STM32F103+OpenMV双芯方案：无接触测温与口罩识别门禁系统

简介：一套基于STM32F103与OpenMV模组的无接触式人体测温与身份识别系统完整工程，面向电子设计竞赛参赛者、嵌入式开发者及高校课设人群。项目整合红外测温模块GY906DCI、体温异常报警、口罩佩戴检测、人脸身份学习与识别、实时OLED显示GUI等功能，通过STM32主控与OpenMV视觉模块协同工作，可应用于疫情防控、门禁考勤等场景。压缩包共198个文件，以C源码（.c/.h）、Python脚本、Keil工程文件（.uvprojx）及编译中间文件为主，附带docx设计文档与txt说明，整体约8.03MB。目前已有75人学习下载。内容覆盖STM32标准外设库驱动、OpenMV视觉算法、串口通信协议、OLED界面绘制等关键模块，从底层硬件初始化到上层业务逻辑均有完整代码可循；包括Keil工程配置、hex固件、Python脚本与文档说明，便于对照学习多设备协同开发，也适合在现有基础上扩展二次功能。

1. 无接触测温配合人脸识别的双通道系统，为什么值得用STM32F103搭OpenMV

把体温测量和身份识别做到同一个闸机或者门禁面板里，是很多实验室、办公区、考勤点都在追的场景。直接拿STM32F103跑人脸识别，图像处理会把主控占满，红外测温需要的I2C时序跟着乱掉；只靠OpenMV做识别，又缺一路可靠的传感器管理和报警控制。这套方案把“STM32F103最小系统 + OpenMV模组”拆成双芯：STM32管GY906DCI红外测温、报警输出、OLED显示，OpenMV管人脸学习、口罩检测和身份回调，两路任务时序互不拖累。下面从接线、逐模块代码到现场调参，把边边角角的坑一次说清。

2. 系统架构与硬件选型：双芯分工、供电与四路外设接线

2.1 双芯分工：STM32F103和OpenMV各管哪些活

先明确谁干什么，这决定了后面代码写在哪颗芯片上。STM32F103做主控，承担三件硬实时的事：用I2C周期性读GY906DCI的温度寄存器并对数据做补偿判断；驱动蜂鸣器或者继电器做体温异常报警；刷新OLED屏幕上的温度、口罩、身份信息。OpenMV做视觉协处理器，承担两件计算密集的事：基于Haar级联与LBP特征做人脸检测、身份学习和匹配；依据人脸下半区域肤色像素占比判断是否佩戴口罩。

于是两侧之间只有一条轻量的通信链路——OpenMV通过串口把“身份ID、口罩标志、检测框宽度、匹配置信度”打包发回STM32。STM32不需要知道OpenMV内部用了什么算法，只看报文内容；OpenMV也不参与温度判断，避免串扰。这种“控制和视觉分离”的思路，是整套系统能稳定复现的前提。

选型理由也顺带说一句。STM32F103系列内核成熟、文档多、外设丰富，市面上一块F103C8T6最小系统板就能跑完传感器、OLED和报警三路逻辑，不用上实时操作系统。OpenMV则把OpenCV里的关键API封装成了MicroPython函数，人脸检测、LBP描述子、帧缓存都是现成接口，学习成本比在Linux板子上搭视觉栈低很多。GY906DCI模块本质是迈来芯MLX90614红外热电堆传感器的成品封装，单点测温、SMBus接口，标称测量范围能覆盖人体温度区间，门口测额温够用。

还要提醒一点：如果项目后面要接入闸机电磁锁或者更多IO，建议直接选F103ZET6这类大封装，引脚余量更多。本文按常见的F103C8T6接线来写，引脚数量刚好覆盖一路I2C、一路软件I2C、一路串口和一个报警IO。

