趙 耀

（中國鐵路設(shè)計集團有限公司 電化電信工程設(shè)計研究院，天津 300308）

疫情防控常態(tài)化對鐵路客運站的管理工作提出了新的挑戰(zhàn)。長期安排專人測溫成本高、速度慢，如何更高效地監(jiān)測旅客體溫信息，避免旅客發(fā)生交叉感染，成為亟須解決的問題。

目前，常用的技術(shù)存在單人測溫效率低、手工記錄數(shù)據(jù)慢、受噪聲熱點影響測溫數(shù)據(jù)不準、單人臉測溫技術(shù)不穩(wěn)健等因素導(dǎo)致的測溫精度低、單人臉抓拍漏測率高等問題[1]，無法應(yīng)對鐵路客運站大流量場景的防疫測溫工作。因此，需設(shè)計一種適應(yīng)大流量測溫場景，通用性強，且可復(fù)制的測溫方案[2]。

為此，本文結(jié)合人像檢測、人員跟蹤、紅外熱成像技術(shù)，設(shè)計大流量智能測溫系統(tǒng)?；谌讼駲z測技術(shù)[3]可快速抓拍并保存人像信息；通過人員跟蹤技術(shù)可在相對較長時間內(nèi)，有效跟蹤測溫范圍內(nèi)每一位旅客的人體，并準確定位旅客人臉及額頭位置；進而通過紅外熱成像技術(shù)獲取每一位旅客的連續(xù)的人臉及額頭測溫平均值，實現(xiàn)測溫數(shù)據(jù)與人臉信息的準確關(guān)聯(lián)，從而在保證大客流場景下的低漏測、高效測溫的同時，能有效獲取精準的體溫數(shù)據(jù)。所提方案能提高管理人員防疫測溫的工作效率，降低人力成本，打造旅客進站乘車的無感測溫體驗，助力鐵路客運站疫情期間的安全高效運行。

1 核心技術(shù)

1.1 人臉檢測模型

系統(tǒng)采用Faceboxes[4]作為基礎(chǔ)人臉檢測框架，對視頻流中的人臉和人頭進行檢測，其模型架構(gòu)如圖1 所示，由骨架網(wǎng)絡(luò)、特征金字塔、多任務(wù)損失函數(shù)3 部分組成。其中，骨架網(wǎng)絡(luò)用于提取人臉圖像全局特征；特征金字塔用于從骨架網(wǎng)絡(luò)的全局特征中獲取不同尺度下的圖像特征；多任務(wù)損失函數(shù)用于網(wǎng)絡(luò)訓練。

圖1 人臉檢測模型結(jié)構(gòu)

圖1 中，conv 為Convolution的縮寫，代表卷積層，conv 1、conv 2、……、convn代表n個不同的卷積層；卷積層上方的參數(shù)，如“3×3×4，s1”表示卷積核尺寸為3×3，卷積層的輸出通道為4，s 為stride的縮寫，指卷積核的移動步長，s1 表示移動步長為1，s2 表示移動步長為2。

1.1.1 骨架網(wǎng)絡(luò)

骨架網(wǎng)絡(luò)用于提取人臉圖像全局特征。為了在計算資源有限情況下實現(xiàn)大流量、高分辨率、高精度、實時的人臉檢測，本文設(shè)計了如圖1 所示的骨架網(wǎng)絡(luò)。為克服高分辨率人臉圖像對計算資源的消耗，骨架網(wǎng)絡(luò)在conv 1、conv 2、conv 3、conv 5 中連續(xù)使用步長為2的卷積層進行快速降采樣操作。為減少降采樣過程中的信息丟失，骨架網(wǎng)絡(luò)在conv 4、conv 6、conv 7、conv 8、conv 9 使用步長為1的卷積層進行特征學習。圖1 中3×3 卷積（圖1 中白色方塊）接1×1 卷積（圖1 中灰色方塊）為depth-wised 卷積層[5]，使用該卷基層代替?zhèn)鹘y(tǒng)卷積層可顯著提升模型在CPU 和移動處理器上的計算速度。

1.1.2 特征金字塔

特征金字塔用于從骨架網(wǎng)絡(luò)的全局特征中獲取不同尺度下的圖像特征。特征金字塔由conv 11、conv 12、conv 13 及其后接的1×1 conv 構(gòu)成。

