[16]。首先調整原始圖像的大小，然后將其發(fā)送到CNN網(wǎng)絡，最后處理該網(wǎng)絡。預測結果可將檢測結果檢測到目標。Yolo圖3-1Yolo處理示意圖將輸入的圖片劃分成SS個單元格，每個單元格負責檢測中心點落在該格子內(nèi)的目標物，如圖3-2所示。每個單元格會檢測B個邊界框以及邊界框的置信度。置信度包含兩個方面，一方面是邊界框含有目標可能性的大小Pr(object)，另一方面是該邊界框的準確度。當邊界框不包含目標時，Pr(object)=0，反之則Pr(object)=1。利用預測框與實際框的IOU來表示邊界框的準確度，記為Pr(object)IOUpredtrut?。因此置信度可定義為IOUpredtrut?。同時用（x，y，w，h）這4個值來表示邊界框的大小與位置，邊界框的中心坐標，邊界框的寬與高。邊界框的寬和高預測值是相對于整個圖片的寬和高的比例，這樣理論上4個元素的大小應該在[0,1]的區(qū)間范圍內(nèi)。這樣，每個邊界框的預測值實際上包含5個元素：（x，y，w，h，c），c表示置信度REF_Ref72583048\r\h圖3-2網(wǎng)格劃分對于分類問題，每個單元預測C類概率值，表示目標屬于每個類的概率。但是這些概率是在每個邊界框的置信度下的條件概率，即Pr(Classi|Object)。然而，無論一個單元能預測多少個邊界盒，它只能預測一種概率值，這是Pr(Classi|Object)ProbjectIOUpredtrut?=Pr(它表示在該邊界框中，目標屬于各個類別的可能性。圖3-3模型預測值流程圖對于每個預測框，根據(jù)類別成本的可靠性，選擇可靠性最高的類別作為預測標簽。經(jīng)過此處理層后，您將獲得每個預測框的預測類別和置信度值。通常情況下，會設置一個置信度閾值。即，排除置信度低于閾值的框因此，在此處理層之后，剩下的就是更可靠的預測框。最后，將非最大抑制算法用于這些預測框，最后獲得檢測結果。圖3-4Yolo算法檢測流程圖3.3深度神經(jīng)網(wǎng)絡DNN（深度神經(jīng)網(wǎng)絡）是機器學習領域的一項技術。作為網(wǎng)狀結構，它適合于存儲圖像特征信息，并且具有許多層，例如輸入層，輸出層和隱藏層。每層包含多個節(jié)點。對于此模型，它是一組數(shù)據(jù)結構，用于存儲網(wǎng)絡的形狀及其內(nèi)部參數(shù)。該模型的數(shù)據(jù)通常可以保存為文件，例如用于描述模型形狀和結構的kmodel格式文件。此外，參數(shù)僅由各種軟件使用。您要做的就是設計模型的結構和參數(shù)，以檢測和分類目標。但是，模型的計算非常復雜，因此需要機器訓練才能自動獲取所需的參數(shù)，即深度神經(jīng)網(wǎng)絡訓練。在使用模型進行推理時，數(shù)據(jù)從輸入層到輸出層，前一層的節(jié)點值到后一層的節(jié)點值計算可以用y=wx+b表示,y為輸出，x為輸出，w為權重，b為偏置，同時加入激活函數(shù)Sigmod（∑wx+b）經(jīng)過這樣的無數(shù)次計算，最終得到一個值，但是值并不統(tǒng)一，因此將所有輸出的值通過公式計算,最終得到一個在[Si=e3.4深度神經(jīng)網(wǎng)絡模型訓練模型訓練是必不可少的過程。確定模型后，內(nèi)部節(jié)點之間的權重和偏差是隨機的，需要進行訓練。即，將確定使用的結果數(shù)據(jù)用于輸入，以得到具有正確結果的錯誤。提供正確的結果，并在最后訓練正確的結果。