2.2 STM32F103最小系统与5V转3.3V电源电路

很多朋友第一次搭这套系统，电源就在面包板上翻车。GY906DCI模块对外标称工作电压常见为5V供电，而STM32F103C8T6核心和OpenMV模组都是3.3V逻辑，OLED模块则按买到的型号分3.3V或5V两种。最稳妥的供电路径是“外部5V电源进来，先用AMS1117-3.3稳压到3.3V，再分给STM32、OpenMV和OLED”。不要把5V直接怼到STM32的3.3V引脚上。

F103C8T6最小系统的搭建是这行的常规操作：8MHz晶振配两个20pF负载电容接到OSC_IN/OSC_OUT，BOOT0接10K电阻下拉到GND，NRST接10K上拉和0.1uF电容，供电脚并100nF去耦。程序烧录用ST-Link接SWDIO、SWCLK、GND、3.3V四根线。工程搭建推荐先在STM32CubeMX里选F103C8，时钟树配置成72MHz主频，勾选I2C1、USART2、TIM2，生成HAL库工程后导入Keil MDK编译下载。这套流程和常见的“stm32f103 keil mdk工程搭建与st-link调试全流程”一致，照做基本没有障碍。

关于5V转3.3V电路，有人直接用开发板上的LDO，外接蜂鸣器或者电磁锁时电流不够，OLED亮度会抖动。独立的一路AMS1117-3.3是后悔药，提前留好总是对的。

2.3 引脚分配与接线清单：四路外设一次接对

引脚分配的思路是让I2C1专门伺候GY906DCI，OLED用软件I2C挂在另一组引脚上，这样可以避开MLX90614的SMBus时序和SSD1306的纯I2C时序在同一总线上互相干扰的老毛病。OpenMV占用USART2，日志输出继续用USART1的PA9/PA10。接线表如下。

上拉电阻是很多人忽略的细节。GY906DCI的SDA、SCL必须要有上拉电阻，有些成品模块板载已经装了，有些则没装。接线前拿万用表量一下模块上有没有4.7K左右的电阻痕迹；没有就自己在PB6、PB7分别接一个4.7K到3.3V。OLED那一路软件I2C通常模块板载上拉，不需要重复加。

接线顺序上也有一点血泪经验：先把电源和地线全部接完，再插信号线。这套系统有两个3.3V器件（STM32和OpenMV），如果只给STM32上电而忘了OpenMV的供电，OpenMV的TX引脚会通过串口线倒灌电流，导致STM32复位异常。上电前把表再对一遍，能省下至少一个晚上的排查时间。

3. 用STM32F103读GY906DCI体温：HAL库I2C时序、换算与现场补偿

3.1 GY906DCI模块识别与I2C接线前提

GY906DCI是市场上一个常见的GY-906系列规格标称，内部核心芯片依然是MLX90614ESF。MLX90614内部集成了红外热电堆探头和信号处理芯片，通过SMBus协议输出目标物体温度。SMBus和I2C大部分兼容，但时钟频率建议控制在100kHz以内，这也是CubeMX配置里要选标准100kHz而不是Fast Mode 400kHz的原因。模块默认7位地址是0x5A，这个值决定了后续HAL函数里地址参数要左移一位变0xB4来读。

接线前提除了上电和共地之外，还要注意探测距离。MLX90614这种单点红外传感器没有透镜变焦，视场角一般是90度左右，被测目标要尽量充满传感器的视场，距离越近越准。测额头时3到5厘米比较合适，距离到了10厘米以上，读到的温度可能比真实体温低两三度，这是传感器特性决定的。

3.2 用HAL_I2C_Mem_Read读取体温：最小代码

先给出最核心的读取函数。这段代码放在CubeMX生成的HAL库工程里，声明i2c结构体变量后调用即可。

#include "main.h" extern I2C_HandleTypeDef hi2c1; #define MLX90614_ADDR_W 0xB4 // 7位地址0x5A，左移一位后带上读方向 #define MLX90614_REG_TO 0x07 // 目标物体温度寄存器 float MLX90614_ReadTemp(void) { uint8_t buf[3] = {0}; uint16_t raw = 0; float tempC = -273.0f; HAL_StatusTypeDef ret = HAL_I2C_Mem_Read( &hi2c1, MLX90614_ADDR_W, MLX90614_REG_TO, I2C_MEMADD_SIZE_8BIT, buf, 3, 200); if (ret == HAL_OK) { raw = (buf[0] | (buf[1] << 8)) & 0xFFFC; // 低2位为状态位，清洗掉 tempC = raw * 0.02f - 273.15f; // 每LSB=0.02K，转摄氏 } return tempC; }

