人工智能综合项目开发- 课件 项目四 口罩佩戴检测防控系统.pptx

人工智能综合项目开发;;项目四口罩佩戴检测防控系统

项目分析

1.学习神经网络数学模型基本概念；2.了解神经网络实现基本原理；3.了解嵌入式人工智能基本概念；4.掌握嵌入式人工智能开发流程；

实验内容

疫情防控安检系统主要由口罩检测、疫情防控报警、数据可视化功能构成。实现整个系统需要采集口罩佩戴数据集进行数据标注，然后搭建神经网络训练口罩检测模型实现人脸口罩佩戴检测，再搭建嵌入式系统实现报警功能，最后综合口罩检测和报警系统实现疫情防控安检系统。;实验原理

项目背景及功能分析

新型冠状病毒来袭，武汉封城、各省、市均拉响了防御警报，各项防疫工作如同上紧发条般，争分夺秒地启动。广大民众时刻通过手机密切关注疫情，通过直播日夜了解火神山、雷神山医院的建设，各个平台也都热切讨论口罩的科学戴法、洗手的注意事项……可以说，全社会都绷了紧这根防疫的弦。当前疫情还未完全消除隐患，病毒传播速度快，易爆发，因此做好疫情防控检测工作不容懈怠。

新冠疫情的出现，不仅威胁着人们的健康，也给社会生活带来了冲击与变化。对于维护社会公共安全的安检行业，则受到更大的关注。安检的焦点，从之前单纯的重视违禁品，转变为集成了人、物、车安检以及卫生消毒、温度测控、口罩佩戴检测等事项。尤其在车站、地铁、景区、小区出入口等一些人群密集的场所，需检测是否佩戴口罩，体温是否异常，还需兼顾安全通信效率。而现有测温设备多为测试人员近身探测，安检;员也多为使用仪器手检，极易诱发交叉感染。因此目前大多升级传统安检方式，比如在车站利用无接触测温、人脸检测、自动口罩检测等技术实现智能安检防控，如图0-1所示：

图0-1车站疫情安检防控示例

疫情防控安检系统利用人工智能技术、物联网传感器设备等高技术手段实现智能安检、疫情防控报警等智能疫情防控系统。该系统在传统安检的同时，增加了人体体温检查，适用于机场、铁路、车站、海关等核心通道，以及学校、医院、企业园区等室内主;要入口、大厅，设备可有效减轻人工检查的繁重工序，降低人工检查的???误率。其主要功能包括：

1）无接触式安检系统：行人在经过安检系统时，通过红外温度传感器自动测量行人体温，出现异常时自动报警。

2）人脸检测：人脸自动检测，有效排除非测温目标干扰；异常体温报警结合人脸信息，方便精准跟踪处置。

3）口罩检测：对检测到的人脸进行口罩佩戴检测，当视频流中出现未戴口罩的人进行报警，提醒工作人员进行干预。

4）LCD显示：实时显示口罩检测图像，以及口罩检测结果。

实现本次疫情防控安检系统分为三个任务，如图0所示，任务一口罩检测模型部署，利用深度学习神经网络算法实现人脸口罩检测模型转换及模型部署；任务二报警系统构建，主要实现报警功能；任务三疫情防控安检系统开发主要实现整个系统的设计和实现。;图0疫情防控安检系统任务拆解

任务一口罩检测模型部署

本次实验主要是使用TensorFlow搭建RFB-Net模型训练标记完成的口罩检测数据集，并将训练完成后的模型保存为tflite格式，最终部署在嵌入式硬件设备中实现人脸口罩检测任务。

（1）数据集标注;在深度学习领域，训练数据对训练结果有种至关重要的影响，在计算机视觉领域，除了公开的数据集之外，对很多应用场景都需要专门的数据集做迁移学习或者端到端的训练，这种情况需要大量的训练数据，取得这些数据方法有：人工数据标注、自动数据标注、外包数据标注。

图4.0-1数据集标注软件

VoTT是微软发布的用于图像目标检测的标注工具，它是基于javascript开发的，因此可以跨Windows和Linux平台运行，并且支持从图片和视频读取。此外，其还提供了基于CNTK训练的faster-rcnn模型进行自动标注然后人工矫正的方式，这样大大减轻了标注所需的工作量。

本次口罩检测项目训练模型时，需要大量的已标注的数据集进行模型训练，这里对;人脸口罩数据集进行标注为两类，即佩戴口罩和未佩戴口罩。

（2）口罩检测任务实现

口罩检测应用案例主要分为如图4.0-2所示的5个步骤。

图4.0-2口罩检测应用案例实现流程

首先将对人脸口罩数据集进行标注及格式转换，然后搭建神经网络模型利用数据集进行模型训练，再将训练好的神经网络模型转换成.tflite格式，最后将模型部署到硬件平台上就可以实现人脸口罩检测。

1）人脸口罩数据集标注及预处理

首先对人脸口罩数据集进行标注，需要将标注完成之后的数据集格式入出为VOC的数据集格式，目前的深度学习很多框架都使用VOC数据集格式。VOC数据集包含如下图所示几个文件，Annotations存放xml格式的标签文件，每个xml对应JPEGI