由于輸出結果非常不穩(wěn)定，因此引入誤差函數(shù)ess=-lg（y）來控制（0，+∞）之間的誤差。輸出或概率越接近1，則誤差越接近0。這種方法稱為交叉熵損失CEE3.5人臉識別模型的實現(xiàn)此設計中使用的個人保險模型是在Maixhub模型訓練平臺上進行訓練后獲得的。具體的實現(xiàn)方法如下。（1）確定分辨率。單片機收集的圖像分辨率為224224，因此選擇該分辨率作為訓練圖像的分辨率。（2）收集所有照片的通用術語數(shù)據(jù)集，并確定照片數(shù)量，以便以后可以快速，準確地收集它們。最小值必須為100或更高。準確度方面，已選擇200張照片進行訓練。（3）包括照片，直接通過單片機的照相機收集所需分辨率的照片，將它們保存在SD卡上，按照指定的順序將照片復制到計算機上并標記數(shù)據(jù)集。（4）在平臺上創(chuàng)建訓練任務，選擇目標檢測類型，提交數(shù)據(jù)集并開始訓練模型。（5）將訓練好的模型燒錄到單片機的閃存中，并通過KPU模塊加載模型，以達到人工檢查的效果。4嵌入式系統(tǒng)設計4.1系統(tǒng)硬件設計4.1.1單片機的芯片選型圖4-1K210框架圖MaixDock是Sipeed矽速科技推出的一款單片機，其主芯片型號為KendryteK210。圖4-1K210框架圖K210包括一個RISC-V64位雙核CPU，每個核都有一個獨立的FPU。K210的核心功能是機器視覺和聽覺。這包括一個用于計算角色的KPU，一個人工神經(jīng)網(wǎng)絡和一個用于處理麥克風陣列輸入的APU。同時，K210具有快速的傅立葉變換加速器，可以執(zhí)行高性能和復雜的FFT計算。因此，在大多數(shù)計算中。因此，對于大多數(shù)機器學習算法而言，K210具有高性能的處理能力。K210集成了A1S和Sa256算法加速器，可為用戶提供基本的安全功能。K210具有高性能，低功耗SM和強大的DM。出色的性能和吞吐量。K210具有豐富的外圍設備，例如DVP，JTAG，OTP，F(xiàn)PIOA，GPIO，UART，SPI，RTC，I2S，I2C，WDT，計時器和PWM，以支持大量的應用場景。圖4-2MaixDock(M1W)開發(fā)板原理圖總之，與其他開發(fā)版本相比，圖4-2MaixDock(M1W)開發(fā)板原理圖4.1.2ESP8285模塊ESP8285是一個網(wǎng)卡模塊，使用AT模式進行交互，并通過串行端口2連接到單片機。引腳8是使能引腳。您可以創(chuàng)建GPIO對象來控制它們的高電平和低電平，并啟用，禁用或重置它們。重置后，該操作將花費一些時間。必須先安裝天線，然后才能使用它。ESP8285具有完全獨立的WiFi網(wǎng)絡功能。它可以用作獨立應用程序，也可以用作捕獲幼蟲的從屬。您可以運行其他主機MCU。ESP8285托管應用程序時，可以直接從外部閃存啟動內(nèi)置的高速功能。緩沖區(qū)存儲有助于提高系統(tǒng)性能。并優(yōu)化系統(tǒng)存儲。此外，ESP8285可以通過SPIVSDIO接口或I2C/UART用作基于微控制器設計的WiFi適配器。ESP8285易于操作，價格便宜且符合設計理念，因此該模塊用于網(wǎng)絡通信。4.1.3攝像頭的選取相機通常分為CCD和CMOS。對于CCD，相同像素成像的互操作性非常好，但是制造過程很復雜，而且很少有制造商（例如SonyPanasonic）達到這種技術水平。因此，價格將高于其他同類產(chǎn)品。CMOS的制造過程相對簡單。