图书馆防疫实时监测系统

张杰，朱杨冕，王飞鹏，游皓宇

（东南大学 成贤学院电子与计算机工程学院，江苏南京，210000）

1 研究背景及相关技术介绍

■1.1 研究背景

传统防疫时通常采用大量人力资源对场所人员进行人工的体温检测、口罩佩戴等规范性检查，成本较高、效率低下，并且受人的主观性影响较大而易出现纰漏。继而，在高新企业园区等一些场所，一些自动化设备应运而生来满足运行速度的需要，例如一体式体温检测仪等，它们提高了检测便捷性，但存在着彼此独立、不互通、操作复杂、依旧需要不少人员值守的缺陷，本质上并没有减少太多“人”的工作量。

关于口罩识别技术，目前主流的检测识别方式是使用OpenCV 进行图像处理和目标识别，应用在口罩检测上为使用阈值函数转换黑白，检测面部的眼鼻以判断是否存在人脸，再检测面部的口鼻，来判断有没有佩戴口罩。这样的检测方法存在一些弊端，首先是检测人脸时由于口罩遮挡，很多场景下无法正确判断人脸的存在，后续的口罩检测自然是无法实现。其次，OpenCV 处理图像时会先通过阈值进行黑白处理，遇到暗光场景和偏转角度的场景，黑白处理结果不尽如人意，检测的准确率偏低。最后，由于需要多批次检测人脸的眼口鼻，程序执行的效率很低，对性能要求还更高。

■1.2 YOLOv5

Yolov5 是一种基于PyTorch 实现的轻量级深度学习框架，用于实现快速、高效的实时图像分析。它可用于检测、识别和分割一系列像素和特定场景的物体。与早期的YOLO系列相比，Yolov5 的优势在于更快的速度、更少的硬件要求以及更容易地训练过程。Yolov5 的最初版本是Yolov4，它使用网络结构为CSPDarkNet53 架构，可以达到更高的准确性和可扩展性。不仅能够对较大物体进行检测，而且还能检测出更小的物体，更准确地定位物体，并支持多类物体检测。Yolov5 的检测能力在小物体和速度的关系上优于Yolov4。此外，Yolov5 还支持梯度检测，可以提高模型性能，并让模型更加准确。梯度检测的好处在于，它可以帮助查找样本中的差异，从而提高检测准确性。总之，Yolov5 是一种在Yolo 系列中最新的图像检测框架，它比其他框架更快，也更精确，降低了硬件要求，并具有可扩展的特点以及强大的抗攻击性。

2 系统总体方案

■2.1 门禁防疫管理的设计思路

为了同时保证入馆效率与防疫力度，本项目将传统入馆方式（身份识别入馆）与各项防疫措施（口罩识别、体温测量、消杀）结合在一起，用户在刷卡识别身份的同时，会同时对用户进行口罩识别检测与体温测量，满足上述三条件后，门禁系统即可自动开闸。为了进一步加大防护力度，用户可以在通过闸门后进行自动消杀。门禁防疫管理框架图如图1所示。

图1 门禁防疫管理框架图

■2.2 室内防疫管理的设计思路

用户在进入室内后，室内摄像头可以实时进行多人的口罩识别检测，同时图书馆内座位上配备的红外测温实时检测用户的体温，上述两条件异常时，系统可以直接将用户的位置信息报告给管理员，管理员即可方便快速地找出并提醒异常人员。室内防疫管理框架图如图2 所示。

图2 室内防疫管理框架图

3 硬件实现

■3.1 主控单片机

主控单片机选择STM32F103ZET6 系统板，该系统板具有一键下载功能，能够避免多次设置B0 与B1 的问题，仅通过一根USB 线即可实现开发。同时该单片机拥有5 个UART 通信接口、3 个SPI 接口以及2 个IC 接口，满足本项目多个模块之间的互联。

■3.2 身份识别

身份识别部分采用M4255-HA IC 卡RFID 读写模块，具有命令模式、自动读卡号、自动读块数据、自动读卡号与块数据的工作模式，可以实现读卡号、读写扇区数据块、扇区加密、增减值等。同时，该模块的读写IC 卡距离可达6cm，满足日常的身份识别刷卡的要求。

■3.3 红外测温

门禁红外测温部分采用的是MLX90614 型号的红外测温模块，而室内红外测温部分采用的则是MLX90640 型号的红外测温模块。MLX90614 红外测温模块与MLX90640 红外测温模块同样采用I2C 通信，MLX90640红外测温模块相较于MLX90614 红外测温模块的工作距离更大，因此更适用于室内的红外测温。