逻辑说明：HAL_I2C_Mem_Read的第四个参数是寄存器宽度，MLX90614的寄存器地址是8位，填I2C_MEMADD_SIZE_8BIT；第五个参数是读缓冲区，读3个字节，前两字节是16位温度原始值，第三字节是SMBus协议要求的PEC校验码。原始值按0.02K一个LSB换算，减去273.15就得到摄氏温度。

参数说明里有几个关键点。地址参数一定要左移一位并带上最低位的读方向位，写地址是0x5A，Mem_Read读地址是0xB4，这是HAL库和芯片手册之间的对应关系，记错会一直超时。第三个参数填0x07是指目标物体温度，不是环境温度。离线的环境温度寄存器是0x06，调试时可以把两个值都读出来对比，便于判断传感器是否正常。读3字节而不是2字节是因为SMBus标准要求补齐PEC位，虽然这段代码跳过了PEC校验，但保留第三字节能让底层时序更完整。

CubeMX里把I2C1配置成Standard Mode 100kHz，时钟源接默认的APB1外设时钟，不需要开DMA。USART2配置成115200 8N1，用于接收OpenMV的识别帧。TIM2随便配一个10ms中断做软件计时，温度报警的去抖和OLED刷新节拍都靠它来卡。

3.3 温度换算、补偿与报警阈值：参数这样定

直接读到的温度和体温计对比，往往偏低。误差来源主要有三个，我用一张表说清楚。

现场补偿我一般用一个线性公式：final = raw + 0.5 + 0.03 * (ambient - 25)。其中ambient是MLX90614的0x06环境温度寄存器读出的值。这个公式是经验值，不是官方标准，在20到30℃室内环境里能把读数拉回到水银体温计的±0.3℃范围内。报警阈值建议设定为37.3℃，加上补偿之后如果超过37.3持续500ms，触发蜂鸣器报警并让OLED界面切换成红色警示屏。500ms去抖是必要的，直接判断单次读取会被人经过时的瞬态干扰误触发。

校验方法也提一下。拿一杯37℃的温水，用保鲜膜盖住杯口，把传感器垂直对着膜的中央，距离5厘米，等1分钟读数稳定。此时读取值应该落在36到38℃之间。如果偏差过大，检查上拉电阻和供电电压；如果读数跳变超过0.5℃，多半是I2C时序不稳，把SCL频率从400kHz降回100kHz再看。

4. 常见问题与避坑：五处让整机测温或显示翻车的细节

4.1 温度读数固定不变或读出0xFF

现象：串口打印的温度一直停在某个值，换了测温目标也不变化，偶尔读到65535对应的-273.15。

原因：MLX90614的I2C时序是SMBus风格，只要读时序里缺少总线空闲条件，传感器就会把上一次寄存器的旧值返回；读到0xFF则是I2C地址不匹配或SDA被拉死。

解决：先在逻辑分析仪上看SDA波形，确认地址是0x5A加读位。再确认PB6/PB7上有4.7K上拉，且SCL在CubeMX里是100kHz。波形正常但读值不变，就在每次读取后加10ms以上延时，让总线完全释放再发起下一次读操作。如果用的是软件模拟I2C，检查触发停止条件后是否留出至少5us总线空闲时间。

