基于树莓派的无接触防疫智能药物柜系统

基于树莓派的无接触防疫智能药物柜系统

刘佳成，吴金文，王彬

（南京工业大学浦江学院，江苏南京，210000）

摘要：当今疫情日益严重，医院门诊药房高负荷运转。现设计了一套智能药房系统。该系统由树莓派4B做主控，控制电机驱动机械臂的运动，通过摄像头运行Haar+Cascade分类器进行人脸识别，提取人脸特征，医护人员在后台进行配药，患者在前台进行取药。该系统存在3%左右的误识别率，因此还装配有RFID识别功能。实现半自动化智能药房。不仅能提高药房配药效率，也能防止药物配错现象出现。因此，该设计具有一定可行性。

关键词：人脸识别；智能防疫；物联网；人脸检测

0引言

随着疫情的紧急情况不断升级，疫情重灾区的医疗系统非常紧张。因此，利用人工智能进行生物识别已然成为了新的研究方向，再根据之前对门诊药房的观察，利用人工智能技术改进传统药房是一个大趋势。本设计提出了一种半自动化的药房系统，患者在前台通过人脸识别进行身份验证，将患者身份反馈给后台的药师，药师在后台进行配药，同时将药品信息显示在前台屏幕上。

1. 系统分析

本设计系统一共包括树莓派4B，USB摄像头，人脸识别，身份验证，RFID射频识别模块等。以树莓派4B作为主控板，驱动USB摄像头采集视频流同时运行人脸识别程序，当检测到有人脸再使用身份验证程序，如果出现识别错误，或者识别不准确，还可以通过RFID模块读取IC卡上的信息，然后显示在LCD显示屏上，实现了一款无接触的半自动化的智能药房系统，用以医院门诊进行使用。

1.1.模型分析

该设计将会打开摄像头对用户的人脸信息进行采集，同时提取人脸特征点，再将人脸的信息与云端数据进行匹配，在返回给后台相应的身份信息数据。大致流程如图1所示。

图1 人脸验证流程图

1.2.应用分析

该设计在真正实际使用过程中，患者先是在挂号处进行初次人脸采集，将采集到的数据上传到云端并保存，最后去药房配药的时候，再进行第二次人脸身份验证，将先前采集到的人脸信息进行比对，同时药房内的屏幕会显示患者的信息和医生开的药方，若因多次识别不准，则可以通过刷身份证或者医保卡进行身份验证。

图2 智能药方应用流程图

2.设计与开发

2.1.人脸检测

人脸检测模块，使用Opencv库里的Haar特征的cascade分类器，识别出是否有人脸并且判断进行下一步流程操作的依据。

如下图所示，Haar是由两个矩形块组成，一个黑色一个白色，这个点的特征值则是由白色区域盖住的像素点的灰度值总和减去黑色区域盖住的像素点的灰度值总和。因为相同的一个特征矩形块，黑白面积比值不变。将下图中的矩形块放置在人脸图像上，可以通过白格子区域色块的像素灰度值之和减去黑格子区域色块的像素灰度值之和，得到特征值。由于人类面部构造，五官位置的所在色块的颜色是不一样的，有的地方颜色深，有的地方颜色浅，并且这些颜色分布适用性广。Adaboost迭代算法的使用可以将图像的信息进行几轮的级联分类，再此应用中则是将Haar特征值进行分类，进而判断出人脸。

2.2.Dlib人脸特征点提取

本设计的人脸特征点提取是选用Dlib进行特征点的提取，Dlib是一个开源的机器学习平台，face_recognition就是基于Dlib实现的，而且Dlib默认是可以检测到人脸68个关键点，通过68个不同的关键点位置信息加以人脸图像的匹配，可以实现人脸身份验证，这一步的操作是需要建立在检测到了人脸的基础上。

2.3.RFID射频识别模块

本设计中，采用了RFID-RC522模块，用以读取IC卡内的信息，并通过接口传输给主控板，对信息进行处理，它有SPI接口、串行UART、IIC接口，通讯种类多，易于使用。RC522是一个高度集成的非接触式读写卡芯片模块，主频为13.56MHZ，8k位容量的EEPROM，16个扇区，支持双通道通信，能够准确地识别IC卡，为无接触式设计并且读写距离为10cm内有效，符合本设计的无接触识别，减少接触从而缓解医院区域的疫情扩散。当接收到无法识别身份，无法通过人脸采集，RFID模块就会激活启动此时就可以读取卡的信息，并且可以作为人脸识别失败，身份验证出错的最方便的补救措施。

3.软件设计

本设计中模拟人脸识别，人脸特征点检测，树莓派开机后自动启动。第一次模拟，正常通过识别人脸信息区分不同的人对应不同的药方，在显示器上显示药方信息。第二次模拟，摄像头读取到了人脸信息但是没有成功识别出人脸信息，于是采用RFID模块读取IC卡的信息来进行身份验证，也同样在显示屏上显示药方信息。

4.人脸识别调试

在本设计中，先是通过人脸识别中haarcascade_frontalface_default.xml模型识别人脸，确定人脸的存在，再使用dlib里的shape_predictor_68_face_landmarks.dat里68个人脸的特征点模型，将视频流里的人脸采集一帧数据存为照片，同时将特征点的坐标数据也和对应的图片保存在同一个文件夹下，再调用这个文件夹里的药方信息，反馈到显示屏上医生开的药方。

5.RFID模块调试

本设计中，RFID是用来完成无接触读取信息的模块，使用RFID直接与电脑的上位机进行仿真实验，电脑端接收数据。并且保持10cm内的无接触，或者短暂时间接触，查看其反应时间和距离。如图所示，在此距离中是可以刚好做到既没有接触，又可以有很快的响应速度。

6.总结

在本设计中，通过使用树莓派的人脸识别与特征点提取的方法进行身份验证，通过一定程度的验证是基本上可以完成对身份的核验，而RFID模块也成功的使即使身份核验失败可以做到无接触验证，从而为目前缓解医院疫情易扩散现象提供了一种新的解决方案。

[1]赵若禺,宋家松,周鹏,彭滔.基于人脸识别的智能门禁管理系统[J].网络安全技术与应用,2021(11):42-45.

[2]杜春华. 人脸特征点定位及识别的研究[D].上海交通大学,2008.

[3]张静端.基于人脸识别技术的图书馆门禁系统的研究[J].现代电子技术,2016,39(18): 99-103.DOI:10.16652/j.issn.1004–373x.2016.18.025.

[4]韩增锟.基于人脸识别技术的考生身份验证系统的设计与实现[J].计算机与数字工程,2012,40(01):148-150.