■3.4 门禁闸门

门禁闸门部分采用MG996舵机180°型号，操作简单快捷，可通过主控单片机可自由控制舵机旋转角度，从而达到开闸与关闸的功能。

■3.5 硬件电路

各模块的电路连接设计与门禁硬件框架如图3、4 所示。

图3 电路连接设计图

图4 门禁硬件框架图

4 系统功能设计

■4.1 门禁防疫管理

图书馆门禁防疫管理是由身份识别、口罩识别、红外测温、舵机开闸与自动消杀五部分组成。

4.1.1 身份识别模块

身份识别部分采用M4255-HA IC 卡RFID 读写模块，该模块使用RS-232C 接口和外部设备进行通信，支持多种指令集，内置存储器和CPU 芯片，具有命令模式、自动读卡号、自动读块数据、自动读卡号与块数据的工作模式。该模块工作时，检测出IC 卡号并与代码中已存正确卡号进行对比，卡号对比正确后，该模块向主控STM32F103ZET6 发送数据“1”，即代表该身份识别正确；反之，卡号对比错误，该模块向主控STM32F103ZET6 发送数据“0”，并由主控控制蜂鸣器进行报警。

4.1.2 门禁口罩检测模块

口罩检测部分主要使用YOLOv5 进行视频流的目标检测，YOLOv5 是一种单阶段目标检测算法，该算法在YOLOv4 的基础上修改，速度、准确率和模型大小等方面都有所提升，其主要优点是可以自适应地调整检测框的大小和形状，从而更好地适应不同形状和尺寸的物体，同时降低了网络的计算复杂度。首先收集佩戴口罩和未佩戴口罩的图片制作数据集并训练权重，然后用训练出的权重调用YOLOv5的检测输入图片或视频流，YOLOv5 会对每一帧进行人及口罩的目标预测，输出拟合度高的目标，检测到未佩戴口罩的行为后，保存照片，最后将是否佩戴口罩结果通过串口直接发送给下位机，以提供信息判断是否开门。GUI 界面使用pyqt5 语法，利用qtdesigner 设计界面，将界面按钮与功能函数整合。

4.1.3 门禁红外测温模块

红外测温部分采用的是MLX90614 型号的红外测温模块，该模块采用非接触式红外测量技术，可以在不接触到被测物体的情况下，通过红外辐射信号来检测目标物体的温度。并且可以通过I2C 总线实现数字信号输出，响应速度快、测量精度高、使用方便等优点。单片机与MLX90614 红外测温模块之间通信的方式是“类I2C”通信，单片机接收到MLX90614 发送出的数据，经过特定处理后即可得到检测目标的温度信息，自己设定一个温度合格范围，若超出这个范围，即进行报警提示温度过高，若温度处于正常范围内，对应的温度变量置1，表示温度正常，温度条件满足。

当上述三部分皆向主控发送数据“1”时，满足舵机开闸条件，此时主控STM32F103ZET6 控制舵机转动90°，使进馆人员通过门禁。

4.1.4 自动消杀模块

自动消杀部分由一个继电器、雾化器驱动电路和雾化片组成。当进馆人员顺利通过门禁后，红外感应器SR602 在检测到人体时向主控STM32F103ZET6 发送数据“1”，此时主控来控制继电器，继电器在接收到主控输出的信号时常开端闭合，雾化片回路闭合则开始工作喷雾，在这个回路中，继电器相当于一个开关，在主控中可通过延时来控制喷雾时间并设定一个封锁时间，避免对同一目标重复工作，喷雾消毒液选用酒精。

■4.2 室内防疫管理

图书馆室内防疫管理是由口罩识别、座位管理、红外测温与管理员提醒四部分组成。

4.2.1 室内口罩检测模块

室内口罩检测部分同样使用YOLOv5 进行视频流的目标检测，但与门禁口罩检测部分不同的是，室内口罩检测可以实时检测多人口罩的佩戴情况，首先收集佩戴口罩和未佩戴口罩的图片制作数据集并训练权重，然后用训练出的权重调用YOLOv5 的检测输入图片或视频流，YOLOv5 会对每一帧进行人及口罩的目标预测，输出拟合度高的目标，检测到未佩戴口罩的行为后，保存照片，最后图室内部分调用邮箱发送函数，将图片和提醒发送到预先设定的邮箱和微信公众号完成提醒功能。GUI 界面使用pyqt5 语法，利用qtdesigner 设计界面，将界面按钮与功能函数整合。如图5 所示。

图5 室内口罩识别页面

4.2.2 座位管理模块

座位管理部分采用目标间的距离检测来实现座位的间隔管理，从而避免人员距离过近，YOLOv5 检测要检测的视频流中的所有人，然后再计算所有检测到的人之间的相互“距离”，和现实生活中用“m”这样的单位衡量距离 不一样的是，在计算机中，简单的方法是用检测到的两个人的质心，也就是检测到的目标框的中心之间相隔的像素值作为计算机中的“距离”来衡量视频中的人之间的距离是否超过安全距离。

