摘 要：文章设计具有测温及统计功能的人脸识别系统。设计包含 2个模式：防控模式和非防控模式非防控期间，学生可正常刷人脸进出;防控期间，学生需佩戴口罩并监测体温，异常时发出警告。该设计为校园管控提供一定的参考。

关键词：测温：人脸识别;防控

中图法分类号：TP391文献标识码：A

１ 引言

后疫情时代，大部分高校将采取开放式管理。正常情况下，学生进出校园只需进行人脸识别，但疫情防控期间，佩戴口罩和检测就成为必然，每天进出校园人口众多，当未佩戴口罩时，１ 秒钟内检测者被感染的概率是较大的，因此设计一个具有口罩识别及测温功能的系统就显得尤为重要。

同时，随着科技的快速发展，人脸识别技术也在不断地突破，尤其是在日常生活中，技术带来的便捷大幅提高了人们的生活效率。其中，ＯｐｅｎＣＶ 是特别关键的技术。其不仅可以应用在科研跨平台计算机视觉和机器学习软件库， 也可以运行在Ｌｉｎｕｘ、Ｗｉｎｄｏｗｓ、Ａｎｄｒｏｉｄ 和Ｍａｃ ＯＳ 操作系统上。它具有轻量级且高效的特点， 同时也提供了Ｐｙｔｈｏｎ， Ｒｕｂｙ，Ｍａｔｌａｂ 等语言的接口，实现了图像处理和计算机视觉方面的通用算法［１⁃４］ 。

２ 具有测温及统计功能的人脸识别系统的介绍

具有测温及统计功能的人脸识别系统是基于Ｏｐｅｎｃｖ 跨平台计算机视觉库，在ＰｙＣｈａｒｍ 和Ｐｙｔｈｏｎ平台下进行设计开发。设计包括２ 个模式：防控模式和非防控模式。非防控期间，学生可正常刷人脸进出；防控期间，学生需佩戴口罩并监测体温。流程介绍如图１ 所示。

３ 原理介绍

３．１ 口罩识别原理

利用ＯｐｅｎＣＶ 库的级联分类器，并选取了Ｈａａｒ 特征和Ａｄａｂｏｏｓｔ 级联分类。机器的眼睛是摄像头，机器看到的只有数据，也就是像素，当需要识别某一种特定的图像时，就需要找到图像的一系列特征，这个就是Ｈａａｒ 特征（Ｈａａｒ⁃ｌｉｋｅ ｆｅａｔｕｒｅｓ 是用于物体识别的一种数字图像特征）［５］ 。当对图像进行运算特征值时，由于彩色图像的通道数较多，以及像素的数据较大，为了高效进行运算，需先将图像转化为灰度图像，然后进行Ｈａａｒ 特征运算，而Ｈａａｒ 特征运算一共有１４种，较为基础的为ＢＡＳＩＣ 的５ 种运算。由于要对口罩识别模型进行構建，因此为了增强模型的识别度，使用了ＡＬＬ 的１４ 种特征运算。

３．２ 测温原理

任何物体在高于绝对零度（⁃２７３℃）时都会向外发出红外线，而额温枪通过传感器接收红外线，从而得出感应温度数据。

４ 模块设计

４．１ 信息录入

导入ｃｖ２ 模块，调取摄像头，拍照录取信息。首先检查摄像头是否处于开启状态，开启后通过摄像头进行拍照，按“ｓ”键保存照片，并按照指定的格式进行命名照片，最后释放摄像头和内存。

４．２ 数据训练

将保存的照片导入模块，进行数据训练。通过遍历将所有图片导入模块，并将黑白化图像转换为数组；获取图片人脸特征及对应的ｉｄ 和姓名并数字化存储；对比脸部特征和ｉｄ，以确保识别的准确性。

４．３ 疫情情况下的人脸识别系统

人脸识别系统进行图片的读取利用了ＯｐｅｎＣＶ 库的级联分类器，选取了Ｈａａｒ 特征和Ａｄａｂｏｏｓｔ 级联分类，若检测到鼻子、嘴巴，则证明没有戴口罩。若未检测到鼻子、嘴巴，则接着使用ｏｐｅｎｃｖ 的ｈａａｒ 眼睛特征分类器，若未检测到眼睛，则结束。若检测到眼睛，则把ＲＧＢ 颜色空间转为ＨＳＶ 颜色空间，进行口罩区域的检测。口罩区域检测流程是把距离坐标原点较近的横坐标作为口罩区域开始的横坐标，离坐标原点较远的横坐标作为口罩区域结束的横坐标。