非接触式红外温度检测的防疫系统设计与实现

本系统以STM32F103ZET6为核心,结合红外温度检测、人脸识别、口罩检测、语音系统、门禁控制等构建非接触式红外温度检测的防疫系统。该系统采用MLX9014对人体进行非接触式温度检测,采用OpenMV视觉模块结合LBP算法和Edge Impulse网站实现人脸身份识别和口罩检测,检测的信息在LCD液晶显示屏上实时显示。该系统配备人体感应灯,在夜间也不受影响,可以更好地工作。若检测的身份信息符合设定的条件,门禁自动打开,反之则进行信息记录,并通过报警提醒呼叫工作人员。该系统实现了非接触式一体化的疫情检测与防控功能,降低了人员之间的接触传播风险,减少防疫人员以及门卫的工作负担,在一定程度上提高了防疫工作的安全性。     

基于YOLOv5的疫情防控口罩佩戴检测系统设计与实现

面对当前疫情防控的实际需求,自动化检测可以减少管理人员与他人接触感染的风险且能使疫情防控管理更加高效。针对人脸佩戴口罩识别问题,利用深度学习的神经网络自动提取目标特征的优点,将获取的数据集通过LabelImg标注软件进行标注,使用YOLOv5目标检测算法训练网络模型,实现对佩戴口罩和未佩戴口罩的检测;通过PyQt5设计并实现了疫情防控口罩佩戴检测系统,提高了疫情防控效率。     

基于Jetson Nano的人脸口罩识别系统设计

人脸和口罩识别在许多现代应用中有广泛需求,包括安全检查、身份认证以及工业安全等方面。探讨了基于Jetson Nano的人脸口罩识别系统,旨在实现对个体是否佩戴口罩的准确判断。该系统使用先进的人脸识别算法来定位图像中的人脸区域,然后应用深度学习模型对人脸区域进行口罩检测。所有的数据处理和模型推理均在Jetson Nano上实现,从而使系统具有较高的运行效率和可移植性。在多个不同环境和视角下进行测试,结果显示该系统在各种复杂条件下都展示出较高的识别准确率,并能处理高达30帧/s的实时图像。不仅证明了Jetson Nano在图像识别和实时数据处理方面的高性能,还为开发多种人脸识别应用提供了有力的技术支持。     

智能人脸口罩识别系统设计

本文针对公共场所人群口罩佩戴情况的监测需求,设计并实现了一种基于PyramidBox的人脸口罩佩戴识别系统。该系统能够在复杂背景和光照条件下准确地检测出人脸区域,并判断人脸是否佩戴了口罩,并对未佩戴者进行实时提示。PyramidBox算法是一种用于人脸检测的单阶段算法,本文增加了一个二分类器来判断人脸是否佩戴口罩,并结合颜色检测和肤色提取技术来提高识别准确率。最后,本文在WIDER FACE数据集、MAFA数据集和自采集数据集上进行了大量实验,并与其他主流人脸检测算法进行了定量和定性分析,结果表明本文提出的系统设计在准确率、鲁棒性、速度等方面均具有优势,适用于机场、火车站、学校等公共场所,可以有效地提高安全管理水平。     

基于改进YOLOv5的防疫巡检机器人设计与实现

针对新型冠状病毒肺炎疫情防控中部分民众未佩戴口罩，且监控人员执行检查任务重、易交叉感染等问题，基于北斗定位技术和改进的YOLOv5目标检测算法，设计并提出了一款智能口罩识别巡检的防疫机器人，同时搭建了相应管理系统平台，实现了对过往行人口罩佩戴情况自动实时监测及数据管理，从而有助于阻断新冠疫情传播，在一定程度上提高疫情防控力度和管理人员的监督效率。     

嵌入式口罩佩戴检测系统研究与实现

常态化疫情防控形势下,公共场合佩戴口罩可以有效降低交叉感染风险,针对口罩佩戴检测中的小目标检测困难以及实时性较差的问题,提出了基于嵌入式平台Jetson nano的口罩佩戴检测系统,通过增加YOLOv3-tiny的主干网络层深度,引入注意力机制以及TensorRT模块,提升了嵌入式系统口罩佩戴检测任务的精度和实时性,改进后的YOLOv3-tiny算法mAP值达到了87.5％,FPS为20.4,相较于改进前精度提升12.3％,帧率提升10.4 fps.     

基于51单片机向智能分拣搬送系统设计

本系统设计了一款基于51单片机控制系统的智能分拣搬送装置,通过传感器实现了对特定目标颜色、温度信息的采集,主控单片机通过循环检测的方式得到物体的RGB饱和度,实现了智能识别;通过4组直流减速电机驱动推杆摆臂完成横向/纵向运动,实现了智能搬运;利用显示模块实现实时显示及监控功能.本设计新颖、精准度高、成本低,具有较强的实用性.经反复测试,该系统分拣准确率达到99％.     