例如，成像原理既簡單又快速，但也有一些缺點。例如，透明性通常導致光供應不足?；谄洫毺氐奶匦裕匀槐菴CD少。盡管存在一定的差距，但性價比較高，并且被廣泛使用。圖4-3GC308攝像頭原理圖GC0328是一種200W像素CMOS相機，可以適應面部識別要求。通過GPIO端口發(fā)送人臉信息，適應性強。總而言之，這種設計可以使用此相機進行圖像收集。圖4-3GC308攝像頭原理圖4.1.4MLX90614紅外測溫傳感器GY-906MLX90614ESFBCC模塊的有效測量距離為10cm，能夠進行非接觸式體溫測量，并且在室溫下的標準精度為±0.5°C。醫(yī)療版本的傳感器在人體溫度測量范圍內(nèi)可以達到±0.1°C的精確度，縮小誤差。圖4-4GY-906BCC實物圖GY-906MLX90614ESFBCC模塊在IIC和微控制器之間進行通信。通信協(xié)議是SMBus。協(xié)議和傳感器接口包括VCC，GND，SCL和SDA。MLX90614通過內(nèi)部狀態(tài)機控制對象和環(huán)境溫度的測量和計算，執(zhí)行溫度測量后并進行處理，并用SMBus的模式進行結果輸出。圖4-4GY-906BCC實物圖因此能夠實現(xiàn)本設計所需要的無接觸精準測量體溫的要求,同時操作方便，故采用該傳感器實現(xiàn)體溫測量。圖4-5SMBus模式傳感器原理圖4.1.5HMI串口屏圖4-5SMBus模式傳感器原理圖X5系列串行屏幕，型號為TJC4827X543_011R。該系列包括一個電阻式觸摸屏和一個RTC時鐘模塊，可以顯示圖像的背景。豐富的功能和實惠的價格。您可以在確保完整功能的同時減少不必要的成本。串行端口屏幕具有獨立的控件，因此您不必使用內(nèi)存密集型CUI圖形庫，即可實現(xiàn)精美的U-Pit界面設計。同時，它可以提供所需的功能。您只需要通過串行端口與單片機通信即可。選擇了該型號的串行端口屏幕，以節(jié)省單芯片微處理器上的資源。請記住，串行端口屏幕具有其自己的一組指令，并且可以執(zhí)行各種任務，但是您需要執(zhí)行以下操作：1.當設備向串行屏幕發(fā)送命令時，它應以3個0XFF結尾。2.串行屏幕上的所有命令名稱和參數(shù)均使用ASCII字符串數(shù)據(jù)。3.指令名稱均為小寫字母。4.1.6TFT-LCD顯示屏圖4-6TFT-LCD顯示屏原理圖通過介紹面部識別過程，用戶可以將他們的面部定位在正確的位置。該設計使用Piped的2.4英寸TFT-LCD顯示屏。它由彩色TFT-LCD面板，驅動器IC和背光單元組成。它的分辨率為240320，可以顯示超過262圖4-6TFT-LCD顯示屏原理圖4.1.7蜂鳴器的選取圖4-7蜂鳴器原理圖本設計只需要實現(xiàn)報警功能，因此，采用價格低的低，電平觸發(fā)的有源蜂鳴器工作電壓分別為3.3V~5V，采用S8550三極管驅動。工作時，只需要給I/O圖4-7蜂鳴器原理圖4.1.8繼電器的選取為了實現(xiàn)門禁系統(tǒng)模擬開門的效果，本系統(tǒng)采用繼電器來控制門鎖的開關。由于只需要控制一個門鎖,并不需要太多功能，故選擇1路5V繼電器，通過低電平觸發(fā)。當人臉識別和體溫檢測通過時,繼電器打開,從而實現(xiàn)門鎖控制。4.2系統(tǒng)軟件設計使用軟件平臺開發(fā)系統(tǒng)，然后選擇合適的軟件平臺。這不僅為開發(fā)人員提供了便利，還節(jié)省了開發(fā)時間。以下是主要的相關軟件平臺。4.2.1軟件平臺介紹1.MaixPyIDEMaixPy是一個將Micropython移植到K210的項目。它支持傳統(tǒng)的MCU操作，并將硬件加速的AI機器視覺與麥克風陣列集成在一起。1ToPs計算能力核心模塊不到50元，非常低的成本，對于快速發(fā)展非常實用。AIOT領域的智能應用。2.阿里云物聯(lián)網(wǎng)平臺阿里云為IOT平臺設備提供安全可靠的連接和通信功能，將大型設備連接到底部，支持設備的數(shù)據(jù)收集和云加載。向上提供云API，服務器調用云API將指令發(fā)送到設備以進行遠程控制。圖4-8通信圖4-8通信流程圖設備通過MQTT協(xié)議與物聯(lián)網(wǎng)平臺建立長連接，上報數(shù)據(jù)（通過Publish發(fā),布Topic和Payload）到物聯(lián)網(wǎng)平臺。您還可以配置規(guī)則引擎以編寫用于處理報告數(shù)據(jù)的SQL，并配置轉發(fā)規(guī)則，將處理后的數(shù)據(jù)轉發(fā)到指定的Topic。3.微信小程序微信小程序是連接用戶和服務的全新方法。在微信中易于獲取和分發(fā)，并提供了出色的用戶體驗。除了具有較低的開發(fā)成本，較低的客戶獲取成本以及因擁有正式帳戶而導致的下載需求外，服務請求的延遲和用戶體驗也得到了顯著改善，以實現(xiàn)更復雜的服務功能，從而使用戶變得更好的用戶體驗。4.USARTHMIUSARTHMI軟件作為淘晶馳智能串口屏集成開發(fā)環(huán)境。該集成開發(fā)環(huán)境串口屏界面設計，調試等開界面開發(fā)所有功能。4.2.2人臉識別模塊程序設計首先對攝像頭,LCD屏初始化，加載人臉模型完成初始工作。當人臉識別開始后，攝像頭拍攝一張照片,通過KPU對拍攝出的照片進行人臉檢測，若識別到人臉，則將人臉與保存的人臉信息進行匹配，匹配成功則進行下一步;反之,認證失敗。4.2.3紅外測溫模塊程序設計MLX90614和MaixDock開發(fā)板之間采用IIC通訊方式，單片機通過IIC讀取MLX90614的TOBJ1寄存器中的數(shù)值，通過計算最終得到體溫的準確數(shù)字。4.2.4網(wǎng)絡通信模塊程序設計MCU與阿里巴巴平臺之間，小程序與阿里巴巴平臺之間的通信協(xié)議是MQTT協(xié)議。MQTT是IBM領導的IoT傳輸協(xié)議。它專為輕量級發(fā)布/訂閱消息傳輸而設計，旨在為具有低帶寬和不穩(wěn)定MQTT網(wǎng)絡環(huán)境服務的IoT設備提供可靠的網(wǎng)絡。它的核心設計思想是開源，可靠，輕巧和簡單。微信小程序與單片機之間的通信是通過阿里云規(guī)則引擎來完成的。單片機通過MQTT協(xié)議將消息發(fā)送到指定主題，阿里云物聯(lián)網(wǎng)平臺接收到該消息，并通過規(guī)則引擎將消息流轉發(fā)到另一個主題。這時，當微信小程序訂閱該主題時，所接收的信息就會流通并實現(xiàn)通信。發(fā)送和接收的數(shù)據(jù)格式為Json格式。4.2.5串口屏模塊程序設計圖4-9UI界面設計串行端口畫面和單片機之間的通信協(xié)議是串行通信。串行端口屏幕可以獨立完成UI界面的設計和界面的交互功能，因此您要做的就是在單片機和串行端口屏幕之間發(fā)送所需的數(shù)據(jù)。單芯片計算機必須根據(jù)為串行端口指定的通信協(xié)議將數(shù)據(jù)發(fā)送到串行端口，并在末尾添加3個圖4-9UI界面設計4.3系統(tǒng)設計總體流程1.