[16]。首先調(diào)整原始圖像的大小，然后將其發(fā)送到CNN網(wǎng)絡(luò)，最后處理該網(wǎng)絡(luò)。預(yù)測(cè)結(jié)果可將檢測(cè)結(jié)果檢測(cè)到目標(biāo)。Yolo圖3-1Yolo處理示意圖將輸入的圖片劃分成SS個(gè)單元格，每個(gè)單元格負(fù)責(zé)檢測(cè)中心點(diǎn)落在該格子內(nèi)的目標(biāo)物，如圖3-2所示。每個(gè)單元格會(huì)檢測(cè)B個(gè)邊界框以及邊界框的置信度。置信度包含兩個(gè)方面，一方面是邊界框含有目標(biāo)可能性的大小Pr(object)，另一方面是該邊界框的準(zhǔn)確度。當(dāng)邊界框不包含目標(biāo)時(shí)，Pr(object)=0，反之則Pr(object)=1。利用預(yù)測(cè)框與實(shí)際框的IOU來表示邊界框的準(zhǔn)確度，記為Pr(object)IOUpredtrut?。因此置信度可定義為IOUpredtrut?。同時(shí)用（x，y，w，h）這4個(gè)值來表示邊界框的大小與位置，邊界框的中心坐標(biāo)，邊界框的寬與高。邊界框的寬和高預(yù)測(cè)值是相對(duì)于整個(gè)圖片的寬和高的比例，這樣理論上4個(gè)元素的大小應(yīng)該在[0,1]的區(qū)間范圍內(nèi)。這樣，每個(gè)邊界框的預(yù)測(cè)值實(shí)際上包含5個(gè)元素：（x，y，w，h，c），c表示置信度REF_Ref72583048\r\h圖3-2網(wǎng)格劃分對(duì)于分類問題，每個(gè)單元預(yù)測(cè)C類概率值，表示目標(biāo)屬于每個(gè)類的概率。但是這些概率是在每個(gè)邊界框的置信度下的條件概率，即Pr(Classi|Object)。然而，無論一個(gè)單元能預(yù)測(cè)多少個(gè)邊界盒，它只能預(yù)測(cè)一種概率值，這是Pr(Classi|Object)ProbjectIOUpredtrut?=Pr(它表示在該邊界框中，目標(biāo)屬于各個(gè)類別的可能性。圖3-3模型預(yù)測(cè)值流程圖對(duì)于每個(gè)預(yù)測(cè)框，根據(jù)類別成本的可靠性，選擇可靠性最高的類別作為預(yù)測(cè)標(biāo)簽。經(jīng)過此處理層后，您將獲得每個(gè)預(yù)測(cè)框的預(yù)測(cè)類別和置信度值。通常情況下，會(huì)設(shè)置一個(gè)置信度閾值。即，排除置信度低于閾值的框因此，在此處理層之后，剩下的就是更可靠的預(yù)測(cè)框。最后，將非最大抑制算法用于這些預(yù)測(cè)框，最后獲得檢測(cè)結(jié)果。圖3-4Yolo算法檢測(cè)流程圖3.3深度神經(jīng)網(wǎng)絡(luò)DNN（深度神經(jīng)網(wǎng)絡(luò)）是機(jī)器學(xué)習(xí)領(lǐng)域的一項(xiàng)技術(shù)。作為網(wǎng)狀結(jié)構(gòu)，它適合于存儲(chǔ)圖像特征信息，并且具有許多層，例如輸入層，輸出層和隱藏層。每層包含多個(gè)節(jié)點(diǎn)。對(duì)于此模型，它是一組數(shù)據(jù)結(jié)構(gòu)，用于存儲(chǔ)網(wǎng)絡(luò)的形狀及其內(nèi)部參數(shù)。該模型的數(shù)據(jù)通?？梢员４鏋槲募?，例如用于描述模型形狀和結(jié)構(gòu)的kmodel格式文件。此外，參數(shù)僅由各種軟件使用。您要做的就是設(shè)計(jì)模型的結(jié)構(gòu)和參數(shù)，以檢測(cè)和分類目標(biāo)。但是，模型的計(jì)算非常復(fù)雜，因此需要機(jī)器訓(xùn)練才能自動(dòng)獲取所需的參數(shù)，即深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練。