1. 项目概述这个毕业设计项目选择了一个非常实用的方向——基于机器视觉的行人口罩佩戴检测。在公共场所健康管理日益重要的今天开发一个能够自动检测行人是否佩戴口罩的系统具有现实意义。我选择这个课题的初衷是想将课堂学到的机器视觉知识应用到实际问题解决中同时为公共卫生安全贡献一点技术力量。整个系统的核心功能是通过摄像头捕捉实时画面利用深度学习算法识别画面中的人脸并判断是否佩戴口罩。相比传统的人工检查方式这种自动化方案可以7×24小时不间断工作减少人力成本同时避免因人为疏忽导致的漏检。系统设计需要考虑准确性、实时性和适应性三个关键指标确保在不同光照条件、人群密度和口罩类型下都能稳定工作。2. 技术选型与方案设计2.1 整体架构设计系统采用经典的机器视觉处理流程图像采集→预处理→人脸检测→口罩识别→结果输出。硬件方面我选择普通USB摄像头作为图像采集设备搭配一台配备NVIDIA显卡的电脑进行算法运算。软件层面系统基于Python开发主要依赖OpenCV和深度学习框架。经过对比TensorFlow、PyTorch和PaddlePaddle几个主流框架后我最终选择了PaddlePaddle。这个决定主要基于三点考虑首先PaddlePaddle有专门针对视觉任务的优化其次PaddleHub提供了口罩检测的预训练模型可以大大缩短开发周期最后PaddlePaddle的中文文档和社区支持对毕业设计项目非常友好。2.2 核心算法选择人脸检测环节采用了MTCNN算法这是一个经典的多任务级联卷积神经网络能够同时完成人脸检测和对齐。相比单阶段检测器MTCNN在小脸检测和遮挡情况下表现更稳定——这对口罩佩戴检测尤为重要因为口罩本身就是一种面部遮挡。口罩识别部分基于MobileNetV3网络结构这是一个轻量级的深度卷积网络在保持较高准确率的同时大大减少了计算量。考虑到系统可能需要部署在边缘设备上模型的计算效率是必须考虑的因素。我在PaddleHub提供的预训练模型基础上进行了微调(fine-tuning)使用自建的数据集让模型更好地适应实际场景。3. 数据集准备与处理3.1 数据收集策略高质量的数据集是模型性能的基础。我通过三个渠道收集数据公开数据集(如MAFA、FaceMaskDetection)、网络爬取合规图片、以及自己拍摄的实地照片。特别注意收集不同种族、年龄、性别、光照条件和口罩类型的样本确保模型的泛化能力。最终构建的数据集包含约15,000张图片其中佩戴口罩和未佩戴口罩的比例控制在6:4。这种略微不平衡的分布更接近真实场景——在强制要求佩戴口罩的场所大多数人都会遵守规定。3.2 数据预处理流程原始图片需要经过一系列预处理才能输入模型统一调整为512×512分辨率直方图均衡化处理减少光照影响随机添加高斯噪声和模糊增强模型鲁棒性数据增强随机旋转(-15°~15°)、水平翻转、亮度调整特别需要注意的是在标注数据时要明确定义什么是正确佩戴口罩——必须完全遮盖口鼻不能只挂在下巴上。这个标准要贯穿整个数据集避免标注不一致影响模型判断。4. 模型训练与优化4.1 训练参数设置使用PaddlePaddle的静态图模式进行训练主要参数配置如下初始学习率0.001优化器AdamW批量大小(batch size)32训练轮次(epochs)50学习率调度余弦退火(CosineAnnealing)为防止过拟合采用了早停机制(patience5)和L2正则化(weight decay0.0001)。训练过程在NVIDIA GTX 1660 Ti显卡上进行每个epoch约需8分钟。4.2 模型性能优化初始模型的测试准确率约为92%通过以下策略提升到97.3%难例挖掘重点关注模型判断错误的样本分析原因并补充类似数据注意力机制在MobileNetV3基础上添加SE模块增强对口罩区域的关注知识蒸馏使用更大的ResNet50作为教师模型指导MobileNetV3学习混合精度训练使用FP16加速训练过程同时保持模型精度最终模型在验证集上的性能指标如下准确率97.3%精确率96.8%召回率97.5%F1分数97.1%推理速度45ms/帧(1080p分辨率)5. 系统实现与部署5.1 软件架构实现系统采用模块化设计主要包含四个组件视频采集模块基于OpenCV实现支持USB摄像头和RTSP视频流检测引擎加载训练好的模型处理图像并返回检测结果告警模块当检测到未佩戴口罩人员时触发声音提示或发送通知可视化界面显示实时检测结果和统计信息为提高处理效率系统采用多线程架构主线程负责图像采集和显示工作线程处理检测任务避免界面卡顿。对于多路视频输入的情况可以考虑使用多进程架构充分利用多核CPU。5.2 部署优化技巧在实际部署中遇到几个关键问题及解决方案延迟问题通过将模型转换为Paddle Inference格式并使用TensorRT加速推理速度提升3倍内存占用采用动态批处理(dynamic batching)技术根据设备负载自动调整批处理大小跨平台兼容性使用Docker容器封装整个系统确保在不同环境下的运行一致性对于边缘设备部署可以将模型量化为INT8格式体积缩小75%速度提升2倍准确率仅下降1.2个百分点。这在计算资源有限的场景下是非常值得的权衡。6. 实际测试与性能评估6.1 测试方案设计为全面评估系统性能设计了四种测试场景实验室环境控制光照和背景的简单场景室内公共场所如办公楼大堂中等密度人群室外环境受天气和光照变化影响极端情况强逆光、部分遮挡、非常规口罩等每种场景收集30分钟视频共包含约5,400帧图像由三位评估人员独立标注作为ground truth。测试指标包括准确率、误报率、漏检率、处理延迟和系统稳定性。6.2 测试结果分析系统在不同场景下的表现如下表所示测试场景准确率误报率漏检率平均延迟(ms)实验室98.7%0.8%0.5%42室内公共96.2%2.1%1.7%45室外94.5%3.3%2.2%48极端情况89.1%5.6%5.3%53从结果可以看出系统在受控环境下表现优异在复杂场景中性能有所下降但仍在可接受范围内。误报主要来自面部遮挡物(如围巾、手部)与口罩的混淆漏检则多发生在小脸(远距离)和侧脸情况。7. 项目改进方向7.1 短期优化建议基于当前测试结果可以立即实施的改进包括增加对小脸检测的专项优化通过改进MTCNN的金字塔缩放策略收集更多极端场景数据重新训练特别是各种非常规口罩类型开发基于跟踪算法的结果平滑机制减少帧间抖动优化告警逻辑设置最小持续时长避免瞬时误报7.2 长期扩展方向从产品化角度考虑系统还可以向以下方向发展多模态融合结合红外测温模块同时监测体温和口罩佩戴云端管理将多个检测终端数据汇总提供区域合规率统计和热力图移动端部署开发手机APP版本适用于临时检查点和小型场所自适应学习加入在线学习机制让系统能自动适应新出现的口罩样式在实际部署中发现系统性能与摄像头安装高度和角度密切相关。最佳实践是将摄像头安装在2.5-3米高度俯角约15-30度这样能获得最佳的人脸检测效果。同时要避免强光直射镜头必要时可增加遮光罩。