基于人脸检测的智能风扇设计

刘庆俞，王孝延

（淮南师范学院计算机学院，安徽 淮南 232038）

风扇是人们日常生活中常见的家用电器之一，可以在酷暑中为人们带来凉意。而随着计算机和物联网技术的快速发展，智能设备逐渐进入千家万户，人们在享受原有设备功能的基础上，更加追求家居设备的安全性、舒适性和艺术性。利用传感器和单片机对传统风扇进行改造，实现自动调速成为人们尝试的方法之一[1,2]。但是这些设计都是基于环境温度进行风速调节，并没有充分考虑进行自动跟踪。同时，人脸检测与识别技术[3,4]的发展也为智能家居设备进入一般家庭提供了有力支持。本文以Raspberry Pi 3B+为核心，在传统风扇的基础上利用人脸检测技术设计出一款智能风扇，通过对人脸的检测和定位自动关停设备和调整角度，并根据家居环境调节转速。在智能风扇联网的情况下，可以使用手机等移动设备完成远程监控和操作，确保家居环境的安全。

1 总体设计

本系统主要由Raspberry Pi 3B+处理器、ESP8266微控制器、PCA9685驱动板、温湿度传感器、摄像头、普通风扇和微显示屏等模块组成，实现了智能风扇的设计。上位机为Raspberry Pi 3B+，负责核心算法的运算（如图像处理与识别）和逻辑控制；下位机使用ESP8266微控制器，负责数据的采集和执行上位机指令，二者使用2.4Ghz无线网络进行直连通讯。系统整体结构如图1所示。其中，Raspberry Pi 3B+是整个系统设计的核心，与PCA9685驱动板直连，从而驱动两个舵机使风扇左右、上下转动；摄像头通过USB接口连接Raspberry Pi，进行图像采集完成人脸识别处理，并将识别信号反馈给PCA9685驱动板，实现联动；ESP8266微控制器通过无线与Raspberry Pi交互，为风扇电机供电，同时完成温湿度信息的采集与显示。最后，通过手机等终端设备可以实现远程控制，进行家居环境监控。具体流程如图2所示。

图1 系统结构

图2 处理流程

2 硬件选择

2.1 Raspberry Pi处理器

Raspberry Pi，中文名为“树莓派”,由英国“Raspberry Pi基金会”开发，又称卡片式电脑，外形只有信用卡大小，却具有电脑的所有基本功能[5]。主板是基于ARM设计，以SD卡为存储盘，主板周围有USB接口和以太网接口，可连接键盘、鼠标和网线，同时拥有相应输出接口（图3）。

图3 Raspberry Pi处理器

树莓派操作系统是基于Linux的，目前Raspbian是树莓派官方推荐的操作系统，其包含了深度定制的硬件驱动与软件程序。Raspbian是一款轻量级操作系统，稳定性较好。

2.2 ESP8266微控制器

ESP8266是一款低功耗、高集成度的微控制器，它是一款具有完整的TCP/IP协议栈和单片机功能的控制器，内置一个泰思立达（Tensilica）处理器，可以使用外部闪存作为存储器（图4）[6]。在WiFi方面，ESP8266实现了完整的802.11b/g/n协议。该模块有三种工作模式：

图4 ESP8266微控制器

STA模式：ESP8266模块通过路由器连接互联网，手机或电脑通过互联网实现对设备的远程控制。

AP模式：ESP8266模块作为热点，手机或电脑直接与模块连接，实现局域网无线控制。本系统的设计正是利用此模式，实现了树莓派和ESP8266的直接交互。

STA+AP模式：两种模式的共存模式，即可以通过互联网控制可实现无缝切换，方便操作。

3 软件设计

系统开发环境是Raspberry Pi下的Raspbian操作系统，基于OpenCV和Dlib的Python语言开发[7]。

3.1 人脸检测

要完成人脸跟随，第一步需要实现人脸检测。在人脸检测算法的采取上，选用了Dlib开源库，在众多开源库中，Dlib库拥有识别率高、错误率低等特点，同时稳定性较好。由于人脸检测算法复杂度较高，四核心树莓派3B+处理器识别每幅图像约150 ms，几乎无法实现实时人脸检测，于是对每帧图像进行预处理。具体包括缩小分辨率、跳帧、减少颜色数等操作，预处理后可以达到25±5 fps的帧率，即检测每幅图像大约35 ms，从而实现实时人脸处理和检测。

