论文总字数：29428字

摘 要

由于中国仍然是新型冠状病毒流行疫情危害最严重的国家，存在许多技术上的短板亟需加强,机器人视觉可以为疫情的防控起到一个重要作用。本文研究目的主要在于深入地探究利用机器视觉为新型冠状病毒肺炎(2019- NCOV)的疫情防控过程中的实际应用现象和场景，为运用机器视觉对新型冠状病毒肺炎疫情的防控提供帮助。

机器视觉是模式识别研究的重要方面。机器人工视觉的前沿技术主题有:实时图像的多种并行和处理,实时图像的数字化和压缩，传输和还原,三维场景的建模和辨认，动态和时变视觉等。机器人视觉系统的设计旨在增强其生产的灵活性及其自动化。在某些不太适合于手动操纵的危险施工情况下的环境中,或者是人类视觉很难能够完全满足要求的应用场所,通常会选择利用人工智能视觉的来替代。与此同时，在进行大规模的工业生产中，人眼检验所得到的产品质量也会出现低效、不准确。使用先进的工业机器视觉检测手段,可以大幅度地改善工厂的生产效率和企业生产过程中的自动化进程。而且,机器人视觉很容易能够可以实现对信息的集成，它也被认为是实现计算机集成制造的一项重要基本技术。

本论文介绍的装置预计采用STM32单片机作为主要控制模块，设计了包含红外测温模块、图像采集与身份识别模块、液晶显示模块和电源模块的简易无接触式温度测量与身份识别装置的公共防疫系统。能够实现无接触式的人脸录入与检测和口罩检测，以及无接触式人体温度检测。主要原理为基于卷积神经网络的yolov2的对象检测算法、OpenMv中的人脸检测与识别和红外无接触式温度测量。

关键词：机器视觉；STM32；yolov2

Design of Public Epidemic Prevention System Based on Machine Vision

Abstract

Since China is still the country with the most severe damage from the new coronavirus epidemic, there are many technical shortcomings that need to be strengthened urgently. Robot vision can play an important role in the prevention and control of the epidemic. The research purpose of this article is mainly to explore in depth the practical application phenomena and scenarios of the use of machine vision in the prevention and control of the new coronavirus pneumonia (2019-NCOV) epidemic, and to provide help for the use of machine vision in the prevention and control of the new coronavirus pneumonia epidemic.

Machine vision is an important aspect of pattern recognition research. The cutting-edge technology topics of robotic vision include: multiple parallel and processing of real-time images, digitization and compression, transmission and restoration of real-time images, modeling and recognition of three-dimensional scenes, dynamic and time-varying vision, etc. The design of the robot vision system aims to enhance the flexibility of its production and its automation. In some dangerous construction environments that are not suitable for manual manipulation, or applications where human vision is difficult to fully meet the requirements, artificial intelligence vision is usually used instead. At the same time, in the large-scale industrial production, the quality of the products obtained by the human eye inspection will also be inefficient and inaccurate. The use of advanced industrial machine vision inspection methods can greatly improve the production efficiency of the factory and the automation process in the production process of the enterprise. Moreover, robot vision can easily realize the integration of information, and it is also considered to be an important basic technology to realize computer integrated manufacturing.

The device introduced in this paper is expected to use STM32 single-chip microcomputer as the main control module, and a public epidemic prevention system including a simple non-contact temperature measurement and identification device including an infrared temperature measurement module, an image acquisition and identification module, a liquid crystal display module and a power module is designed . It can realize non-contact face input and detection, mask detection, and non-contact human body temperature detection. The main principles are yolov2's object detection algorithm based on convolutional neural network, face detection and recognition in OpenMv, and infrared non-contact temperature measurement.

Keywords:Machinevision,STM32,Yolov2

目 录

摘 要 I

Abstract II

第一章 绪 论 1

1.1课题背景及意义 1

1.2机器视觉技术及国内外研究状况 1

1.2.1机器视觉关键技术 1

1.2.2机器视觉发展史 1

1.2.3深度学习和机器视觉 2

1.3 本课题研究思路 3

1.4 本文工作任务安排 4

第二章 系统总体方案 5

2.1系统原理 5

2.2 控制器模块 5

2.2.1电源 6

2.2.2内部集成电路(I2C) 6

2.2.3 按键模块 7

2.3身份识别模块 7

2.3.1神经网络处理器（KPU） 7

2.3.2 DVPCarmera 8

2.3.3 LCD 9

2.4无接触测温模块 9

总线协议 9

2.5 液晶显示电路 11

第三章 数字图像处理 12

3.1 什么是图像 12

3.1.1 图像类型 12

3.1.2 图像矩阵 12

3.1.3 MATLAB中的数字图像表示： 13

3.2 图像预处理阶段 13

3.3 计算机视觉、计算机图形学与图像处理的区别和联系 14

第四章 深度学习与人脸识别 15

4.1 人脸识别 15

4.1.1 人脸识别技术流程 15

4.1.2 人脸检测 15

4.1.3 人脸图像预处理 16

4.1.4 人脸图像特征提取 16

4.1.5 人脸图像匹配与识别 17

4.2卷积神经网络 17

4.2.1 卷基层 18

4.2.2 取样层 19

4.2.3 全连接层 19

4.3 YOLO 实时对象检测 20

4.3.1 滑动窗口与CNN 20

4.3.2 网络设计 21

4.3.3 网络训练 22

第五章 基于机器视觉的公共防疫系统的实现 23

5.1 环境配置 23

5.1.1 Python 语言 23

5.1.2 MaixPy IDE 23

5.1.3 cudaamp;cudnn 23

5.2 数据集的选取和训练 24

5.3 实现结果展示 25

5.3.1 人脸识别 25

5.3.2 口罩识别 26

5.3.3 温度检测 26

5.3.4 硬件实物图 27

第六章 小结与展望 28

致 谢 29

参考文献 30

第一章 绪 论

1.1课题背景及意义

新冠肺炎病毒疫情的爆发,给我们党和全国各地的经济社会发展以及人们的工作和生活都带来了严重的冲击和威胁。除了每一个已经受到严格控制的居民区以外,每一个公园,每一家工厂,每一家商业建筑物以及每一家已经定居的企业都已经发展成为与新型冠状肺炎疫情战争的"流行病"战争作出激烈斗争的最后一线。

随着新型冠状病毒肺炎疫情的持续演化，控制病毒在人与人之间的传播是疫情防控关键所在，对社区、街区、公共交通等人员流动较为密集的公共场所更应做好疫情实时精准监控与排查。本系统要求设计一个基于机器学习的公共防疫系统设计，可以通过非接触式测量人体和物体温度，温度超高报警，防疫要求判别（口罩是否正确带好识别）等任务。

1.2机器视觉技术及国内外研究状况

1.2.1机器视觉关键技术

机器视觉技术领域已经是当前人工学和智能技术发展迅猛的一个领域。简而言之，机器视觉就是使用机器而不是直接利用人眼对其信息进行视觉计算和分析决策。机器图像视觉软件系统处理是由一种机器图像视觉软件产品(即，分为cmos和ccd的机器图像信号捕捉设备)把捕捉到的特定目标图像信号转换成机器图像处理信号，并将其发送至专用的机器图像信号处理控制系统以便于捕捉到特定目标。根据每个像素的空间分布，亮度和局部色彩等相关信息将它直接转换成数字信号。成像系统对这些成像信号自动执行各类操作，以提取目标的特征并基于识别结果控制野外设备的操作。

剩余内容已隐藏，请支付后下载全文，论文总字数：29428字