4.2 温度突跳与显示-273

现象：界面上的温度在正常值和-273之间来回跳，间隔几百毫秒。

原因：直接读3字节但没校验PEC，恰好在SMBus传输中出现数据位错误时，低2位状态位清洗不够干净，数值翻成非法温度。

解决：在读取后增加一重物理范围过滤，比如把tempC限制在-20到80之间，超出范围就丢弃本次值并用上一次合法值。这个过滤器虽然简单，但能把绝大多数总线毛刺挡在报警判定之外。更严谨的做法是完整实现PEC CRC-8校验，计算多项式0x07，校验过了才更新温度变量。

4.3 0.9寸OLED对I2C兼容性引起的白屏花屏

现象：OLED上电后白屏或者显示乱码，重新上电偶尔恢复。

原因：0.9寸OLED模块由于尺寸紧凑，很多版本用的SSD1306与0.96寸存在行列扫描方向差异，加上软件I2C时序对模块上拉电阻容量敏感，地址又可能是0x3C或0x3D两种，导致初始化指令集没对上。

解决：先用I2C扫描程序打印出OLED实际地址，确认是0x3C还是0x3D，再修改驱动里的地址宏。初始化序列里把反显、行扫描方向、COM引脚配置全部按SSD1306数据手册逐条写入，不要只调用库默认的OLED_Init就指望成功。实在难搞，把OLED单片机最小系统转移到I2C1总线，与GY906DCI共用总线不同地址，用硬件I2C重新初始化；这一步常被当作玄学，实际上就是时序余量大了自然稳。

4.4 OpenMV识别过程掉帧与看门狗复位

现象：OpenMV跑起来头两分钟正常，之后画面卡住，串口不再发帧，状态灯也不闪。

原因：OpenMV的内存不算大，高分辨率RGB565下持续做人脸检测会把堆内存耗尽，MicroPython解释器卡死；另外供电不足也会让OpenMV在检测峰值时复位。

解决：把set_framesize固定为QVGA或者更低的QQVGA，检测时用灰度图替代RGB565，能省一半内存。主循环里做帧率限制，比如每3帧只做一次完整的人脸检测，中间两帧只做串口透传和LED心跳。如果是供电问题，把OpenMV和STM32分开供电，共地即可，不要共用一颗AMS1117的输出电流上限。

4.5 串口乱码与协议粘包

现象：STM32收到的OpenMV帧偶尔缺字节，解析出来的ID和口罩状态错位。

原因：OpenMV循环里uart.write和uart.read没有做互斥，帧被温度读取的任务打断；或者STM32端一次读多个字节没有处理半包。

解决：通信协议统一为固定长度帧，帧头0xAA55双字节，帧体6字节，帧尾1字节CRC累加校验，拒绝变长帧。OpenMV端把发帧封装成一个原子函数，先组帧到内存再一次性写出。STM32端用环形缓冲接收，找帧头后等帧体到齐再解析，解析完校验CRC，校验不过就丢弃整帧而不是把残帧拼进下一帧数据处理。

5. OpenMV人脸识别、口罩检测与OLED实时GUI：从视觉到显示的一条链路

5.1 OpenMV端的人脸特征学习与识别

OpenMV官方给人脸识别提供了两条路：一个是find_template模板匹配，适合固定姿态；另一个是基于LBP描述子的find_lbp加match_descriptor，对室内光线和轻微角度变化更有韧性。这里用LBP方案，因为门禁场景用户不会完全正对镜头。

学习流程设计成按键触发：系统上电后默认处于识别模式，按住OpenMV板载按键超过2秒进入学习模式，此时通过串口接收STM32下发的用户ID，连续采集5帧人脸LBP特征并保存到OpenMV内置Flash。代码框架如下。

