TouchFree: Automatisk temperaturkontroll och maskdetekteringskiosk: 5 steg
TouchFree: Automatisk temperaturkontroll och maskdetekteringskiosk: 5 steg

Innehållsförteckning:

Anonim
Image
Image
TouchFree: Automatisk temperaturkontroll och maskdetekteringskiosk
TouchFree: Automatisk temperaturkontroll och maskdetekteringskiosk
TouchFree: Automatisk temperaturkontroll och maskdetekteringskiosk
TouchFree: Automatisk temperaturkontroll och maskdetekteringskiosk

I takt med att länder runt om i världen öppnar igen blir det nya sättet att leva med det nya coronaviruset. Men för att stoppa spridningen av viruset måste vi skilja människor som har coronaviruset från resten.

Enligt CDC är feber det ledande symptomet på Coronaviruset med upp till 83% av symtomatiska patienter som visar några tecken på feber. Många länder gör temperaturkontroller och masker obligatoriska för skolor, högskolor, kontor och andra arbetsplatser.

För närvarande utförs temperaturkontroller manuellt med kontaktlös termometer. Manuella kontroller kan vara ineffektiva, opraktiska (på platser med ett stort fotfall) och riskabelt.

För att lösa dessa problem har jag konstruerat en kiosk som automatiserar processen för temperaturkontroll med hjälp av ansiktsmarkering och kontaktlös IR -temperatursensor och maskdetektering med hjälp av Deep Learning Neural Network.

Användningen av denna kiosk är inte begränsad till skolor, högskolor, kontor, andra arbetsplatser utan kan också användas på högriskområden som sjukhus. Denna enhet kan också användas på tågstationer, busshållplatser, flygplatser etc.

Mitt tillvägagångssätt för detta projekt var att bygga en strömlinjeformad installationsprocess så att alla som inte har någon tidigare erfarenhet av datorsyn eller djupinlärning kan använda detta. Detta är ett fullt fungerande och klart att använda projekt. Jag har gjort detta projekt mycket anpassningsbart genom att lägga till kodfiler för varje fristående del och den fullständiga versionen. Således kan du använda någon av delarna av projektet individuellt.

Förklaring

För det första försöker det Tensorflow -baserade Deep Learning Neural Network att upptäcka om personen bär en mask eller inte. Systemet har blivit robust genom att träna det med många olika exempel för att förhindra falska positiva.

När systemet väl har upptäckt masken ber det användaren att ta bort masken så att den kan utföra ansiktsmarkering. Systemet använder DLIB -modul för ansiktslandmärke för att hitta den bästa platsen på pannan för personen att ta temperaturen från.

Sedan, med hjälp av PID -kontrollsystem med servomotorer, försöker systemet att rikta in den utvalda punkten på pannan med sensorn. När systemet väl är inriktat tar det temperaturavläsning med kontaktlös IR -temperatursensor.

Om temperaturen ligger inom det normala människokroppstemperaturområdet tillåter personen att fortsätta och skickar ett e -postmeddelande till administratören med en bild och andra detaljer som kroppstemperatur, etc.

Tillbehör

Hårdvara

  1. Raspberry Pi modell 2/3/4
  2. Raspberry Pi kameramodul v1/v2
  3. Beröringsfri infraröd temperatursensormodul (MLX90614)
  4. Officiell Raspberry Pi -pekskärm (eller generisk 3,5 -tums pekskärm) (tillval)
  5. Pan Tilt Kit
  6. SG90 Micro Digital Servo x 2
  7. MicroSD -kort
  8. Raspberry Pi strömadapter

programvara

  1. Raspberry Pi OS (tidigare känt som Raspbian)
  2. Tensorflow-2.2.2
  3. OpenCV
  4. DLIB Facial Landmarking

Rekommenderad: