CSDN话题挑战赛第1期
活动详情地址:https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f
参赛话题:大学生竞赛指南
题目链接:https://pan.baidu.com/s/1bdThaceiFNxGpfXNcrDOcA
提取码:amjh
2020年TI杯大学生电子设计竞赛赛题公示——F题简易无接触温度测量与身份识别装置
(https://www.nuedc-training.com.cn/index/news/details/new_id/227)
设计并制作一个简易无接触温度测量与身份识别装置,该装置包括无接触温度测量模块、身份识别模块、处理器模块和电源等,装置组成框图如下图 所示。 装置中无接触*温度测量模块可以无接触测量人体体温和容器中液态水的温度。测试时,应有光标指示被测点,当被测温度超过设定值时,应有报警功能;身份识别模块负责辨别被测人身份、是否符合防疫要求(如佩戴口罩)等。
1.非接触温度测量:测试距离 1cm~4cm测量误差绝对值± 2℃ 。(30 分)
2.温度测量范围:28℃ ~48℃,并具有温度超标报警功能 。报警温度阈值在 30℃ ~46℃范围内可设置,报警方式自定。(15 分)
3.身份识别:被测人身份识别和身份不符报警功能。(20 分)
4.被测人是否符合防疫要求(如佩戴口罩)的判别功能。(10 分)
5.现场被测人身份特征学习与身份识别功能,学习时间<10 分钟。(20 分)
6.其他(5 分)
7.设计报告(20 分)
(1) 该装置不能采用市售产品,否则无分。作品不能使用 PC 机,且测试中不能借助网络资源。
(2) 温度测量项。该装置的测量温度范围将超出人体温度范围,测试对象为现场人员和装在容器中的液态水,并采用相应标准温度测量设备作为测量误差对比装置。温度测量功能评测时,测量误差以作品测量数据与标准温度测量装置测量数据之差为准。作品测试时,参赛学生可自带容器和标准温度测量设备。
(3) 距离测量项。选作品测量误差对应的测试点,测量起始距离在 1cm~4cm 之间任选,在保持其误差水平的基础上,距离越远越好。
(4) 身份识别功能项。识别对象为参赛队 3 名队员,识别方法采用面部识别,识别结果可自选方式表示。
(5) 要求(4)可仅判断被测人是否符合佩戴口罩的防疫要求。
(6) 要求(5)在测量现场的准备阶段完成学习过程,学习对象为现场的工作人员,要求经过现场学习,能准确识别学习对象的身份。
仔细阅读题目要求和装置组成框图,捕捉到的关键功能信息有:
那么综合上述总结一下大体是有如下三个模块功能:
首先来分析一下个人认为是最难的部分身份识别和口罩检测,对于这部分功能要求必然少不了要使用摄像头,检测识别常见的方案无非有两种:
那么沿着识别检测的思路往下就是选择处理器,如果使用openmv,那么肯定还需要一块主控制器完成其他模块的设计任务。常见的是意法半导体STM32系列的或者德州仪器MSP430系列再或者Arduino系列的,这些控制器与openmv大概率是需要使用C或者C++来进行编程。除此之外虽然星瞳科技openmv新系列支持了MicroPython编程但是价格不菲!而经费有限,同时电赛又是有时间紧任务重的特点,用上述两种语言编程必然需要花费大量的时间,如果对STM32或者MSP430或者openmv还不是很熟悉的,那更是难上加难。
至此openmv的方案可作为暂定预备方案,如果是前期对openmv已经有学习或者有经验的同学是可以考虑该方案的。
那么再来分析一下另一种方案。
如果使用opencv,那最好的处理器方案是选择树莓派(百度百科),虽然题目要求不能使用PC机和网络资源,但是树莓派严格意义上又不能算是PC机,最终为了确保可以使用树莓派,报请大赛组委会询问,得到的结果是没有说不能用那就是能用,所以树莓派作为处理器的方案敲定!即便是在不能使用网络资源的情况下(如果再可以使用网络资源那简直就太过分了),opencv也足够完成身份识别和口罩检测的任务。至此已经确定了处理器模块,利用opencv则可以使用通用的免驱USB摄像头或者树莓派官方的CSI摄像头作为图像传感器即可。
在前期发布的清单中已经明确了有两类温度传感器,红外传感器和LMT70。结合疫情的原因有两道测温的题目也不是不可能。
清单链接:https://pan.baidu.com/s/1HLZuZAxHGkiBH4EYeomeXg
提取码:70tp
题目要求无接触测量温度,基本限制了温度传感器的原理只能是红外,其他传统的接触式传感器皆不可使用。赛前准备的LMT70也只得闲置。赛题发布后两小时重新下单选购了红外热电堆温度传感器。
人机交互两种可选择方案:
1、显示屏、HDMI转接板、键盘、鼠标、按键
2、显示触摸屏、按键
蜂鸣器与激光头
省级一等奖
训练口罩检测分类器的步骤、正负样本数据集以及训练好的口罩检测分类器等资源已经在另一篇文章中总结,详见下面地址:
传送门
文章地址:
https://blog.csdn.net/meenr/article/details/115825671
部分Python代码
# 采集
# 训练
# 识别
# 检测
# 测温
(等待更新)
2贰进制–Echo 2020年10月
如果您觉得本文还不错,请点赞+评论+收藏,要是关注那更是我前进的动力!
如果本文对你有所帮助,解决了您的困扰,可以通过赞赏来给予我更大支持:
如果您需要本文的相关资料或者其它意见与建议,可通过下面方式联系:
扫描下方二维码,加入 2贰进制 学习交流QQ群“ 480558240 ”,下载群文件或者联系管理员咨询。
也可扫描下方二维码,或打开微信搜索并关注“ 2贰进制 ”公众号,回复:“ 2020电赛F题 ”;
本文未完待续。。。
CSDN话题挑战赛第1期
活动详情地址:https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f