在使用模型進(jìn)行推理時(shí)，數(shù)據(jù)從輸入層到輸出層，前一層的節(jié)點(diǎn)值到后一層的節(jié)點(diǎn)值計(jì)算可以用y=wx+b表示,y為輸出，x為輸出，w為權(quán)重，b為偏置，同時(shí)加入激活函數(shù)Sigmod（∑wx+b）經(jīng)過這樣的無數(shù)次計(jì)算，最終得到一個(gè)值，但是值并不統(tǒng)一，因此將所有輸出的值通過公式計(jì)算,最終得到一個(gè)在[Si=e3.4深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模型訓(xùn)練是必不可少的過程。確定模型后，內(nèi)部節(jié)點(diǎn)之間的權(quán)重和偏差是隨機(jī)的，需要進(jìn)行訓(xùn)練。即，將確定使用的結(jié)果數(shù)據(jù)用于輸入，以得到具有正確結(jié)果的錯(cuò)誤。提供正確的結(jié)果，并在最后訓(xùn)練正確的結(jié)果。由于輸出結(jié)果非常不穩(wěn)定，因此引入誤差函數(shù)ess=-lg（y）來控制（0，+∞）之間的誤差。輸出或概率越接近1，則誤差越接近0。這種方法稱為交叉熵?fù)p失CEE3.5人臉識(shí)別模型的實(shí)現(xiàn)此設(shè)計(jì)中使用的個(gè)人保險(xiǎn)模型是在Maixhub模型訓(xùn)練平臺(tái)上進(jìn)行訓(xùn)練后獲得的。具體的實(shí)現(xiàn)方法如下。（1）確定分辨率。單片機(jī)收集的圖像分辨率為224224，因此選擇該分辨率作為訓(xùn)練圖像的分辨率。（2）收集所有照片的通用術(shù)語數(shù)據(jù)集，并確定照片數(shù)量，以便以后可以快速，準(zhǔn)確地收集它們。最小值必須為100或更高。準(zhǔn)確度方面，已選擇200張照片進(jìn)行訓(xùn)練。（3）包括照片，直接通過單片機(jī)的照相機(jī)收集所需分辨率的照片，將它們保存在SD卡上，按照指定的順序?qū)⒄掌瑥?fù)制到計(jì)算機(jī)上并標(biāo)記數(shù)據(jù)集。（4）在平臺(tái)上創(chuàng)建訓(xùn)練任務(wù)，選擇目標(biāo)檢測(cè)類型，提交數(shù)據(jù)集并開始訓(xùn)練模型。（5）將訓(xùn)練好的模型燒錄到單片機(jī)的閃存中，并通過KPU模塊加載模型，以達(dá)到人工檢查的效果。4嵌入式系統(tǒng)設(shè)計(jì)4.1系統(tǒng)硬件設(shè)計(jì)4.1.1單片機(jī)的芯片選型圖4-1K210框架圖MaixDock是Sipeed矽速科技推出的一款單片機(jī)，其主芯片型號(hào)為KendryteK210。圖4-1K210框架圖K210包括一個(gè)RISC-V64位雙核CPU，每個(gè)核都有一個(gè)獨(dú)立的FPU。K210的核心功能是機(jī)器視覺和聽覺。這包括一個(gè)用于計(jì)算角色的KPU，一個(gè)人工神經(jīng)網(wǎng)絡(luò)和一個(gè)用于處理麥克風(fēng)陣列輸入的APU。同時(shí)，K210具有快速的傅立葉變換加速器，可以執(zhí)行高性能和復(fù)雜的FFT計(jì)算。因此，在大多數(shù)計(jì)算中。因此，對(duì)于大多數(shù)機(jī)器學(xué)習(xí)算法而言，K210具有高性能的處理能力。K210集成了A1S和Sa256算法加速器，可為用戶提供基本的安全功能。K210具有高性能，低功耗SM和強(qiáng)大的DM。出色的性能和吞吐量。K210具有豐富的外圍設(shè)備，例如DVP，JTAG，OTP，F(xiàn)PIOA，GPIO，UART，SPI，RTC，I2S，I2C，WDT，計(jì)時(shí)器和PWM，以支持大量的應(yīng)用場(chǎng)景。圖4-2MaixDock(M1W)開發(fā)板原理圖總之，與其他開發(fā)版本相比，圖4-2MaixDock(M1W)開發(fā)板原理圖4.1.2ESP8285模塊ESP8285是一個(gè)網(wǎng)卡模塊，使用AT模式進(jìn)行交互，并通過串行端口2連接到單片機(jī)。引腳8是使能引腳。您可以創(chuàng)建GPIO對(duì)象來控制它們的高電平和低電平，并啟用，禁用或重置它們。重置后，該操作將花費(fèi)一些時(shí)間。必須先安裝天線，然后才能使用它。ESP8285具有完全獨(dú)立的WiFi網(wǎng)絡(luò)功能。它可以用作獨(dú)立應(yīng)用程序，也可以用作捕獲幼蟲的從屬。您可以運(yùn)行其他主機(jī)MCU。ESP8285托管應(yīng)用程序時(shí)，可以直接從外部閃存啟動(dòng)內(nèi)置的高速功能。緩沖區(qū)存儲(chǔ)有助于提高系統(tǒng)性能。并優(yōu)化系統(tǒng)存儲(chǔ)。此外，ESP8285可以通過SPIVSDIO接口或I2C/UART用作基于微控制器設(shè)計(jì)的WiFi適配器。ESP8285易于操作，價(jià)格便宜且符合設(shè)計(jì)理念，因此該模塊用于網(wǎng)絡(luò)通信。4.1.3攝像頭的選取相機(jī)通常分為CCD和CMOS。對(duì)于CCD，相同像素成像的互操作性非常好，但是制造過程很復(fù)雜，而且很少有制造商（例如SonyPanasonic）達(dá)到這種技術(shù)水平。因此，價(jià)格將高于其他同類產(chǎn)品。CMOS的制造過程相對(duì)簡(jiǎn)單。例如，成像原理既簡(jiǎn)單又快速，但也有一些缺點(diǎn)。例如，透明性通常導(dǎo)致光供應(yīng)不足?；谄洫?dú)特的特性，它仍然比CCD少。盡管存在一定的差距，但性價(jià)比較高，并且被廣泛使用。圖4-3GC308攝像頭原理圖GC0328是一種200W像素CMOS相機(jī)，可以適應(yīng)面部識(shí)別要求。通過GPIO端口發(fā)送人臉信息，適應(yīng)性強(qiáng)?？偠灾?，這種設(shè)計(jì)可以使用此相機(jī)進(jìn)行圖像收集。圖4-3GC308攝像頭原理圖4.1.4MLX90614紅外測(cè)溫傳感器GY-906MLX90614ESFBCC模塊的有效測(cè)量距離為10cm，能夠進(jìn)行非接觸式體溫測(cè)量，并且在室溫下的標(biāo)準(zhǔn)精度為±0.5°C。醫(yī)療版本的傳感器在人體溫度測(cè)量范圍內(nèi)可以達(dá)到±0.1°C的精確度，縮小誤差。圖4-4GY-906BCC實(shí)物圖GY-906MLX90614ESFBCC模塊在IIC和微控制器之間進(jìn)行通信。通信協(xié)議是SMBus。協(xié)議和傳感器接口包括VCC，GND，SCL和SDA。MLX90614通過內(nèi)部狀態(tài)機(jī)控制對(duì)象和環(huán)境溫度的測(cè)量和計(jì)算，執(zhí)行溫度測(cè)量后并進(jìn)行處理，并用SMBus的模式進(jìn)行結(jié)果輸出。圖4-4GY-906BCC實(shí)物圖因此能夠?qū)崿F(xiàn)本設(shè)計(jì)所需要的無接觸精準(zhǔn)測(cè)量體溫的要求,同時(shí)操作方便，故采用該傳感器實(shí)現(xiàn)體溫測(cè)量。圖4-5SMBus模式傳感器原理圖4.1.5HMI串口屏圖4-5SMBus模式傳感器原理圖X5系列串行屏幕，型號(hào)為TJC4827X543_011R。該系列包括一個(gè)電阻式觸摸屏和一個(gè)RTC時(shí)鐘模塊，可以顯示圖像的背景。豐富的功能和實(shí)惠的價(jià)格。您可以在確保完整功能的同時(shí)減少不必要的成本。串行端口屏幕具有獨(dú)立的控件，因此您不必使用內(nèi)存密集型CUI圖形庫，即可實(shí)現(xiàn)精美的U-Pit界面設(shè)計(jì)。同時(shí)，它可以提供所需的功能。您只需要通過串行端口與單片機(jī)通信即可。選擇了該型號(hào)的串行端口屏幕，以節(jié)省單芯片微處理器上的資源。