基于YOLOv5s的智能口罩佩戴檢測系統(tǒng)的設(shè)計與實現(xiàn) 許少軍

唐浩博　曹領(lǐng)

關(guān)鍵詞：YOLOv5s；口罩識別；深度學(xué)習(xí)

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2024）03-0032-04

0 引言

人工檢查是否佩戴口罩存在一定的局限性，并且效率較低，因此對佩戴口罩進(jìn)行自動實時識別是更好地解決問題的方法，尤其在工業(yè)生產(chǎn)、醫(yī)療健康等領(lǐng)域應(yīng)用較為廣泛。結(jié)合目前計算機視覺和人工智能的圖像處理及目標(biāo)檢測技術(shù)已廣泛應(yīng)用于各種圖像及視頻場景。計算機視覺技術(shù)也愈發(fā)成熟，越來越多的領(lǐng)域都在引入智能化，智能口罩佩戴檢測也應(yīng)該在各領(lǐng)域中發(fā)揮它的作用。

本文展示的是基于 YOLOv5s 改進(jìn)的戴口罩實時檢測系統(tǒng)，能夠?qū)崿F(xiàn)圖片檢測，實時檢測。以深度學(xué)習(xí)為基礎(chǔ)的目標(biāo)檢測是目前比較主流的一種目標(biāo)檢測計劃?，F(xiàn)階段主流優(yōu)秀的目標(biāo)檢測算法主要分為兩類，一類是基于 Region Proposal 的 Two stage 目標(biāo)檢測算法，雙階段目標(biāo)檢測算法過程主要將檢測分為生成候選框和檢測識別兩個過程，并提取生成的候選框的信息。它利用卷積神經(jīng)網(wǎng)絡(luò)完成目標(biāo)檢測和目標(biāo)識別，主流的網(wǎng)絡(luò)模型有 SPPNET、Fast RCNN、Faster RCNN、R-FCN等。第二類是以回歸問題為基礎(chǔ)的 One Stage 目標(biāo)檢測算法，將全過程統(tǒng)一，同時使用具有結(jié)構(gòu)簡單、運算速度快等優(yōu)點的 CNN 進(jìn)行特征提取和回歸，是單一階段目標(biāo)檢測算法過程。典型的網(wǎng)絡(luò)模式有 YOLO、SSD、DSSD、Cornernet 等。正是由于 One stage 和 Two stage 這兩種算法的差異，使得兩者在性能上也存在差異，前者在檢測精度和檢測定位精度上占據(jù)優(yōu)勢，后者則在檢測速度上占據(jù)優(yōu)勢。

1 項目的設(shè)計與實現(xiàn)

1.1 YOLOv5網(wǎng)絡(luò)框架的搭建

YOLOV5 根據(jù)其網(wǎng)絡(luò)框架深度和寬度主要分為YOLOv5s、YOLOV5M、YOLOV5L、YOLOV5X 四個版本，而 YOLOv5s是這幾個版本中寬度最小、深度最小的特征圖網(wǎng)絡(luò)，因此它有更快的檢測速度，更適用于小型嵌入式系統(tǒng)。不同網(wǎng)絡(luò)框架的對比如表1所示：

YOLOV5 的模型結(jié)構(gòu)主要分為4個部分，分別是Input 輸入端、Backbone Basic Network、Neck Network 和 Prediction 輸出層。

1） Input輸入端可以對輸入的圖像進(jìn)行自適應(yīng)圖片縮放、數(shù)據(jù)增強、錨框等處理后將結(jié)果輸入back?bone基礎(chǔ)網(wǎng)絡(luò)。

2） Backbone Basic Network 包含 CSP 架構(gòu)與FOCUS架構(gòu)。其中在 YOLOV5 中的 FOCUS 模塊，是圖片進(jìn)入 Backbone 之前的切片操作。YOLOv5s 的CSP 結(jié)構(gòu)設(shè)計有2種。

3） Neck Network 由csp2_x 網(wǎng)絡(luò)來代替普通的卷積網(wǎng)絡(luò)，使網(wǎng)絡(luò)特征融合的能力得到了加強。

4） Prediction 輸出層包括 Bounding Box Regres?sion Loss 和 NMS。其中的 GIOU_LOOSS 被用在了YOLOv5 中，用于制作 Bounding Box 的損失函數(shù)。在目標(biāo)檢測的后處理過程中，使用加權(quán) NMS 的方式來篩選許多目標(biāo)框。YOLOv5s的網(wǎng)絡(luò)架構(gòu)如圖1所示。