座位管理部分具体构建步骤：

基于以上口罩目标检测算法来检测视频流中的所有人，得到目标的位置信息并通过检测目标所得到的矩形框的四个边角位置坐标来计算其质心位置，然后将所有目标的质心位置保存于数组中；利用itertools 模块提供的组合生成函数combinations 函数使所有目标质心进行两两组合且不带重复，然后计算所有检测到的人质心之间的相互距离；自己设置安全距离，计算每两个目标之间的距离后，检测两个人之间的距离是否小于N 个像素，小于则处于安全距离，反之则不处于，并将两个处于危险距离的目标使用红线进行连接并显示High Risk 以便于观看,如图6 所示。

图6 座位管理页面图

4.2.3 室内红外测温模块

室内红外测温部分采用的是基于MLX90640 传感器的红外测温模块，是一款高分辨率红外阵列传感器，可以提供32×24 个测量像素，其工作温度范围为-40℃～+85℃，可以实现非接触式、高精度的温度测量。该传感器采用了先进的非接触式红外技术，可以在快速移动的对象上准确测量温度，同时也适用于低温和高温环境。它通过UART 通信与电脑进行连接通信，将画面中检测到的最高温度显示出来，便于人员观察。若画面中没有人体，则直接输出所测环境温度，若检测到人体存在，就进行一定的温度补偿，使所得数据更加合理化。

■4.2.4 管理员提醒模块

管理员提醒部分采用邮箱提醒与微信公众号提醒两种方式，算法会对每一帧进行人及口罩的目标预测，输出拟合度高的目标，检测到未佩戴口罩的行为后，保存照片。在设备联网的状态下，调用已保存的未佩戴口罩照片通过邮箱发送函数，将图片和提醒发送到预先设定的邮箱完成提醒管理员的功能；或者通过调用挂载的微信公众号向管理员推送违规信息。以便管理员作出及时纠正。如图7 所示。

图7 管理员提醒页面图

门禁防疫管理软件流程如图8 所示，室内防疫管理软件流程如图9 所示。

图8 门禁防疫管理软件流程图

图9 室内防疫管理软件流程图

5 系统测试

■5.1 门禁防疫管理测试

为测试门禁防疫管理系统的运行结果与检测准确性，分为以下四种情景来进行测试。情景1：入馆人员身份识别错误，情景2：入馆人员未佩戴口罩，情景3：入馆人员体温异常，情景4：红外检测到人员通过闸机后，对人员进行自动消杀。每种情景采取多人以及80 次以上的测试，从而提高测试的准确性，测试数据如表1 所示。

表1 门禁防疫管理测试数据

经过实际测试，门禁防疫管理系统能够正确识别进馆人员身份，并能对进馆人员的口罩佩戴情况与体温情况进行精准地判断与测量。同时，可以成功实现消杀的功能。

■5.2 室内防疫管理系统测试

为测试室内防疫管理系统的运行结果与检测准确性，分为以下四种情景来进行测试。情景1：室内人员未佩戴口罩，情景2：室内人员体温异常，情景3：室内人员距离过近，情景4：以上三种异常情况发生时，系统自动提醒管理员。每种情景采取多人以及80 次以上的测试，从而提高测试的准确性，测试数据如表2 所示。

表2 室内防疫管理测试数据

经过实际测试，室内防疫管理系统能够有效地对图书馆内部人员进行口罩检测、能够正确判断出人员间距以及正确测量出馆内人员体温。同时，可以将人员未佩戴口罩、人员距离过近、体温异常情况通过邮箱与微信公众号的方式上报给管理人员，从而成功地实现自动提醒管理员的功能。

综上所述，本系统的实际运行效果高效准确、科学合理、符合实际的应用场景的要求。

6 结语

本系统目的在于实现图书馆防疫一体化、智能化、多功能化与高效化的管理，根据应用场景可分为图书馆门禁防疫管理与图书馆室内防疫管理两部分。可为图书馆在门禁处提供身份识别、口罩识别、红外测温、冲卡报警、自动消杀的功能，也可在馆内提供座位管理、口罩与体温实时监测与报告的功能，是一个智能化、多功能化与高效化的综合系统。本系统创新性地把口罩检测和体温检测纳入门禁系统，实现全自动式的疫情防控门禁；同时在室内实时进行口罩检测同时进行距离监测和体温监测，大大提高了室内的防疫效率。

本系统的优点在于：

（1）本发明创新性地将多种模块相结合，极大地降低了人工成本，节省了人力资源，在不干扰馆内人员正常活动的情况下，极大增强了对于疫情的防控力度，保证了入馆效率；

（2）本发明的口罩识别采用YOLOv5 方案，识别的准确率得到了显著提升，性能占用相比OpenCV 更低。同时，YOLOv5 具有良好的兼容性，可以多平台部署，以及适配CUDA 等GPU 加速工具，使效果得到进一步优化；

（3）室内的实时的体温检测与口罩的多人检测解决了巡查人员有监管盲区的问题，大幅降低馆内人员传染病交叉感染的风险，同时节省了大量的人力资源成本；

（4）检测到违规行为实时进行记录与位置上报，方便管理人员到达现场进行处置与处罚证据的留存。