基于OpenCV的人脸识别测温系统设计

随着社会老龄化的加剧和医疗资源分布不均问题的凸显，非接触式智能健康监测技术的需求日益增长。本文设计并实现了一种基于OpenCV的人脸识别与红外测温系统，通过融合传统图像处理技术与深度学习算法，实现了实时人脸检测、身份识别及体温监测功能。系统采用模块化设计，支持跨平台部署，在低功耗嵌入式设备上运行，实测人脸识别准确率达95%，体温检测误差小于±0.3℃，可为医疗监护、公共场所健康筛查等场景提供高效解决方案。

一、引言

随着社会的进步发展，外出务工人员越来越多，同时社会老龄 化程度也在日益加剧，这导致空巢老人的数量也随着增加。对这些老龄人口，尤其是有着慢 性疾病的老年群体来说，日常生活变得困难，身心健康也得不到有效保护，能够建立有效的 护理保障制度和健康监测体制就显得尤为重要了[1-3]。但目前从医疗护理所覆盖范围以及从事专职医疗的人员数量来看，不只是在国内即使是国外也都是不能满足人口老龄化所产生的需求的，所以就有必要考虑实现一种能够实时监测老年人健康状态的监测系统，一种成本低廉而且可靠性高有效性好的健康监测体制。监护系统可以利用传感器设备采集人脸、体温等体征参数，通过智能终端实现体征信息的显示、分析与存储。实现对慢性病患者和亚健康人群的监测和健康管理，让医疗服务更加常态化，实现从“在医院 治疗”向“在家预防”的就医模式的转变。

二、设计方案

（1） 使用Haar分类器作为人脸识别器[4]

人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的特征十分丰富，如直方图特征、颜色特征、，模板特征、结构特征和Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。

本项目通过比较不同卷积网络结构，综合硬件配置和分类性能，优化网络结构，提高算法鲁棒性。基于网络的规模、深度、训练精度、收敛速度和误差反馈，以及该网络框架的硬件移植性，确定人脸识别的深度学习算法，基于Haar特征分类器与改进的卷积神经网络（CNN），实现实时人脸检测，准确率达95%。示意图如图1所示。

（2）体温监测模块

本项目采用窜口与红外测温模块进行通信，实时采集人脸温度。测温如图2所示：

回复温度计算：物温0171为16进制数字，需转化为10进制数字 4+16*7+1*256=369之后除10得当前物温为36.9度。

（3）嵌入式平台部署

本项目中，深度学习网络的训练和测试是硬件系统设计重点。鉴于硬件的运行成本、能耗和灵活性，本项目拟在PC机训练深度学习网络，在获取人脸识别的网络参数；考虑到系统效率和易用性，移植RK3399Pro开发芯片的开发环境，开发

环境选择Ubuntu20.04 和QT+opencv图像开发库，基于C++语言编写程序。在RK3399Pro开发板上成功运行系统，支持实时视频流处理与数据可视化界面如图3所示。

三、结论

（1）人脸识别模块：基于Haar特征分类器与改进的卷积神经网络（CNN），实现实时人脸检测，准确率达95%；

（2）体温监测模块：通过红外传感器与串口通信，完成非接触式体温测量，误差控制在±0.3℃以内；

（3）嵌入式平台部署：在RK3399Pro开发板上成功运行系统，支持实时视频流处理与数据可视化界面。

参考文献：

[1] Fahim M， Fatima I， Lee S Y， et al. Daily life activity tracking application for smart homes using Android smart phone[C]//2012 14th International Conference on  Advanced Communication Technology（ICACT）. PyeongChang： IEEE Press， 2012： 241-245.

[2] Baig M M， Gholamhosseini H， Connolly M J. Mobile healthcare applications：  system design review， critical issues and challenges[J]. Australasian Physical &  Engineering Sciences in Medicine， 2015， 38（1）： 23-38.

[3] Altini M， Penders J， Roebbers H. An Android-based body area network gateway for  mobile health application[C]//Wireless Health 2010. San Diego： ACM Press， 2010： 188-189.

[4] Harris M， Habetha J. The MyHeart project： a frame work for personal health care  applications[C]//Computers in Cardiology. Durham： IEEE Press， 2007： 137-140.