基于YOLO-Mask算法的口罩佩戴检测方法

常态化疫情防控形势下,通过口罩佩戴检测可以及时提醒人们正确佩戴口罩,从而降低公共场合人员交叉感染的风险.针对口罩佩戴检测任务中被遮挡目标和小目标检测困难的问题,提出一种YOLO-Mask算法.该算法以YOLOv3为基础,在特征提取网络中引入注意力机制,以提升模型对显著特征的表达能力;然后使用特征金字塔和路径聚合策略进行...     

基于YOLOv5与目标追踪算法的戴口罩人脸识别系统

针对后疫情时代人脸识别系统无法在佩戴口罩的情况下准确识别人脸的问题,基于OpenCV库和Dilb库架构系统,引入YOLOv5目标检测算法替代Dlib原有的人脸目标区域检测算法。通过检测算法获取一系列目标特征值的坐标位置后,采用CentriodTracking目标追踪算法来处理这些特征,从而实现对佩戴口罩人脸图像的快速识别,系统同时实现了用户注册、数据录入、信息管理和日志等功能。     

基于STC单片机智能探测机器车的设计

介绍一种智能探测机器车,该车由智能探测系统和数据接收系统两部分组成。探测系统分为核心板和任务板,核心板采用STC单片机IAP15F2K61S2为控制单元,完成循迹、定位、码盘测速、360度转身,采用蓝牙模块实现与接收系统无线通信;任务板由温度和湿度传感器、超声波传感器、颜色传感器构成,完成测距、温度检测、湿度检测和颜色识别。接收系统同样以IAP15F2K61S2为核心,由蓝牙模块、12864液晶显示模块、语音播报部分组成,完成无线数据的接收、数据的实时显示、同步语音播报的功能。     

基于深度学习的口罩佩戴识别技术研究

在公共场所佩戴口罩,是防止新型冠状病毒传染的最主要手段,在必要的场所,每个人都必须佩戴口罩以进行自我保护。在人群相对集中的公共场所,相互之间不可避免地存在遮挡干扰,从而产生了小范围内的复杂干扰识别问题。如果使用单一的卷积神经网络对口罩佩戴进行识别,有可能造成提取关键特征信息时聚焦度欠缺,出现特征提取不足等问题。因此本文提出一种两渠道卷积神经网络的佩戴口罩识别方法。在卷积神经网络的基础上,通过2个输入渠道,分别对眼睛区域和眼睛以下的区域,进行特征提取;最后通过基于决策层的信息融合方法,将2个渠道的识别结果加以融合,从而得到最终的识别结果,其平均识别准确率达到了98.8%。经过实验验证,该方法在佩戴口罩的识别上,取得了较好的识别准确率。     

基于YOLOv5网络模型的人员口罩佩戴实时检测

近年来,随着硬件算力的提升和人工智能算法的创新发展,使得深度学习算法在目标检测方面有着广泛的应用。针对现有人工方式查看人员口罩佩戴情况的不足,提出了一种基于深度学习YOLOv5算法实现对口罩佩戴情况的实时检测。算法首先将数据集进行归一化处理,再将数据接入YOLOv5网络进行迭代训练,并将最优权重数据保存用作测试集测试,算法通过tensorboard可视化显示训练和测试结果。实验结果表明,所提算法检测的准确性高,实时性强,满足实际使用需求。     

实时人脸识别系统研究

为研究一种人脸识别的实时检测系统,本文设计了由视频实时采集/预处理模块、数据库管理模块、人脸识别模块和识别信息输出模块组成的识别系统框架。首先利用摄像头采集人脸信息,并通过微软数据库软件SQL储存人脸身份信息,再用MATLAB软件建立GUI人机交互界面,使用经典的主成分分析法PCA提取视频图像中数据的主要特征分量。在MATLAB GUI编辑界面中,通过数据库的链接访问,识别数据库中人物身份信息的操作。通过matlab软件中GUI,建立了人机交互界面,利用SQL Server成功存储录入人脸身份信息,并与人脸录入信息程序实现连接。在MATLAB脚本中对SQL Server实现了已储存人脸信息的查找、读取,录入,删除操作。本系统人脸实时识别率达到90.32%,达到人了脸实时识别效果。     

基于颜色识别的食堂结算系统的设计

本文完成了基于颜色识别的食堂结算系统的设计,在食堂购餐时能通过识别餐盘的颜色实现智能化自助结算.该系统由微控制器模块、红外检测模块、颜色识别模块、显示模块、系统电源模块构成.当餐盘放入结算区域时,红外检测传感器向微处理器发出启动信号,系统通过识别餐盘的颜色来统计不同菜品的种类和数量,然后根据对应的单价计算用餐者应支付的总价,并通过液晶屏显示出来,从而完成自助结算.该系统通过了自助结算测试,对实现食堂现代化、科学化管理具有一定的参考价值.     