請(qǐng)記住，串行端口屏幕具有其自己的一組指令，并且可以執(zhí)行各種任務(wù)，但是您需要執(zhí)行以下操作：1.當(dāng)設(shè)備向串行屏幕發(fā)送命令時(shí)，它應(yīng)以3個(gè)0XFF結(jié)尾。2.串行屏幕上的所有命令名稱和參數(shù)均使用ASCII字符串?dāng)?shù)據(jù)。3.指令名稱均為小寫字母。4.1.6TFT-LCD顯示屏圖4-6TFT-LCD顯示屏原理圖通過介紹面部識(shí)別過程，用戶可以將他們的面部定位在正確的位置。該設(shè)計(jì)使用Piped的2.4英寸TFT-LCD顯示屏。它由彩色TFT-LCD面板，驅(qū)動(dòng)器IC和背光單元組成。它的分辨率為240320，可以顯示超過262圖4-6TFT-LCD顯示屏原理圖4.1.7蜂鳴器的選取圖4-7蜂鳴器原理圖本設(shè)計(jì)只需要實(shí)現(xiàn)報(bào)警功能，因此，采用價(jià)格低的低，電平觸發(fā)的有源蜂鳴器工作電壓分別為3.3V~5V，采用S8550三極管驅(qū)動(dòng)。工作時(shí)，只需要給I/O圖4-7蜂鳴器原理圖4.1.8繼電器的選取為了實(shí)現(xiàn)門禁系統(tǒng)模擬開門的效果，本系統(tǒng)采用繼電器來控制門鎖的開關(guān)。由于只需要控制一個(gè)門鎖,并不需要太多功能，故選擇1路5V繼電器，通過低電平觸發(fā)。當(dāng)人臉識(shí)別和體溫檢測(cè)通過時(shí),繼電器打開,從而實(shí)現(xiàn)門鎖控制。4.2系統(tǒng)軟件設(shè)計(jì)使用軟件平臺(tái)開發(fā)系統(tǒng)，然后選擇合適的軟件平臺(tái)。這不僅為開發(fā)人員提供了便利，還節(jié)省了開發(fā)時(shí)間。以下是主要的相關(guān)軟件平臺(tái)。4.2.1軟件平臺(tái)介紹1.MaixPyIDEMaixPy是一個(gè)將Micropython移植到K210的項(xiàng)目。它支持傳統(tǒng)的MCU操作，并將硬件加速的AI機(jī)器視覺與麥克風(fēng)陣列集成在一起。1ToPs計(jì)算能力核心模塊不到50元，非常低的成本，對(duì)于快速發(fā)展非常實(shí)用。AIOT領(lǐng)域的智能應(yīng)用。2.阿里云物聯(lián)網(wǎng)平臺(tái)阿里云為IOT平臺(tái)設(shè)備提供安全可靠的連接和通信功能，將大型設(shè)備連接到底部，支持設(shè)備的數(shù)據(jù)收集和云加載。向上提供云API，服務(wù)器調(diào)用云API將指令發(fā)送到設(shè)備以進(jìn)行遠(yuǎn)程控制。圖4-8通信圖4-8通信流程圖設(shè)備通過MQTT協(xié)議與物聯(lián)網(wǎng)平臺(tái)建立長(zhǎng)連接，上報(bào)數(shù)據(jù)（通過Publish發(fā),布Topic和Payload）到物聯(lián)網(wǎng)平臺(tái)。您還可以配置規(guī)則引擎以編寫用于處理報(bào)告數(shù)據(jù)的SQL，并配置轉(zhuǎn)發(fā)規(guī)則，將處理后的數(shù)據(jù)轉(zhuǎn)發(fā)到指定的Topic。3.微信小程序微信小程序是連接用戶和服務(wù)的全新方法。在微信中易于獲取和分發(fā)，并提供了出色的用戶體驗(yàn)。除了具有較低的開發(fā)成本，較低的客戶獲取成本以及因擁有正式帳戶而導(dǎo)致的下載需求外，服務(wù)請(qǐng)求的延遲和用戶體驗(yàn)也得到了顯著改善，以實(shí)現(xiàn)更復(fù)雜的服務(wù)功能，從而使用戶變得更好的用戶體驗(yàn)。4.USARTHMIUSARTHMI軟件作為淘晶馳智能串口屏集成開發(fā)環(huán)境。該集成開發(fā)環(huán)境串口屏界面設(shè)計(jì)，調(diào)試等開界面開發(fā)所有功能。4.2.2人臉識(shí)別模塊程序設(shè)計(jì)首先對(duì)攝像頭,LCD屏初始化，加載人臉模型完成初始工作。