杨斌 戚本正 刘璟瑶 陈涛 朱策

（南开大学滨海学院 天津市 300270）

1 引言

目前人工智能的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人脸识别是人工智能学科中发展的最为快速的一个分支之一，已有很多落成熟地应用。本文身份识别采用Face Recognition 人脸识别框架，该框架使用C++开源库 dlib 中的深度学习模型，用Labeled Faces in the Wild 人脸数据集进行测试，有高达99.38%的准确率。对于dlib 面部识别网络，输出特征向量是128-d（即128 个实值数字的列表），用于量化面部。通过实验，我们找出合适的容错值，使得识别率得到提高。在本文中，我们对市面常见的红外温度传感器、热像传感器进行了实验测试，分别使用了MLX90614、AMG8833 传感器。

为了稳定测试环境，本文使用了自动恒温水箱装置，通过水泵、气孔使得液体不断流动，温度均匀。同时使用物理温度计和温度传感器同时测量，尽可能的保证被测对象的稳定。针对MLX90614、AMG8833 不同传感器进行实验测量，通过最小二乘法拟合，求得拟合系数，经验证在一定温度范围内，测量效果颇佳。

2 系统方案

2.1 系统总体方案

该装置基于树莓派4BARMv7 架构和STM32F103RET6 微控制器设计，结合MLX90614 红外测温传感器模块、MLX90640 32*24热像模块、AMG8833 8*8 热像模块、乐视体感摄像头等构成。使用TPS5430 电源管理芯片和XL6009DC-DC 可调电源模块对装置供电。无接触测温模块由MLX90614、AMG8833 完成，MLX90614、AMG8833 通过I2C 协议将数据传给核心处理器，内部算法会对温度信息进行分析处理。身份识别模块以OpenCv 为基础，采用Face Recognition 人脸识别框架，通过摄像头和树莓派完成身份识别，将温度信息、摄像头捕获的视频流以及人脸识别的结果显示在LCD屏幕上。……