基于MPS430的多通道温度测试系统设计与研究

研究了一种基于MSP430的多通道温度测试系统。该测试系统能够测量、存储被测物体上36个被测点的温度变化情况,并通过无线实时发送数据,最后实时显示存储温度变化曲线。设计多通道温度测试系统主要解决的问题有:对数据进行编码,保证了数据的可靠性;采用分时传输数据,保证了数据传输的准确性;采用两片FLASH交替存储,保证了数据存储的连续性及准确性;实现数据的解码与错误数据检测;实现USB接口的数据实时传输及回读温度测试系统的数据。     

基于Blackfin的多点触摸传感系统设计

提出了一种近距离的多点位置检测的设计方法,采用基于ADI公司的电容数字转换(CDC)芯片ADUX1050和数字信号处理器Blackfin为核心的测量系统.该系统主要由电容采集模块、I2C通信模块、DSP处理器、USB通信模块、WinForm显示模块等组成.系统依据电容感应原理,测量三块电容极板之间的电容值的变化量,换算出被测物体在平面上的位置,并且通过WinForm编写的上位机软件(GUI)显示被测物体所在位置.该系统主要应用于定位精确度要求不高的大尺寸触摸面板,实现实时触摸定位.     

基于嵌入式视频流的口罩佩戴检测仪

针对现有口罩检测系统存在的不够全面等识别问题,设计的检测仪基于嵌入式平台,并在此基础上搭载卷积神经网络,具有良好的便携性和可拓展性,同时运用深度学习技术,识别准确度高,识别速度快。系统在对人是否佩戴口罩进行识别时,可以第一时间将识别结果反馈出来,并弥补了现有系统存在的识别度不高的问题,具有较好的可实施性。     

基于手机热点传输的微型光谱仪系统研究

为满足光谱探测系统微型化及实时现场检测需求,研制了一种基于手机热点传输和Android平台的微型光谱仪系统.系统通过光谱仪端对被测物体的光谱信号进行采集,并利用CCD探测器记录光谱图像,光谱仪端的Open WRT模块作为无线终端连接热点手机,将光谱图像传到手机端,通过Android平台实现光谱图像的处理与图形化显示.测...     

基于新型BIST的LUT测试方法研究

针对FPGA内部的LUT资源覆盖测试,提出一种新型BIST的测试方法。通过改进的LFSR实现了全地址的伪随机向量输入,利用构造的黄金模块电路与被测模块进行输出比较,实现对被测模块功能的快速测试,并在Vivado 2018.3中完成了仿真测试。通过ATE测试平台,加载设计的BIST测试向量,验证结果与仿真完全一致,仅2次配置即可实现LUT的100%覆盖率测试。此外,还构建了LUT故障注入模拟电路,人为控制被测模块的输入故障,通过新型BIST的测试方法有效诊断出被测模块功能异常,实现了准确识别。以上结果表明,该方法不仅降低了测试配置次数,而且能够准确识别LUT功能故障,适用于大规模量产测试。     

基于尾焰光谱分布特性分析的高速目标识别系统

为了实现对高速运动目标的快速识别,设计了一种基于尾焰光谱分布特征分析的识别系统。系统由跟踪成像模块和光谱分析模块组成,跟踪成像模块用于对准目标,光谱分析模块用于目标识别。在此基础上,研究了基于多特征波段峰均值与谷均值比例的区分因子识别算法。该算法设置了有效区分区间,并通过区分因子比例关系实现高速目标的识别。分析了目标高速运动对光谱获取的影响,给出了决定光谱偏移量大小的径向和切向速度的函数关系。实验采用少量火箭弹燃烧部作为被测目标,在距探测系统0.5 km、1.0 km、2.0 km以及4.0 km处分别以10.0 m/s~100.0 m/s的速度进行光谱探测实验。实验结果显示,对于不同速度的被测目标而言,在相等的采样周期内系统检测的光谱分布产生了明显的光谱偏移,但其光谱分布形态基本一致;对于不同测试距离而言,距离越远能量衰减越强,虽然光谱整体振幅差异很大,但光谱形态无明显变化。通过计算相应波段上峰均值和谷均值的区分因子与区分区间的包含关系,完成了对被测目标的有效识别。