“口罩率”智能識(shí)別和預(yù)警系統(tǒng)

林昭成 李家文 廖寶琳 林家浚

隨著新冠肺炎疫情逐漸好轉(zhuǎn)，人們的防疫意識(shí)有所松懈?？紤]到疫情的危害性以及可能會(huì)出現(xiàn)的變異毒株傳播事件，我們想通過(guò)建立一個(gè)“口罩率”智能識(shí)別與預(yù)警系統(tǒng)以助防疫。該系統(tǒng)通過(guò)計(jì)算出公眾場(chǎng)合人們佩戴口罩的比例，得出某地某時(shí)的“口罩率”，并根據(jù)當(dāng)?shù)貙?shí)際情況進(jìn)行播報(bào)預(yù)警。

一、準(zhǔn)備過(guò)程

（一）設(shè)備準(zhǔn)備

在學(xué)校、老師以及區(qū)教育局的幫助下，我們租用了GPU云服務(wù)器、計(jì)算機(jī)房，購(gòu)買(mǎi)了數(shù)據(jù)采集設(shè)備、系統(tǒng)原型設(shè)備和網(wǎng)絡(luò)攝像頭，并借來(lái)3D打印機(jī)和攝像機(jī)。

（二）問(wèn)卷調(diào)查

起初，我們開(kāi)展了問(wèn)卷調(diào)查，收集了反饋效果。根據(jù)問(wèn)卷填寫(xiě)的情況和反饋的結(jié)果，我們撰寫(xiě)了問(wèn)卷調(diào)查研究報(bào)告，并得出以下結(jié)論。

1.目前，有部分人的防疫意識(shí)淡薄，對(duì)所在地區(qū)的疫情風(fēng)險(xiǎn)程度不夠了解，這會(huì)導(dǎo)致在日常的工作、生活中不能采取較好的防疫措施來(lái)保護(hù)自己和他人，因此需要更直觀、有效的方式使人們能及時(shí)了解疫情。

2.人們雖然知道佩戴口罩的重要性，但不能較好地落實(shí)這一項(xiàng)防疫措施。

3.人們希望能繼續(xù)加強(qiáng)疫情防控，所以不管是外部防控還是個(gè)人防控，都應(yīng)注意細(xì)節(jié)。

密集人流“口罩率”智能識(shí)別和預(yù)警系統(tǒng)的研發(fā)不僅能實(shí)時(shí)有效地幫助人們?nèi)娣揽匾咔?，還能用直觀的數(shù)據(jù)提醒人們，及時(shí)采取相應(yīng)的防疫措施保護(hù)自己和他人。

綜上所述，本次問(wèn)卷調(diào)查表明了密集人流“口罩率”智能識(shí)別和預(yù)警系統(tǒng)課題與社會(huì)熱點(diǎn)貼切，具備開(kāi)展的可行性。

在老師的指引下，我們查閱文獻(xiàn)并進(jìn)行匯總，決定采用yolo4模型作為系統(tǒng)模型的基礎(chǔ)。

二、實(shí)踐過(guò)程

（一）數(shù)據(jù)收集

我們先收集了一部分網(wǎng)絡(luò)數(shù)據(jù)（即網(wǎng)絡(luò)圖片）進(jìn)行訓(xùn)練，在這個(gè)過(guò)程中，老師指導(dǎo)我們對(duì)數(shù)據(jù)進(jìn)行加工處理，利用label image軟件給佩戴口罩的人臉做“face_mask”的標(biāo)記，給未戴口罩的人臉做“face”的標(biāo)記。但網(wǎng)絡(luò)數(shù)據(jù)不夠真實(shí)也不符合現(xiàn)實(shí)場(chǎng)景，所以我們收集了一些小組成員的照片，并在征得同意后進(jìn)入學(xué)校監(jiān)控室，收集了更多的人臉數(shù)據(jù)。

收集到足夠的數(shù)據(jù)后，另一個(gè)問(wèn)題來(lái)了：數(shù)據(jù)如此龐大，僅憑我們4個(gè)人根本無(wú)法在短時(shí)間內(nèi)打完標(biāo)簽，在老師的幫助下，我們召集了50名義工在學(xué)校的計(jì)算機(jī)室完成了數(shù)據(jù)標(biāo)記。