當(dāng)人臉識(shí)別開始后，攝像頭拍攝一張照片,通過KPU對(duì)拍攝出的照片進(jìn)行人臉檢測(cè)，若識(shí)別到人臉，則將人臉與保存的人臉信息進(jìn)行匹配，匹配成功則進(jìn)行下一步;反之,認(rèn)證失敗。4.2.3紅外測(cè)溫模塊程序設(shè)計(jì)MLX90614和MaixDock開發(fā)板之間采用IIC通訊方式，單片機(jī)通過IIC讀取MLX90614的TOBJ1寄存器中的數(shù)值，通過計(jì)算最終得到體溫的準(zhǔn)確數(shù)字。4.2.4網(wǎng)絡(luò)通信模塊程序設(shè)計(jì)MCU與阿里巴巴平臺(tái)之間，小程序與阿里巴巴平臺(tái)之間的通信協(xié)議是MQTT協(xié)議。MQTT是IBM領(lǐng)導(dǎo)的IoT傳輸協(xié)議。它專為輕量級(jí)發(fā)布/訂閱消息傳輸而設(shè)計(jì)，旨在為具有低帶寬和不穩(wěn)定MQTT網(wǎng)絡(luò)環(huán)境服務(wù)的IoT設(shè)備提供可靠的網(wǎng)絡(luò)。它的核心設(shè)計(jì)思想是開源，可靠，輕巧和簡(jiǎn)單。微信小程序與單片機(jī)之間的通信是通過阿里云規(guī)則引擎來完成的。單片機(jī)通過MQTT協(xié)議將消息發(fā)送到指定主題，阿里云物聯(lián)網(wǎng)平臺(tái)接收到該消息，并通過規(guī)則引擎將消息流轉(zhuǎn)發(fā)到另一個(gè)主題。這時(shí)，當(dāng)微信小程序訂閱該主題時(shí)，所接收的信息就會(huì)流通并實(shí)現(xiàn)通信。發(fā)送和接收的數(shù)據(jù)格式為Json格式。4.2.5串口屏模塊程序設(shè)計(jì)圖4-9UI界面設(shè)計(jì)串行端口畫面和單片機(jī)之間的通信協(xié)議是串行通信。串行端口屏幕可以獨(dú)立完成UI界面的設(shè)計(jì)和界面的交互功能，因此您要做的就是在單片機(jī)和串行端口屏幕之間發(fā)送所需的數(shù)據(jù)。單芯片計(jì)算機(jī)必須根據(jù)為串行端口指定的通信協(xié)議將數(shù)據(jù)發(fā)送到串行端口，并在末尾添加3個(gè)圖4-9UI界面設(shè)計(jì)4.3系統(tǒng)設(shè)計(jì)總體流程1.打開系統(tǒng)電源后，首先需要初始化系統(tǒng)，檢查是否一切正常，然后將存儲(chǔ)在FLASH中的程序和數(shù)據(jù)加載到SDRAM中。2.連接WIFI。WIFI連接成功后，通過WIFI將您的MCU連接到阿里云IOT平臺(tái)并訂閱相應(yīng)的主題。3.啟動(dòng)門禁系統(tǒng)，啟動(dòng)后先進(jìn)行人臉檢測(cè)。當(dāng)檢測(cè)到人臉時(shí)，將執(zhí)行人臉識(shí)別并將識(shí)別出的特征值與存儲(chǔ)的人臉庫進(jìn)行比較。如果比賽失敗，您將無法打開門。4.匹配成功后，執(zhí)行溫度檢測(cè)。當(dāng)您的體溫超過警告范圍時(shí)，將發(fā)出警報(bào)。否則，門鎖將正常打開。5.未來的訪客信息將報(bào)告給阿里巴巴平臺(tái)，阿里巴巴平臺(tái)最終會(huì)將其轉(zhuǎn)移到微信程序中進(jìn)行顯示。流程圖如圖：5系統(tǒng)調(diào)試與分析5.1人臉識(shí)別調(diào)試根據(jù)上文提到的人臉識(shí)別算法，將訓(xùn)練好的Yolo2人臉模型，通過單片機(jī)的KPU運(yùn)行后，成功實(shí)現(xiàn)了人臉識(shí)別檢測(cè)，其效果圖如下圖5-1。圖5-1串口屏數(shù)據(jù)的解析函數(shù)但由于錄入人臉時(shí)拍攝的角度不同，如果人臉過于模糊，則會(huì)大概率出現(xiàn)無法識(shí)別的問題。