打開系統(tǒng)電源后，首先需要初始化系統(tǒng)，檢查是否一切正常，然后將存儲在FLASH中的程序和數(shù)據(jù)加載到SDRAM中。2.連接WIFI。WIFI連接成功后，通過WIFI將您的MCU連接到阿里云IOT平臺并訂閱相應的主題。3.啟動門禁系統(tǒng)，啟動后先進行人臉檢測。當檢測到人臉時，將執(zhí)行人臉識別并將識別出的特征值與存儲的人臉庫進行比較。如果比賽失敗，您將無法打開門。4.匹配成功后，執(zhí)行溫度檢測。當您的體溫超過警告范圍時，將發(fā)出警報。否則，門鎖將正常打開。5.未來的訪客信息將報告給阿里巴巴平臺，阿里巴巴平臺最終會將其轉移到微信程序中進行顯示。流程圖如圖：5系統(tǒng)調試與分析5.1人臉識別調試根據(jù)上文提到的人臉識別算法，將訓練好的Yolo2人臉模型，通過單片機的KPU運行后，成功實現(xiàn)了人臉識別檢測，其效果圖如下圖5-1。圖5-1串口屏數(shù)據(jù)的解析函數(shù)但由于錄入人臉時拍攝的角度不同，如果人臉過于模糊，則會大概率出現(xiàn)無法識別的問題。為了解決該問題，本系統(tǒng)增添了人臉五點檢測模型，該模型能夠檢測眼睛鼻子和嘴巴的位置，在錄入人臉時添加判定條件，只有人臉在照片中間位置，且兩眼之間的像素距離足夠大時才會進行人臉儲存，以此方法來避免因人臉錄入角度出現(xiàn)的問題。5.2單片機、阿里云和微信小程序通信調試圖5-2MQTT模擬圖5-2MQTT模擬單片機、阿里云和微信小程序的通信連接5.3總體調試將嵌入式開發(fā)板連接到攝像機的顯示繼電器和蜂鳴器，確保設備沒有損壞，開始打開并調試整個系統(tǒng)。調試后，當發(fā)出各種命令時，系統(tǒng)將采取相應的措施。此外，系統(tǒng)反應迅速。在預期范圍內(nèi)，整個門禁系統(tǒng)均能正常運行，性能長期穩(wěn)定，符合設計要求。6總結和展望6.1系統(tǒng)設計總結隨著智能時代的到來，傳統(tǒng)的訪問控制需要進行革命。因此，已經(jīng)提出了用于面部識別的訪問控制。該系統(tǒng)結合了生物技術和計算機技術，并使用嵌入式應用程序作為平臺來專注于面部識別技術的研究，包括面部檢測。圖像預處理，特征提取等，主要用于辦公室和家庭等小型場合。本文涵蓋的主要內(nèi)容是：本文通過參考大量文獻并將其與實際應用程序需求相結合，在系統(tǒng)范圍的軟件和硬件選擇方面做了很多工作。在硬件方面，引入了諸如開發(fā)板，照相機，串行屏幕之類的硬件選擇，最后選擇了最具成本效益的硬件設備。對于軟件，引入了相關的軟件平臺，提供了用于清除整個系統(tǒng)的軟件設計過程。實施思路。在現(xiàn)實生活中，面部識別中會遇到各種干擾，例如光線和角度，因此已經(jīng)提出了針對這些因素的解決方案。我們提出了一種使用Yolo算法的人臉識別方法?？偨Y了Yolo算法的原理和過程。6.2未來展望（1）本系統(tǒng)中實現(xiàn)的系統(tǒng)的實時性能是常見的。如果以后的條件允許，則可以選擇配置更高的處理器。同樣，在本文中，我們選擇了普通相機，并且所收集圖像的質量是中等的，以后還會有條件。您可以選擇高質量的相機，也可以添加光補償器和圖像處理芯片。（2）本系統(tǒng)中使用的溫度檢測的有效范圍僅為10厘米。如果條件允許，可以將其升級到1m的檢測范圍，并且可以同時執(zhí)行面部識別和溫度檢測，從而減少了識別時間并提高了效率。（3）本系統(tǒng)選擇將重要數(shù)據(jù)保存到SD卡。如果SD卡損壞，數(shù)據(jù)將丟失。