（二）構(gòu)建模型

口罩率的識(shí)別需要系統(tǒng)在人群中對(duì)每一個(gè)對(duì)象做到精準(zhǔn)識(shí)別，并提取出佩戴口罩的人臉和未佩戴口罩人臉的比例。在現(xiàn)實(shí)場(chǎng)景中，這對(duì)系統(tǒng)的精度要求較高，我們要盡量將誤差控制在最小的范圍內(nèi)。另外，由于口罩率具有時(shí)效性，因此系統(tǒng)還要對(duì)視頻流做出及時(shí)演算，達(dá)到精度與速度的平衡。

為了達(dá)到精度和速度的要求，在構(gòu)建模型的過(guò)程中我們查閱了多篇文獻(xiàn)，最終決定采用yolo4的模型，并針對(duì)現(xiàn)有的數(shù)據(jù)加以實(shí)現(xiàn)。相較于上一代的yolo模型，yolo4通過(guò)更大的網(wǎng)絡(luò)輸入分辨率用于檢測(cè)小目標(biāo)，更深的網(wǎng)絡(luò)層便于覆蓋更大的感受野，更多的參數(shù)便于檢測(cè)同一圖像內(nèi)不同的目標(biāo)，在輸入網(wǎng)絡(luò)分辨率、卷積層數(shù)量、參數(shù)數(shù)量、輸出維度多方面達(dá)到平衡，從而達(dá)到高效精準(zhǔn)的檢測(cè)效果。

（三）訓(xùn)練過(guò)程

模型搭建完成后，首先導(dǎo)入預(yù)訓(xùn)練模型，接著導(dǎo)入訓(xùn)練集數(shù)據(jù)進(jìn)行模型訓(xùn)練，其超參數(shù)設(shè)置如表 1。

每一次迭代訓(xùn)練，模型輸出一個(gè)訓(xùn)練的損失值train_loss，并利用驗(yàn)證集對(duì)模型進(jìn)行訓(xùn)練效果驗(yàn)證，輸出驗(yàn)證的損失值val_loss?？梢钥吹?，訓(xùn)練效果比較明顯，train_loss穩(wěn)步下降，而val_loss在緩慢下降后有微小的反彈。可以判斷，模型在訓(xùn)練過(guò)程中出現(xiàn)過(guò)擬合現(xiàn)象。

為了避免訓(xùn)練過(guò)程中擬合現(xiàn)象對(duì)模型效果產(chǎn)生影響，除模型本身的措施外（如batchnormal層的運(yùn)用、數(shù)據(jù)增強(qiáng)、IOT閾值設(shè)置），每一次迭代訓(xùn)練結(jié)束后都保存好該次訓(xùn)練的模型權(quán)重參數(shù)，并標(biāo)注對(duì)應(yīng)的訓(xùn)練損失值train_loss和驗(yàn)證損失值val_loss。待迭代訓(xùn)練結(jié)束后，通過(guò)人工選擇train_loss和val_loss值最優(yōu)的模型權(quán)重參數(shù)，將其應(yīng)用在后續(xù)的驗(yàn)證和測(cè)試過(guò)程。

三、模型測(cè)試

（一）模型評(píng)估

訓(xùn)練結(jié)束后，要進(jìn)行模型的評(píng)估。此時(shí)，將測(cè)試集導(dǎo)入模型中，輸出每張圖片數(shù)據(jù)的識(shí)別結(jié)果，并計(jì)算出每個(gè)類(lèi)別的準(zhǔn)確率、平均準(zhǔn)確率以及最后輸出總體map值。

計(jì)算結(jié)果顯示，對(duì)“face_mask”即佩戴口罩人臉的識(shí)別準(zhǔn)確率高達(dá)99%，而“face”即未佩戴口罩人臉的識(shí)別準(zhǔn)確率也達(dá)到了91%，平均準(zhǔn)確率約為94.56%。這是一個(gè)令人滿意的結(jié)果，說(shuō)明本研究模型的構(gòu)建和實(shí)施是可行的，但也有優(yōu)化的空間，可以通過(guò)模型優(yōu)化、訓(xùn)練優(yōu)化、數(shù)據(jù)優(yōu)化等方法提升系統(tǒng)和模型的性能。