3） 在預(yù)測中，使用非最大抑制（NMS）的加權(quán)方法NMS，利用 GeneralizedIoU（GioU）Loss作為 BBOX 的損失函數(shù)。如式（1） 所示。

1.2 數(shù)據(jù)集的制作

數(shù)據(jù)集包含 4 000 張不同場景下佩戴面具和未佩戴面具的人面圖片，通過旋轉(zhuǎn)裁剪這些圖片來實現(xiàn)數(shù)據(jù)集的增強后，使用 Labelimg 對圖片進(jìn)行標(biāo)記，將人面的位置標(biāo)注在圖片中的長方形框標(biāo)上，并將人面的類別標(biāo)注為佩戴口罩和未佩戴口罩，之后標(biāo)注為 YOLO 格式（YOLO 格式），這里將數(shù)據(jù)集按照 8：1：1 來對訓(xùn)練集（train. txt）、測試集（test. txt）和驗證集（val. txt）進(jìn)行劃分。訓(xùn)練集用來訓(xùn)練模型以及確定參數(shù)；而驗證集是為了確定超參數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)整模型而設(shè)計的。

1.3 模型的訓(xùn)練與環(huán)境的配置

本次實驗在Windows操作系統(tǒng)下完成，采用Py?Torch 的框架，Python 3.8 的版本環(huán)境，GPU 型號為RTX3080。

2 模型檢測的改進(jìn)

2.1 目標(biāo)檢測算法的改進(jìn)

早期的對象調(diào)查都是以滑動窗口的方式產(chǎn)生目標(biāo)建議框，本質(zhì)上與窮舉法并無差異。而 Fastr-CNN的出現(xiàn)，解決了冗余計算這一棘手問題。Fastr-CNN 增加了簡化的SPP 層，使其培訓(xùn)和測試過程融為一體。SPP 層架構(gòu)如圖 2 所示。

Fastr-CNN 使用 SelectiveSearch 生成目標(biāo)候選框架，但速度仍無法達(dá)到實時要求。FasterR-CNN 則直接利用 RPN（注冊網(wǎng)絡(luò)）網(wǎng)絡(luò)生成目標(biāo)候選框架。RPN 輸入任意像素點的 RAW 影像，輸出若干個對應(yīng)目標(biāo)坐標(biāo)資訊與信心的矩形區(qū)域。從 R-CNN 到 FasterR-CNN，是將傳統(tǒng)檢測的3 步整合到同一深度網(wǎng)絡(luò)模型中的一個合并過程。R-CNN 原則框架如圖 3 所示：

基于回歸算法的 YOLO 和 SSD 檢測模型，讓檢測領(lǐng)域再上一個新臺階。其中，以 YOLO 和 SSD 兩種方式為代表的檢測方式真正達(dá)到了立竿見影的效果。

2.2 對于YOLOv5本身檢測的改進(jìn)

1） 自適應(yīng)圖片縮放改進(jìn)。YOLOv5s代碼中對自適應(yīng)圖片縮放進(jìn)行改進(jìn)，使得YOLOv5的檢測速度能有所提升。

2） 圖片素材強化。抓取的圖片進(jìn)行素材強化，擴(kuò)大圖片的數(shù)量如旋轉(zhuǎn)裁剪圖片，增加無目標(biāo)背景圖片清晰的高速網(wǎng)絡(luò)，通過背景和目標(biāo)的對比，區(qū)分出圖片中微小的物體，什么是無目標(biāo)背景，什么是目標(biāo)。

3） 減少網(wǎng)絡(luò)層數(shù)。避免多層卷積核混合后分不清多個小目標(biāo)的情況發(fā)生。在圖像縮放的過程中盡可能少地添加黑邊，來提高模型的推理速度。步長適當(dāng)減小，避免過多的提取小目標(biāo)像素點。

4） 將圖片切分為多張圖片，對每張圖片進(jìn)行單獨檢測然后匯總，可以增強對多目標(biāo)的檢測。

3 應(yīng)用場景及意義

智能口罩檢測系統(tǒng)在于節(jié)省人力、提高效率、智能提醒、信息化監(jiān)控。在以下場景中有重要作用：

1） 工業(yè)領(lǐng)域。用于保護(hù)勞動者呼吸系統(tǒng)，防止其吸入有害粉塵、煙霧、氣體等顆粒物，減少工作場所的安全隱患。舉例如下：

粉塵口罩：用于防止吸入粉塵、花粉、灰塵、煤塵等。

化學(xué)防護(hù)口罩：用于防止工人吸入有害氣體和蒸汽。

2） 醫(yī)療領(lǐng)域。醫(yī)務(wù)人員在醫(yī)療過程中需要佩戴口罩，而智能檢測口罩可以幫助醫(yī)院檢測醫(yī)務(wù)人員佩戴口罩的情況，保證醫(yī)務(wù)人員的防護(hù)措施達(dá)標(biāo)，起到保護(hù)醫(yī)務(wù)人員和患者身體健康的作用。舉例如下：

