<menu id="6c4oc"><tt id="6c4oc"></tt></menu>
  • 新聞中心

    EEPW首頁 > 智能計算 > 設計應用 > 基于機器學習的虛擬門把手設計與實現

    基于機器學習的虛擬門把手設計與實現

    作者:李欣穎,童宣科(桂林電子科技大學電子工程與自動化學院,廣西桂林 541004)時間:2022-07-26來源:電子產品世界收藏

    摘要:為了提高安全性和便捷性,尤其是在疫情背景下,應避免使用者因接觸門把手而造成交疾病的叉污染。本文設計了一種非接觸式的虛擬門把手,可用來代替傳統門把手在現實生活中的作用。該虛擬門把手采用作為主控芯片,通過攝像頭采集實時畫面和用戶手勢,門鎖模塊用于實現開鎖和反鎖的功能;該虛擬門把手還具有功能,保障用戶的安全和隱私。測試結果表明,該虛擬門把手能夠實現,并在用戶做出指定手勢時實現開鎖或反鎖的功能,達到了預期的設計目標。

    本文引用地址:http://www.me-unplugged.com/article/202207/436666.htm

    關鍵詞;;;

    項目支持:本課題得到廣西自治區區級大學生創新創業計劃項目支持

    項目編號:202010595090

    據調查顯示,高校的公共設施存在不同程度的微生物污染,門把手上的污染最為嚴重,其中大腸菌群有可能造成腸道外感染或急性腹瀉 [1];2020 年 2 月,廣州市疾病預防控制中心在一名確診患者家中門把手上發現了新型冠狀病毒的核酸,專家提醒我們日常家居細節中,有許多可能造成病毒間接傳播的途徑,容易為人所忽略。對于普通社區居民,風險更多來自于間接接觸:如果病毒附著在物體表面,自己的手觸摸到被污染的物體表面后進食、揉眼睛等動作,可能會造成自己感染 [2]。

    門把手作為日常中使用頻繁的設施,通常與門鎖結合以實現開門、關門和反鎖的功能。傳統的門把手需要與人員發生手部接觸,因此細菌病毒等會附著在門把手上,造成交叉感染。為了防止細菌病毒通過門把手傳播,降低人民群眾的感染風險,本項目設計了一款基于機器學習的虛擬門把手,可通過開關門手勢實現開門、關門和反鎖的功能,避免人員與門把手的直接接觸。此外,本項目設計的虛擬門把手有人臉識別功能,通過與磁吸式門鎖結合,保障了用戶的隱私與安全,更具有方便快 捷、操作方法簡單等優點。

    1 設計思路

    對本項目的需求進行分析后,畫出了該系統的原理框圖,如圖 1 所示。本項目采用了模塊化的思想,方便結構搭建和測試。其中,攝像頭模塊用于采集獲取用戶的實時畫面圖像信息,并將圖像信息傳輸給嵌入式主控板,以進行人臉識別和手勢判斷。門鎖模塊用于實現開門、關門和反鎖的功能,當用戶進入攝像頭區域內喚醒主控,點亮顯示屏并人臉識別成功后,用戶可做出開關門的手勢,門鎖模塊可以做出相應的反應,即能夠完成非接觸式開門和關門的動作,降低了因接觸門把手而感染細菌病毒的風險;執行反鎖手勢指令后,只能通過用戶在門的這一側做出開鎖的手勢來打開門鎖,而在門的另一側無法打開。顯示模塊用于顯示實時畫面和提示信息,用戶根據顯示模塊上的提示完成指定手勢,避免因手勢不規范或超出檢測范圍而發生錯誤。電源模塊用于對整套裝置供電,保證裝置正常運行。

    1658834851882060.png

    2 方案選擇

    本設計主控采用高速微處理器第三代計算模塊,擁有 1 GB RAM( 隨機存取存儲器,Random Access Memory),1.2 GHz 主頻的博通 BCM2837 處理器。其體積微小,板載外設接口豐富,包括 4 個 USB(通 用串行總線,Universal Serial Bus)端口、DSI(顯示串行接口,Display Serial Interface)顯示、HDMI(高清多媒體接,High Definition Multimedia Interface)、以及 40 個 GPIO(通用輸入輸出端口,General Purpose Input/ Output Port)接口,是一款運算能力強勁的基于 Linux 的微型計算機。

    開門、關門功能通過門鎖模塊實現。常用的門鎖有插芯式門鎖和電磁門鎖兩種。插芯式門鎖有單設按鈕插芯門鎖和雙舌插芯門鎖等分類,安裝復雜,不便于控制。電磁門鎖利用電磁鐵的原理,依靠電力產生磁力,拉住門鎖,具有安裝簡單,易于控制的優點。因此,本設計中采用的是常閉式電磁門鎖,通過磁力使門鎖閉合,收到單片機控制信號后門鎖打開。本設計選用的磁吸式門鎖具有 280 kg 直線拉力,吸力穩定,且配備 220 V 交流轉 12 V 直流供電,電源裝配簡單。

    采集用戶面部和手部信息通過攝像頭模塊實現。本項目中,攝像頭模塊選用 1 080 P 高清攝像頭,并具有 130° 廣角,可以充分滿足信息采集需要。兼容樹莓派和 Windows 等多種系統,采集到的圖像數據通過 USB 接口能夠直接傳遞給樹莓派主控芯片。

    顯示模塊采用 4.3" IPS(橫向電場效應顯示技術)顯示屏,分辨率為 800×480 像素,具有 MIPI(移動產業處理器接口,Mobile Industry Processor Interface)DSI 接口,與樹莓派模塊相匹配。3.3 V 電源供電時,功耗 300 mW,是一款低功耗顯示屏。顯示模塊用于顯示攝像頭拍到的實時畫面和提示信息,形成良好的人機交互。