為了解決該問題，本系統(tǒng)增添了人臉五點(diǎn)檢測(cè)模型，該模型能夠檢測(cè)眼睛鼻子和嘴巴的位置，在錄入人臉時(shí)添加判定條件，只有人臉在照片中間位置，且兩眼之間的像素距離足夠大時(shí)才會(huì)進(jìn)行人臉儲(chǔ)存，以此方法來避免因人臉錄入角度出現(xiàn)的問題。5.2單片機(jī)、阿里云和微信小程序通信調(diào)試圖5-2MQTT模擬圖5-2MQTT模擬單片機(jī)、阿里云和微信小程序的通信連接5.3總體調(diào)試將嵌入式開發(fā)板連接到攝像機(jī)的顯示繼電器和蜂鳴器，確保設(shè)備沒有損壞，開始打開并調(diào)試整個(gè)系統(tǒng)。調(diào)試后，當(dāng)發(fā)出各種命令時(shí)，系統(tǒng)將采取相應(yīng)的措施。此外，系統(tǒng)反應(yīng)迅速。在預(yù)期范圍內(nèi)，整個(gè)門禁系統(tǒng)均能正常運(yùn)行，性能長(zhǎng)期穩(wěn)定，符合設(shè)計(jì)要求。6總結(jié)和展望6.1系統(tǒng)設(shè)計(jì)總結(jié)隨著智能時(shí)代的到來，傳統(tǒng)的訪問控制需要進(jìn)行革命。因此，已經(jīng)提出了用于面部識(shí)別的訪問控制。該系統(tǒng)結(jié)合了生物技術(shù)和計(jì)算機(jī)技術(shù)，并使用嵌入式應(yīng)用程序作為平臺(tái)來專注于面部識(shí)別技術(shù)的研究，包括面部檢測(cè)。圖像預(yù)處理，特征提取等，主要用于辦公室和家庭等小型場(chǎng)合。本文涵蓋的主要內(nèi)容是：本文通過參考大量文獻(xiàn)并將其與實(shí)際應(yīng)用程序需求相結(jié)合，在系統(tǒng)范圍的軟件和硬件選擇方面做了很多工作。在硬件方面，引入了諸如開發(fā)板，照相機(jī)，串行屏幕之類的硬件選擇，最后選擇了最具成本效益的硬件設(shè)備。對(duì)于軟件，引入了相關(guān)的軟件平臺(tái)，提供了用于清除整個(gè)系統(tǒng)的軟件設(shè)計(jì)過程。實(shí)施思路。在現(xiàn)實(shí)生活中，面部識(shí)別中會(huì)遇到各種干擾，例如光線和角度，因此已經(jīng)提出了針對(duì)這些因素的解決方案。我們提出了一種使用Yolo算法的人臉識(shí)別方法。總結(jié)了Yolo算法的原理和過程。6.2未來展望（1）本系統(tǒng)中實(shí)現(xiàn)的系統(tǒng)的實(shí)時(shí)性能是常見的。如果以后的條件允許，則可以選擇配置更高的處理器。同樣，在本文中，我們選擇了普通相機(jī)，并且所收集圖像的質(zhì)量是中等的，以后還會(huì)有條件。您可以選擇高質(zhì)量的相機(jī)，也可以添加光補(bǔ)償器和圖像處理芯片。（2）本系統(tǒng)中使用的溫度檢測(cè)的有效范圍僅為10厘米。如果條件允許，可以將其升級(jí)到1m的檢測(cè)范圍，并且可以同時(shí)執(zhí)行面部識(shí)別和溫度檢測(cè)，從而減少了識(shí)別時(shí)間并提高了效率。（3）本系統(tǒng)選擇將重要數(shù)據(jù)保存到SD卡。如果SD卡損壞，數(shù)據(jù)將丟失。由于缺乏有關(guān)Internet前端的知識(shí)，因此無法將數(shù)據(jù)庫用于在云中存儲(chǔ)信息。如果您以后了解前端，則可以選擇將所有系統(tǒng)數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫中，并將單片機(jī)的某些功能轉(zhuǎn)移到微信。該程序減少了單片微處理器的任務(wù)，提高了效率，同時(shí)使它們對(duì)用戶更加方便。（4）此系統(tǒng)僅適用于小型樣本辦公室，家庭，學(xué)校和其他小型場(chǎng)所。然而，隨著時(shí)代的進(jìn)步以及新技術(shù)和新觀念的出現(xiàn)，人臉識(shí)別技術(shù)應(yīng)向更廣闊的方向發(fā)展。因此，該系統(tǒng)的設(shè)計(jì)思想也需要不斷更新和改進(jìn)。