預(yù)防醫(yī)務(wù)人員感染：醫(yī)務(wù)人員容易接觸病人的體液、血液等分泌物，在診治病人呼吸道感染性疾病及手術(shù)過程中，戴口罩可有效預(yù)防病人呼吸道感染。防止患者感染疾病的發(fā)生。在醫(yī)院中，患者一般要長時間待在醫(yī)療環(huán)境里，戴上口罩可以有效地防止患者呼吸道感染傳染給他人，包括醫(yī)務(wù)人員和其他患者。

保護(hù)手術(shù)區(qū)域：在手術(shù)期間，醫(yī)生需要保持一定的清潔度和衛(wèi)生，佩戴口罩可以防止口腔和鼻腔的細(xì)菌進(jìn)入手術(shù)部位，從而避免手術(shù)感染。

防止病毒傳播：在面對一些高度傳染性病毒，例如SARS、禽流感、新冠肺炎等時，佩戴口罩，可以在一定程度上防止醫(yī)務(wù)人員和患者感染。

3） 交通運輸領(lǐng)域。盡管疫情的情況已經(jīng)好轉(zhuǎn)，我們已經(jīng)不用時時刻刻佩戴口罩，但在一些特殊場合仍需要佩戴口罩，特別是現(xiàn)在“二陽”與甲流的特殊時期。

綜上，口罩檢測依然有十分重要的作用。此系統(tǒng)能夠?qū)崟r監(jiān)測畫面中的人臉，并將其分為：戴口罩、不戴口罩兩類，并且在具體場景中，可以有相應(yīng)作用，其特點是靈活運用，適用面較廣。

4 性能分析及測試結(jié)果

4.1 混淆矩陣

混淆矩陣是將分類問題的預(yù)測結(jié)果進(jìn)行匯總，說明在預(yù)測時，哪個部分會被分類模型所混淆。它不僅可以讓我們了解分類模型中所犯的錯誤和正在發(fā)生的錯誤是怎樣的類型，同時也克服了分類精確度所造成的限制（regence）。還可以得到辨識度的信息，該模型口罩的辨識度達(dá)到了0.86，人的辨識度在0.97。如表2、圖4所示。

4.2 測試數(shù)據(jù)

在對數(shù)據(jù)進(jìn)行訓(xùn)練后，準(zhǔn)確度（Precision） 、平均識別精度均值（MAP）、召回率（Recall）等參考量可以較直觀地判斷出所采用的模型對圖片的辨識度。TP：分類器預(yù)測結(jié)果為正樣本，實際也為正樣本，即正樣本被正確識別的數(shù)量；FP：分類器預(yù)測結(jié)果為正樣本，實際為負(fù)樣本，即誤報的負(fù)樣本數(shù)量；FN：分類器預(yù)測結(jié)果為負(fù)樣本，實際為正樣本，即漏報的正樣本數(shù)量。

4.3 檢測結(jié)果

針對場景中的不同需求，本次設(shè)計涵蓋了圖片檢測、視頻檢測和實時檢測三大功能，且可以實現(xiàn)單一目標(biāo)檢測、多目標(biāo)檢測、較遠(yuǎn)距離中小目標(biāo)的檢測。檢測實例如圖6所示。

5 結(jié)束語

本設(shè)計針對口罩佩戴檢測的問題以及提高口罩佩戴檢測的效率，提出了一種基于YOLOv5s的口罩佩戴檢測系統(tǒng)。本系統(tǒng)提出一種改進(jìn)的YOLOv5s算法，使用數(shù)據(jù)集相關(guān)數(shù)據(jù)對模型進(jìn)行訓(xùn)練。訓(xùn)練結(jié)果達(dá)到了預(yù)期的精度，模型的檢測精度和速度同時均衡，達(dá)到了預(yù)期規(guī)定的實時性檢測目標(biāo)，同時，模型的檢測精度和速度也達(dá)到了預(yù)期。此系統(tǒng)滿足嵌入式終端設(shè)備的部署要求，希望在今后的學(xué)習(xí)中，在保證模型檢測精度和速度均衡的前提下，進(jìn)一步提高模型的精度，同時進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)、各種參數(shù)，使算法更出色。

【通聯(lián)編輯：唐一東】