    3 方案實施

    3.1 主程序流程

    如圖 2 所示,該系統由電磁門鎖、攝像頭和顯示屏組成。電磁門鎖用于控制門的開關,攝像頭固定于門上,S1 為用戶到攝像頭的距離。

    1658834883751874.png

    圖 2人臉識別、示意圖

    圖 3 是主程序流程圖。當有用戶進入檢測區域時,首先對其進行人臉識別,判斷是否為合法用戶,若為非法用戶,則在顯示屏上顯示非法操作;若判斷為合法用戶,則等待其手勢指令,如開門或反鎖指令。

    1658834937773104.png

    圖3 主程序流程圖

    3.2 人臉識別和手勢識別

    通過攝像頭拍攝實時畫面,對用戶進行人臉識別和手勢識別。

    人臉識別采用了 OpenCV(開源計算機視覺)自帶的人臉特征分類器 haarcascade_frontalface_alt2.xml。首先錄入合法用戶的人臉照片信息并保存,接著直接調用人臉特征分類器進行人臉識別。

    手勢識別采用了自制數據集和自制訓練模型。自制數據集邀請了 4 位不同手形大小的實驗參與者采集其做出的手勢,每人做出 3 種手勢,每種手勢錄入 240 張 64×64×3 的 RGB(紅綠藍)圖像,共 2 880 張圖像。打亂順序后,隨機抽取 2 160 張圖像作為訓練集,其余 720 張圖像作為測試集。為了增加樣本數量,增強模型的泛化性,項目中采用了數據增強,降低了過擬合的風險。建立好每張圖片對應的標簽后,構建 CNN(,Convolutional Neural Network)網絡。本項 目的 CNN 網絡模型如圖 3 所示,模型順序連接,四次卷積池化,再接一個全連接隱藏層和一個輸出層。其中兩次卷積核均為 3×3 像素,使用 ReLU 激活函數,兩次池化均采用最大池化。全連接隱藏層使用 ReLU 激活函數,輸出層采用 softmax 激活函數,由于本項目種共有 3 種手勢需要識別,所以輸出層神經元個數為 3。

    image.png

    圖4 神經網絡模型

    為了防止其他未知的手勢引起識別錯誤,程序對進行手勢判斷做出了改進。得益于 softmax 激活函數,使得模型預測的三個輸出值都在 0 到 1 之間,且三個輸出值相加等于 1。于是只需判斷預測結果中的輸出值是否大于某個規定值,若大于才能被判斷為有效手勢,若為無效手勢,則不執行操作。

    3.3 門鎖開鎖和反鎖

    門鎖的開鎖與反鎖由樹莓派主控芯片控制電磁門鎖實現。

    圖 5 為門鎖電源接線示意圖。電磁門鎖的正、負極分別連接 NC 和 COM 端,在此連接方式下,門鎖為常閉狀態。門打開后,兩磁鐵靠近自動吸合關閉。樹莓派主控芯片控制門鎖 IO 口接到 PUSH 端,用于控制門鎖打開或反鎖。執行開鎖指令時,控制 IO 口輸出高電平,經過變壓器升壓后達到 12 V,控制門鎖打開。接收到反鎖命令后,程序記錄反鎖標志位,從另一側開門時若反鎖標志位為 1,則不能打開門。

    image.png

    圖5 門鎖電源接線示意圖

    4 調試與測試

    在訓練自制模型的過程中,使用一臺處理器為 Intel Core i7-1065G7、主頻 1.30 GHz,機帶 RAM 為 32.0 GB 的計算機。圖 4 給出了模型訓練時的參數變化,從中可以看出,15 輪內模型訓練集和測試集的準確率都達到 95% 以上,損失率均為 15% 以下。

    在基于樹莓派計算模塊的系統功能測試中,邀請了 5 位同學在不同背景、不同光照環境下對系統進行了測試。測試結果表明,本系統能夠實現對用戶的手勢識別和人臉識別,當S1在30 cm~50 cm之間時識別效果最好,人臉識別成功率為 95%,手勢識別成功率為 93%,手勢解鎖指令識別成功后,門鎖解鎖時間為 1 s。

    5 結語

    本項目基于樹莓派單片機和,實現了可以用手勢控制的虛擬門把手功能。經過測試,該虛擬門把手具有人臉識別、手勢識別的功能,可以根據用戶的手勢執行指令,完成對門鎖的控制。未來將收集更多手部圖像作為訓練數據集以進一步提高模型準確率,提高系統在不同環境下的適應能力,并嘗試用電插芯門鎖代替電磁門鎖,以完善門鎖的安全性問題。

    image.png

    圖6 模型訓練參數

    參考文獻

    [1] 白婧.濟南市某高校公共設施和公共用品微生物污染狀況調查[J].科技視界,2017,(34):22+15.

    [2] 喬靖芳,王楠 .門把手上檢測出病毒![N].健康時報,2020-02-07(002).

    [3] RS Com ponents和Allied Electronics現可供貨樹莓派3計算模塊[J].單片機與嵌入式系統應用,2017,17(03):74.

    [4] 邵曉康,張恒,田春子,等.OpenCV算法的人臉識別在課堂簽到系統上的分析與研究[J].電子世界,2021(23):31-32.

    [5] 王強宇.基于深度神經網絡的動態手勢識別技術研究[D].徐州:中國礦業大學,2019.

    (注:本文轉載自《電子產品世界》2022年7月期)



    評論


    相關推薦

    技術專區

    關閉
    熟妇女的欲乱
    <menu id="6c4oc"><tt id="6c4oc"></tt></menu>