import sensor, image, time, ustruct from pyb import UART, Pin, LED sensor.reset() sensor.set_pixformat(sensor.GRAYSCALE) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(30) face_cascade = image.HaarCascade("frontalface") uart = UART(3, 115200, timeout_char=500) key_pin = Pin("P0", Pin.IN, Pin.PULL_UP) def learn_user(uid): feats = [] led = LED(1) for i in range(5): img = sensor.snapshot() faces = img.find_features(face_cascade, threshold=0.5, scale=1.25) if faces: r = faces[0] img.draw_rectangle(r) feats.append(img.find_lbp(r)) led.on() time.sleep_ms(120) led.off() # 取第一帧特征保存为模板 if feats: with open("/user%d.lbp" % uid, "w") as f: f.write(str(feats[0])) def match_user(img): faces = img.find_features(face_cascade, threshold=0.5, scale=1.25) if not faces: return 0, 0, 0 r = faces[0] des = img.find_lbp(r) best_id = 0 best_dist = 1000 for uid in range(1, 10): try: with open("/user%d.lbp" % uid, "r") as f: ref = f.read() dist = image.match_descriptor(des, ref)[0] if dist < best_dist: best_dist = dist best_id = uid except: continue return best_id, r.w(), best_dist while True: img = sensor.snapshot() if key_pin.value() == 0: learn_user(1) # 实际由串口带上来的uid替代 else: uid, fw, conf = match_user(img) # 按帧协议发给STM32

逻辑说明：学习阶段的关键是“取每帧的LBP描述子，但保存时只取第一帧”，这是因为LBP描述子本质是一组纹理统计值，同一用户不同帧会有细微差异，保存第一帧再配合匹配阈值就能工作。匹配阶段用match_descriptor逐一比对各用户模板，返回最近距离对应的用户ID；距离阈值可以按实测调整，室内稳定光照下一般能跑到60到80，超过90基本就是陌生人。

参数说明：threshold=0.5是Haar级联的检测灵敏度，越大越严格、误检越少，但也会漏检；scale=1.25是缩放步长，越大检测越快、精度越低。这套参数组合在QVGA分辨率下大约能跑到10到15帧每秒，足够门禁场景使用。注意find_lbp要传入检测框元组，返回的是字符串形式的描述子，保存和读取时都保持字符串一致。

5.2 口罩佩戴检测：肤色像素占比法

OpenMV不能直接跑大型卷积网络，所以工程化的口罩检测常用“肤色区域占比”来实现：不戴口罩时，人脸下半区域的嘴周和下巴会露出大片皮肤色；戴上口罩后，下半区域变成布料纹理，肤色像素骤降。算法设定一个比例阈值，肤色像素占下半区域总像素的比例低于某个值就判定为“已佩戴口罩”。

# 在RGB565图像上做人脸检测后，检查下半脸肤色比例 def is_wearing_mask(img, face_rect): x, y, w, h = face_rect mask_roi = (x, y + int(h * 0.55), w, int(h * 0.45)) # LAB肤色阈值：L 25-85，A -5到30，B 5到60 skin_threshold = (25, 85, -5, 30, 5, 60) skin_blobs = img.to_lab().find_blobs( [skin_threshold], roi=mask_roi) total_pixels = w * int(h * 0.45) skin_pixels = 0 for b in skin_blobs: skin_pixels += b.pixels() ratio = skin_pixels / total_pixels return ratio < 0.15, ratio

逻辑说明：先把整帧图像转换到LAB色彩空间，LAB对光照强度更不敏感，肤色聚类比RGB稳定。mask_roi只取人脸框上下边的55%到100%区域，避开额头和眼睛，因为眼睛周围皮肤即使在戴口罩时也会被误判为肤色像素。函数返回值第一个元素是布尔口罩判断，第二个元素是比例值，方便在屏幕上实时显示调试。

参数说明：肤色阈值是根据室内灯源下的浅色皮肤标定的，不同人群肤色中位数有差异，不要在室外阳光直射下硬套这套阈值。正确做法是拿到现场后用OpenMV IDE里自带的阈值编辑器，对着10个不同人的手背采一次LAB最小值、最大值，替换成自己的阈值范围。比例阈值0.15在使用中偏严格，如果现场识别为频繁误报“未佩戴口罩”，把阈值上调到0.2；反过来漏报多就下调到0.1。这项判断天然会受到化妆、络腮胡、深肤色影响，属于低成本方案边界，真遇到严苛识别需求，可以考虑OpenMV的NCC训练几个口罩模板再集成进去，肤色判定作为兜底。