由于缺乏有關Internet前端的知識，因此無法將數(shù)據(jù)庫用于在云中存儲信息。如果您以后了解前端，則可以選擇將所有系統(tǒng)數(shù)據(jù)存儲在數(shù)據(jù)庫中，并將單片機的某些功能轉移到微信。該程序減少了單片微處理器的任務，提高了效率，同時使它們對用戶更加方便。（4）此系統(tǒng)僅適用于小型樣本辦公室，家庭，學校和其他小型場所。然而，隨著時代的進步以及新技術和新觀念的出現(xiàn)，人臉識別技術應向更廣闊的方向發(fā)展。因此，該系統(tǒng)的設計思想也需要不斷更新和改進。

參考文獻李鐘石,蔡球官.“互聯(lián)網(wǎng)+”環(huán)境下高校課堂的快速簽到應用研究[J].延邊大學學報(社會科學版),2019(02):83-90+142.李湘勤，黃晨華,門戈陽,微信考勤管理系統(tǒng)在高校課堂中的應用——以韶關學院為例[J].教育教學論壇,2018(17):8-11.楊永平,曾藝,劉世興;基于WIFI的高校課堂考勤系統(tǒng)設計實現(xiàn)[J],信息技術與信息化，2017(z1):102-103+106.鄭瑩,孟安寧,孫久舒.基于校園卡通的考試簽到系統(tǒng)的設計與實現(xiàn)[J],計算機時代,2017(12):96-99.毅弘.基于iBeacon定位技術的高?？记谙到y(tǒng)設計[J].福建電腦,2018,34(11):36-37+22.吳海龍,柏正堯,武文強.基于STM32和C#的學生考勤系統(tǒng)設計.國外電子測量技術,2017,36(12):113-116.方冠男.基于視頻流人臉識別的課堂考勤系統(tǒng)的設計與實現(xiàn)[D].華中師范大學,2018.劉忠森,智能人臉識別門禁系統(tǒng)研究[D].哈爾濱理工大學,2017,王磊，人臉識別的智能門禁系統(tǒng)的研究與設計[D],西安工業(yè)大學,2017.劉機福,嵌入式人臉識別門禁系統(tǒng)設計與實現(xiàn)[D],湖南大學,2014.李駿馳．基于人臉識別的公司考勤門禁系統(tǒng)的設計[D].電子科技大學,2018周慧娟,張強,劉羽,王旭陽,柳穎.基于YOLO2的地鐵進站客流人臉檢測方法[J].計算機與現(xiàn)代化,2019(10):76-82.朱超平,楊藝基于YOLO2和ResNet算法的監(jiān)控視頻中的人臉檢測與識別[J],重慶理工大學學報(自然科學),2018;176-181.彭駿，吉綱,張艷紅,占濤.精準人臉識別及測溫技術在疫情防控中的應用--普利商用精準識別技術典型案例[J].軟件導刊,2020,19(10):8-14.蔣卓一,吳江,朱葉青.新型智能門禁的設計與實現(xiàn)[J].信息與電腦(理論版)，2020,32(19):79-81.LIOL,OUYANGWL,WANGXG,etal.DeepLearningforGenericObjectDetection:ASurvey[EB/OL].[2019-02-01],http://in./abs/1809.02165.REDMONJ,FARHADIA.YOLO9000:better,faster,stronger[C]//2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR).USA:IEEE,2017.RedmonJ,DivvalaS,GirshickR,etal.Youonlylookonce:Unified,real-timeobjectdetection[C]/