提升电子设计竞赛作品性能：简易无接触温度测量与身份识别装置

资源摘要信息:"2020年TI杯大学生电子设计竞赛-简易无接触温度测量与身份识别装置（F题）识别部分" 在2020年的TI杯大学生电子设计竞赛中，针对简易无接触温度测量与身份识别装置的识别部分，参赛者提出了多个改进措施，以优化识别的准确性并减少误差。这些改进包括了人脸样本采集的优化、识别范围的调整、输入输出IO口的定义、图像库的管理以及相机参数的自动调节。以下是对这些改进措施的详细分析： 1. 人脸样本采集优化： 原方案中，人脸样本数据的采集是单次进行的，而后与图像库中的图片进行比对。新方案通过采集三次样本数据，并进行三次比对，最终输出出现次数最多的结果，从而减小识别误差率。这种方法基于统计学原理，即通过多次测量取平均值的方式来减少偶然误差，提高识别的可靠性。 2. 识别范围的调整： 原识别算法通过比对样本与图像库整张图片中黑白像素数量，选取最相近的结果。新方案将识别范围向中间缩小了1/8，这样做可以减少背景因素的干扰，例如衣服颜色、发型等与身份识别无关的元素，从而更准确地集中于人脸特征的识别。 3. 输入输出IO口的定义： 为了增加人机交互的便利性，新方案定义了新的输入和输出IO口。通过这些IO口可以实现多种模式的切换，例如身份识别模式、口罩判别模式、学习模式选择以及学习后的身份识别等。同时，可以通过高低电平来输出识别结果，这样的设计使得装置的操作更加灵活。 4. 图像库管理的改进： 新方案对图像库的保存位置进行了优化，分别在不同的目录下保存了身份识别、口罩判别和学习模式下的图像库。这样的管理方式使得图像库更加清晰有序，便于管理和更新。用户需要将相应的文件夹从GitHub下载到OPENMV的根目录中，以便系统能够正确地访问和使用图像库。 5. 相机参数的自动调节： 新方案中加入了相机参数的自动调节功能，包括自动增益、自动白平衡和自动曝光。这些功能有助于相机适应不同的光线环境，从而提高在不同光照条件下的人脸识别准确性。尽管这样的自动调节功能可能在某些特定情况下不完全有效，但总体上能够提高系统的鲁棒性。 以上分析表明，参赛者在人脸样本采集、识别范围的优化、人机交互设计、图像库管理以及相机参数调节等方面做出了针对性的改进。这些改进旨在提高无接触温度测量与身份识别装置的准确性和用户体验，进一步说明了参赛者在项目设计过程中的创新思维和技术深度。 由于“压缩包子文件的文件名称列表”中提及的文件“openmv_identify-code”，虽然没有详细信息，但可以推测该文件很可能是上述提到的改进方案的源代码文件。通过查看该文件，可以更深入地了解实现上述改进的具体编程逻辑和技术细节。