5.3 实时OLED GUI：三态界面与局部刷新

OLED选用0.96寸12864点阵规格，驱动芯片是SSD1306。STM32端我用软件I2C驱动，主循环里每秒刷新4到5帧即可，不需要更高，人眼对温度跳变的感知本来就慢。GUI界面设计成三态：正常测温态、报警态、识别态。

#define OLED_ADDR (0x3C << 1) // 0x0寸OLED常见地址是0x3C，左移一位后写地址 // 只刷新温度数字区域，避免整屏闪烁 void OLED_UpdateTemperature(float temp) { char buf[12]; snprintf(buf, sizeof(buf), "%5.1f", temp); OLED_ShowFont16(36, 0, buf, WHITE); } // 报警态：整屏反白并叠加闪烁 void OLED_ShowAlarm(int enable) { if (enable) OLED_FillScreen(WHITE); else OLED_FillScreen(BLACK); } // 识别态：显示身份ID和口罩状态 void OLED_ShowUser(int id, int mask) { OLED_ShowFont16(0, 3, "ID:", WHITE); OLED_ShowNum16(24, 3, id, WHITE); OLED_ShowString8(0, 6, mask ? "[MASK ON]" : "[NO MASK]", WHITE); }

逻辑说明：正常态时右上角用大号16点阵字体显示体温，底部一行显示身份ID和口罩状态。每次只调用OLED_UpdateTemperature刷新中间的数字区域，顶部状态栏和底部信息栏不重画，这样刷新开销从整屏110ms左右降到局部40ms上下。报警态用OLED_FillScreen(WHITE)把整个OLED点阵置白，再配合TIM2中断做500ms间隔翻转，形成闪烁警示。

参数说明：OLED_ShowFont16和OLED_ShowString8是驱动里封装好的点阵显示函数，前者适合数字和字母，后者适合小号英文字符串。汉字显示需要额外取字模数组，我把界面上的状态全部用了英文简写，规避了字库占据大块Flash的问题。如果做中文版本，用PCtoLCD2002先把“体温异常”“请佩戴口罩”转成16x16数组，放入const区即可，一块12864屏最多能显示4行8个字，布局时留出余量。

6. 整机验证与调参：两分钟造出一台能测得准的样机

写到最后，给你一套可以照着执行的验证流程。我每次搭完这套系统，都按下面几步走，能省去大量“看起来能跑但交付不了”的麻烦。

第一步，通电后先在OpenMV IDE里看实时画面，调整摄像头角度，让人脸框稳定出现在屏幕中央，记录此时人脸框宽度，正常应占到整幅画面宽度的1/4以上。这一步同时确认OpenMV串口有数据发出。第二步，用ST-Link连接STM32，打开串口助手看USART1输出，确认STM32能收到OpenMV的帧头0xAA55且CRC校验通过。第三步，用水银体温计和GY906DCI同时测同一人的额温，记录两组数据差，按前面说的补偿公式调整偏移量。补偿完成后测10个人，误差控制在±0.3℃以内才算通过。第四步，让人戴上口罩走一遍识别流程，确认口罩状态在OLED显示正确；再让人摘下口罩走一遍，确认未佩戴口罩能触发提醒。第五步，连续运行30分钟，观察OpenMV是否有掉帧卡死、STM32是否有看门狗复位、OLED是否有花屏。三次完整运行无异常，整机才具备现场交付条件。

我自己在一次交付中遇到过一个很现实的教训：放样机的位置刚好正对空调出风口，环境温度读数每分钟波动两度，补偿公式也跟着抖。最后把测温模块用3D打印支架做了个小遮光罩，隔开冷风直吹，温度曲线立刻稳下来。这种不在芯片本身、而在安装环境的细节，恰恰是这类系统从原型走向产品最花时间的地方。希望帮到你。

本文还有配套的精品资源，点击获取