（二）軟硬件結(jié)合

首先，為了讓系統(tǒng)真正應(yīng)用到現(xiàn)實(shí)場(chǎng)景中，我們決定通過(guò)Arduino實(shí)現(xiàn)預(yù)警系統(tǒng)的硬件部分，模擬現(xiàn)實(shí)中小區(qū)的出入門(mén)閥，比較系統(tǒng)識(shí)別的口罩率與閾值，當(dāng)某地的口罩率低于閾值（如50%）就會(huì)觸發(fā)預(yù)警措施，而當(dāng)口罩率高于閾值，即停止預(yù)警或取消預(yù)警。

接著，我們利用3D打印技術(shù)打印出一個(gè)模擬現(xiàn)實(shí)小區(qū)中出入門(mén)閥的裝置，盒子表面有一塊顯示屏和一根長(zhǎng)桿。系統(tǒng)能持續(xù)識(shí)別當(dāng)?shù)氐目谡致?，并將結(jié)果呈現(xiàn)在顯示屏上。當(dāng)某地的口罩率低于閾值（如50%）就會(huì)觸發(fā)預(yù)警措施，長(zhǎng)桿下落即限制車(chē)輛人員進(jìn)入;當(dāng)口罩率高于閾值，即停止預(yù)警或取消預(yù)警，長(zhǎng)桿升起允許車(chē)輛、人員進(jìn)入。由此實(shí)現(xiàn)模型的軟硬件結(jié)合。

（三）實(shí)地測(cè)試

我們?cè)谛@內(nèi)的實(shí)地測(cè)試如圖4。

四、創(chuàng)新點(diǎn)

1.佩戴口罩是日常防疫的重要措施之一，以“口罩率”為切入點(diǎn)，從收集到的數(shù)據(jù)分析人與社會(huì)的問(wèn)題，切合時(shí)事。運(yùn)用人工智能深度學(xué)習(xí)、3D打印、Arduino等技術(shù)，切合科創(chuàng)主題。

2.本課題研究形成的預(yù)警模型具有可操作性，可以幫助地方政府結(jié)合當(dāng)?shù)厍闆r應(yīng)用到實(shí)處，起到疫情防控的目的。

（指導(dǎo)老師：劉翔武? 梁志浩）

專(zhuān)家點(diǎn)評(píng)

林昭成、李家文、廖寶琳、林家浚同學(xué)完成的“口罩率”智能識(shí)別和預(yù)警系統(tǒng)雖說(shuō)是一個(gè)應(yīng)景式的熱點(diǎn)項(xiàng)目，但極具原創(chuàng)性，在青少年科技創(chuàng)新活動(dòng)中屬于原始性創(chuàng)新作品。

原始性創(chuàng)新可分為科學(xué)上的原始性創(chuàng)新和技術(shù)上的原始性創(chuàng)新?？茖W(xué)上的原始創(chuàng)新是指在基礎(chǔ)研究領(lǐng)域做出了從來(lái)沒(méi)有人做出的新的科學(xué)發(fā)現(xiàn)，包括新現(xiàn)象的發(fā)現(xiàn)、新領(lǐng)域的開(kāi)拓、新概念的提出、核心理論體系的形成。技術(shù)上的原始性創(chuàng)新是指在新方法、新工藝、新產(chǎn)品等技術(shù)領(lǐng)域，取得前人所沒(méi)有的創(chuàng)新。

四位同學(xué)完成的“口罩率”智能識(shí)別和預(yù)警系統(tǒng)，其原創(chuàng)性就是首次提出通過(guò)建立一個(gè)“口罩率”智能識(shí)別與預(yù)警系統(tǒng)來(lái)幫助人們防疫。該作品能通過(guò)計(jì)算公眾場(chǎng)合人們佩戴口罩的比例，得出某地某時(shí)刻的“口罩率”，并根據(jù)當(dāng)?shù)貙?shí)際情況進(jìn)行播報(bào)預(yù)警。這種防疫的方式別具一格。

但中學(xué)生應(yīng)以實(shí)踐小的創(chuàng)新項(xiàng)目為主。該項(xiàng)目之所以能獲得成功，也源于學(xué)校、老師以及區(qū)教育局的大力支持與幫助，讓他們能租用GPU云服務(wù)器、計(jì)算機(jī)房，購(gòu)買(mǎi)相關(guān)器材，并借來(lái)3D打印機(jī)和攝像機(jī)等。這種特殊待遇，一般的學(xué)生團(tuán)體或個(gè)人是無(wú)法獲得的。