參考文獻(xiàn)李鐘石,蔡球官.“互聯(lián)網(wǎng)+”環(huán)境下高校課堂的快速簽到應(yīng)用研究[J].延邊大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2019(02):83-90+142.李湘勤，黃晨華,門戈陽,微信考勤管理系統(tǒng)在高校課堂中的應(yīng)用——以韶關(guān)學(xué)院為例[J].教育教學(xué)論壇,2018(17):8-11.楊永平,曾藝,劉世興;基于WIFI的高校課堂考勤系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)[J],信息技術(shù)與信息化，2017(z1):102-103+106.鄭瑩,孟安寧,孫久舒.基于校園卡通的考試簽到系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J],計(jì)算機(jī)時(shí)代,2017(12):96-99.毅弘.基于iBeacon定位技術(shù)的高?？记谙到y(tǒng)設(shè)計(jì)[J].福建電腦,2018,34(11):36-37+22.吳海龍,柏正堯,武文強(qiáng).基于STM32和C#的學(xué)生考勤系統(tǒng)設(shè)計(jì).國(guó)外電子測(cè)量技術(shù),2017,36(12):113-116.方冠男.基于視頻流人臉識(shí)別的課堂考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].華中師范大學(xué),2018.劉忠森,智能人臉識(shí)別門禁系統(tǒng)研究[D].哈爾濱理工大學(xué),2017,王磊，人臉識(shí)別的智能門禁系統(tǒng)的研究與設(shè)計(jì)[D],西安工業(yè)大學(xué),2017.劉機(jī)福,嵌入式人臉識(shí)別門禁系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D],湖南大學(xué),2014.李駿馳．基于人臉識(shí)別的公司考勤門禁系統(tǒng)的設(shè)計(jì)[D].電子科技大學(xué),2018周慧娟,張強(qiáng),劉羽,王旭陽,柳穎.基于YOLO2的地鐵進(jìn)站客流人臉檢測(cè)方法[J].計(jì)算機(jī)與現(xiàn)代化,2019(10):76-82.朱超平,楊藝基于YOLO2和ResNet算法的監(jiān)控視頻中的人臉檢測(cè)與識(shí)別[J],重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)),2018;176-181.彭駿，吉綱,張艷紅,占濤.精準(zhǔn)人臉識(shí)別及測(cè)溫技術(shù)在疫情防控中的應(yīng)用--普利商用精準(zhǔn)識(shí)別技術(shù)典型案例[J].軟件導(dǎo)刊,2020,19(10):8-14.蔣卓一,吳江,朱葉青.新型智能門禁的設(shè)計(jì)與實(shí)現(xiàn)[J].信息與電腦(理論版)，2020,32(19):79-81.LIOL,OUYANGWL,WANGXG,etal.DeepLearningforGenericObjectDetection:ASurvey[EB/OL].[2019-02-01],http://in./abs/1809.02165.REDMONJ,FARHADIA.YOLO9000:better,faster,stronger[C]//2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR).USA:IEEE,2017.RedmonJ,DivvalaS,GirshickR,etal.Youonlylookonce:Unified,real-timeobjectdetection[C]/