3.2 人脸追踪

人脸追踪定位算法采用PID控制算法[5,6]，当人脸不在画面的中心时，用屏幕中心点减去脸部中心点获取一个差值，根据差值正负获得人脸方向，再通过舵机移动一个角度值θ。根据每帧画面中检测的人脸个数，分别进行两种处理，当只有一张人脸时，调用追踪算法（1）进行横向和纵向移动；当检测到两张或多张人脸时，调用追踪算法（2），在最左边和最右边人脸间进行横向移动。具体算法如下：

追踪算法（1）

步骤1获取视频流；

步骤2读取帧画面；

步骤3进行人脸检测；

步骤4判断是否存在人脸，如果不存在则回到步骤2，存在人脸则继续；

步骤5启动风扇，分别获取人脸中心点坐标（faceCenterX，faceCenterY）和帧画面中心点坐标（vCenterX，vCenterY）；

步骤6计算差值distanceX=abs(faceCenterX-self.vCenterX)和

distanceY=abs(faceCenterY-self.vCenterY)；

步骤7判断差值distanceX和distanceY是否小于值Δ1，如果小于Δ1则风扇不做移动，否则驱动舵机左右或上下移动，进行人脸自动跟踪。

追踪算法（2）

步骤1读取帧画面并进行人脸检测；

步骤2启动风扇并判断人脸数，如果存在1张人脸，则调用追踪算法一，超过2张（含2张）人脸，则继续；

步骤3分别获取最左边人脸中心点坐标（left-FaceCenterX，leftFaceCenterY）和最右边人脸中心点坐标（rigthFaceCenterX，rigthFaceCenterY）;

步骤4计算横向差值distanceX=abs(leftFace-CenterX,rigthFaceCenterX);

步骤5判断distanceX是否小于Δ2，如果小于则风扇不做移动，否则驱动风扇在最左边人脸和最右边人脸之间移动。

3.3 风速的调控

风扇采用普通5v供电的直流电机小型风扇，接上H桥直流电机驱动板可实现PWM调速[7]，理论上可实现1 024级的风速控制。本设计使用两个档位的调节，在温度t＜25和25≤t进行风速调节，具体对应关系如表1所示。

表1 温度与风速关系匹配

4 分析与测试

通过系统集成，实现基于人脸检测跟踪的智能风扇，智能风扇实物图如图5所示。

图5 智能风扇实物图

4.1 舵机移动角度问题

当检测到画面中有人脸时，最初移动角度值取为定值，通过测试发现，固定偏移角度会导致人脸定位严重依赖帧率，并且人移动幅度较大时会发生位置丢失现象。于是设计出比例修正法，即修正角度的计算通过人脸到屏幕中心的距离乘以一个系数得出，距离越大，一次偏移角度越大，平均可在5帧内完成定位。过程如图6所示。

图6 人脸追踪定位过程示意图

4.2 风扇抖动问题

当检测到画面中有人脸时，立即进行人脸追踪会发生风扇抖动现象。通过测试发现，当人脸中心点与画面中心点差距小于Δ1时，或者多人脸追踪算法中横向差值小于Δ2时，舵机不做移动可以消除风扇抖动现象，从而保持风扇的相对稳定。

4.3 人脸检测准确率问题

本设计中人脸检测调用Dlib开源库，当检测到人脸时启动风扇，3秒内未检测人脸则自动关闭风扇。通过多次测试发现，只要人脸面部不加遮挡，光线良好，检测成功率为100%。同时在基于人脸检测的基础上，根据需要，可以实现对具体人脸的识别，并只对指定人脸进行风扇开停和自动跟踪,确保风扇安全。

5 结论

本文利用人们日常家居中最普通的风扇，设计出一款能够进行人脸检测和跟踪的智能风扇。该设备利用人脸检测算法，对采集到的视频流进行分析处理，当出现人脸时能够自动开启并进行人脸动态跟踪。另外，根据家居环境温度自动调节风速，极大地提高了用户的体验。通过实验测试，设备人脸检测率高，整个运行过程稳定，保证了设备的安全性和节能高效。