TouchFree: Automatisierter Temperaturcheck und Maskenerkennungskiosk - Gunook
TouchFree: Automatisierter Temperaturcheck und Maskenerkennungskiosk - Gunook

Inhaltsverzeichnis:

Anonim
Image
Image
TouchFree: Kiosk mit automatischer Temperaturüberprüfung und Maskenerkennung
TouchFree: Kiosk mit automatischer Temperaturüberprüfung und Maskenerkennung
TouchFree: Kiosk mit automatischer Temperaturüberprüfung und Maskenerkennung
TouchFree: Kiosk mit automatischer Temperaturüberprüfung und Maskenerkennung

Mit der Wiedereröffnung von Ländern auf der ganzen Welt wird das Leben mit dem neuartigen Coronavirus zur neuen Lebensweise. Aber um die Ausbreitung des Virus zu stoppen, müssen wir die Menschen, die das Coronavirus haben, vom Rest trennen.

Laut CDC ist Fieber das führende Symptom des Coronavirus, wobei bis zu 83% der symptomatischen Patienten einige Anzeichen von Fieber zeigen. Viele Länder machen Temperaturuntersuchungen und Masken für Schulen, Hochschulen, Büros und andere Arbeitsplätze obligatorisch.

Derzeit werden Temperaturüberprüfungen manuell mit einem kontaktlosen Thermometer durchgeführt. Manuelle Kontrollen können ineffizient, unpraktisch (an Orten mit großer Besucherfrequenz) und riskant sein.

Um diese Probleme zu lösen, habe ich einen Kiosk entwickelt, der den Prozess der Temperaturüberprüfung durch Verwendung von Gesichtsmarkierungen und kontaktlosem IR-Temperatursensor und Maskenerkennung mit Deep Learning Neural Network automatisiert.

Die Nutzung dieses Kiosks ist nicht auf Schulen, Hochschulen, Büros oder andere Arbeitsplätze beschränkt, sondern kann auch in Hochrisikobereichen wie Krankenhäusern verwendet werden. Dieses Gerät kann auch an Bahnhöfen, Bushaltestellen, Flughäfen usw. verwendet werden.

Mein Ansatz für dieses Projekt bestand darin, einen optimierten Setup-Prozess aufzubauen, so dass jeder ohne vorherige Erfahrung mit Computer Vision oder Deep Learning dies verwenden kann. Dies ist ein voll funktionsfähiges und einsatzbereites Projekt. Ich habe dieses Projekt hochgradig anpassbar gemacht, indem ich Codedateien für jeden einzelnen Teil und die Vollversion hinzugefügt habe. Somit können Sie jeden der Teile des Projekts einzeln verwenden.

Erläuterung

Erstens versucht das Tensorflow-basierte Deep Learning Neural Network zu erkennen, ob die Person eine Maske trägt oder nicht. Das System wurde robust gemacht, indem es mit vielen verschiedenen Beispielen trainiert wurde, um Fehlalarme zu verhindern.

Sobald das System die Maske erkannt hat, fordert es den Benutzer auf, die Maske zu entfernen, damit es Gesichtsmarkierungen durchführen kann. Das System verwendet das DLIB-Modul für die Gesichtsmarkierung, um die beste Stelle auf der Stirn der Person zu finden, von der die Temperatur gemessen werden soll.

Dann versucht das System unter Verwendung des PID-Steuerungssystems mit Servomotoren, den ausgewählten Punkt auf der Stirn mit dem Sensor auszurichten. Nach der Ausrichtung nimmt das System die Temperaturmessung mit dem kontaktlosen IR-Temperatursensor vor.

Wenn die Temperatur innerhalb des normalen menschlichen Körpertemperaturbereichs liegt, kann die Person fortfahren und sendet eine E-Mail mit einem Bild und anderen Details wie Körpertemperatur usw. an den Administrator.

Lieferungen

Hardware

  1. Raspberry Pi-Modell 2/3/4
  2. Raspberry Pi Kameramodul v1/v2
  3. Berührungsloses Infrarot-Temperatursensormodul (MLX90614)
  4. Offizieller Raspberry Pi-Touchscreen (oder generischer 3,5-Zoll-Touchscreen) (optional)
  5. Pan-Tilt-Kit
  6. SG90 Micro Digital Servo x 2
  7. Micro SD Karte
  8. Raspberry Pi Netzteil

Software

  1. Raspberry Pi OS (früher bekannt als Raspbian)
  2. Tensorflow-2.2.2
  3. OpenCV
  4. DLIB-Gesichtsmarkierungen