)計(jì)了一套GUI界面。其可分為識(shí)別界面和管理界面（如圖3所示）。用戶可在識(shí)別界面內(nèi)看到自己的基本信息及出入時(shí)間，也用于未戴口罩提醒及戴口罩顯示的功能。管理員可進(jìn)入管理界面，進(jìn)行人臉信息注冊(cè)、模型訓(xùn)練、刪改學(xué)生信息等操作[11]。

圖3 GUI界面流程圖

2.4 基于多線程實(shí)現(xiàn)自動(dòng)識(shí)別

本系統(tǒng)采用PyQT5的QThread來實(shí)現(xiàn)自動(dòng)檢測(cè)與識(shí)別，其流程圖如圖4所示。主線程顯示主界面，線程1負(fù)責(zé)與單片機(jī)進(jìn)行通信檢測(cè)是否有人到來。檢測(cè)到人到來時(shí)，線程2在識(shí)別界面上更新相機(jī)捕捉的人臉，根據(jù)余暉效應(yīng)實(shí)現(xiàn)人臉的動(dòng)態(tài)顯示。延遲幾秒后，通過線程3進(jìn)行口罩檢測(cè)。檢測(cè)后，通過線程4進(jìn)行人臉識(shí)別。人臉識(shí)別成功后，通過線程5與單片機(jī)進(jìn)行通信，打開門禁。

圖4 線程流程圖

3 系統(tǒng)測(cè)試與分析

本系統(tǒng)選定在白天的室外環(huán)境下，以20名學(xué)生為對(duì)象進(jìn)行了人臉識(shí)別的測(cè)試，根據(jù)光照強(qiáng)弱及超聲波檢測(cè)距離的不同而得到不同的結(jié)果，所形成的數(shù)據(jù)見表1和表2。由表中數(shù)據(jù)可以看出，當(dāng)人員檢測(cè)距離攝像頭為20～60cm時(shí)，人臉識(shí)別成功率為97%，口罩檢測(cè)成功率為100%；經(jīng)過對(duì)系統(tǒng)測(cè)試的數(shù)據(jù)分析，發(fā)現(xiàn)在距離攝像頭50 cm進(jìn)行對(duì)象檢測(cè)的時(shí)候，誤別率和誤報(bào)率均在2%，人臉識(shí)別成功率為98%，識(shí)別時(shí)間2 s，效果最佳。

表1 口罩檢測(cè)結(jié)果

表2 人臉識(shí)別結(jié)果

4 結(jié)語

本文采用人臉識(shí)別技術(shù)對(duì)高校實(shí)驗(yàn)室進(jìn)行信息化管理，對(duì)于在系統(tǒng)注冊(cè)過的人員經(jīng)人臉識(shí)別通過后可進(jìn)入實(shí)驗(yàn)室，并記錄人員信息，同時(shí)也便于管理人員統(tǒng)計(jì)進(jìn)出者信息。此外，在新冠肺炎疫情防控的形式下，系統(tǒng)還具有檢測(cè)佩戴口罩的功能，提高了實(shí)驗(yàn)室使用的安全性。在此基礎(chǔ)上，系統(tǒng)優(yōu)化了人臉識(shí)別算法，使誤識(shí)率和誤報(bào)率進(jìn)一步減??；另外對(duì)于人員進(jìn)出情況的信息，可將其導(dǎo)出到數(shù)據(jù)庫，方便管理員實(shí)時(shí)隨地查看數(shù)據(jù)。