1.1.3 多任務(wù)損失函數(shù)

多任務(wù)損失函數(shù)包括SmoouthL1 損失函數(shù)[4]和Focal 損失函數(shù)[5]。其中，SmoouthL1 損失函數(shù)為回歸人臉檢測框損失函數(shù)，其計算公式為

其中，x為模型回歸層輸出值；y為真實值。

Focal 損失函數(shù)為對人臉框進行前景、背景分類的損失函數(shù)，其計算公式為

其中，label=1 表示為正樣本，label=0 表示為背景；置信度p為網(wǎng)絡(luò)的輸出，用于判斷檢測框中的物體是人臉和人頭還是背景；α ∈(0,1)用來控制正負樣本對整體損失的貢獻，其值減小時正樣本的權(quán)重增大；γ ＞0，為超參數(shù)，用于減少易分樣本的損失。

系統(tǒng)通過對人臉進行檢測、跟蹤、抓拍、評分、篩選等一系列操作，結(jié)合對采集到的人臉照片進行質(zhì)量檢測，自動選出符合人臉提取條件的人臉照片進行抓拍并輸出。

1.2 人員跟蹤

基于人臉檢測算法，將每幀中的圖像進行比對后，形成連續(xù)的人臉位置信息，從而保證在測溫人員持續(xù)行走不停留的情況下，實現(xiàn)對其額頭的持續(xù)溫度檢測，提高了檢測溫度的準確性，人員跟蹤流程如圖2 所示。

圖2 人員跟蹤流程

1.3 紅外熱成像技術(shù)

被測物發(fā)射的紅外線輻射，通過光學鏡頭收集后被紅外探測器所獲取[6]。因輻射能量和溫度存在對應(yīng)關(guān)系，通過信號處理系統(tǒng)將輻射能量（溫度）以不同灰度顯示出來[7]?；谠摷t外輻射原理，測溫系統(tǒng)通過紅外探測器檢測被測物的紅外輻射能量，并使用黑體（用于標定紅外系統(tǒng)的基準源）進行測溫標定，建立灰度與溫度的準確對應(yīng)關(guān)系，來實現(xiàn)測溫功能。通過將采集到的黑體的視頻監(jiān)控信息與紅外輻射信息關(guān)聯(lián)，提高系統(tǒng)的測溫精度。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)總體架構(gòu)

大流量智能測溫系統(tǒng)總體架構(gòu)如圖3 所示，包括基礎(chǔ)層、資源層、算法層、業(yè)務(wù)層。其中，基礎(chǔ)層包括攝像頭、黑體、工控機等基礎(chǔ)終端設(shè)備，實現(xiàn)對人臉圖像及測溫信息的采集、處理及存儲；資源層包括人臉信息、人體信息、溫度信息等；算法層包括人像檢測、人頭檢測、人員跟蹤、紅外熱成像等；業(yè)務(wù)層包括現(xiàn)場測溫、Web 端統(tǒng)計查詢、移動端統(tǒng)計查詢。該系統(tǒng)總體架構(gòu)設(shè)計實現(xiàn)了測溫數(shù)據(jù)采集、數(shù)據(jù)存儲、算法處理及功能應(yīng)用的模塊化部署，便于業(yè)務(wù)應(yīng)用的動態(tài)擴展和快速升級。

圖3 智能測溫系統(tǒng)總體架構(gòu)

2.2 系統(tǒng)工作流程

本文針對大流量智能測溫系統(tǒng)，制定旅客的進站流程，如圖4 所示。

圖4 大流量智能測溫系統(tǒng)工作流程

（1）旅客到達鐵路客運站后，在進站過程中，系統(tǒng)若檢測到旅客溫度正常，則自動抓拍人臉并跟蹤，同時記錄體溫，自動匯總客流統(tǒng)計數(shù)據(jù)，移動端及管理后臺可查詢相關(guān)數(shù)據(jù)。

（2）若系統(tǒng)檢測到旅客體溫超過閾值，則自動報警，提醒工作人員通過手持設(shè)備對該旅客進行體溫復(fù)核。若復(fù)核溫度正常，則在系統(tǒng)中輸入復(fù)核溫度；若復(fù)核溫度確認超過閾值，則系統(tǒng)將通過移動端通知醫(yī)療人員進行處理。

3 系統(tǒng)性能對比

對大流量智能測溫系統(tǒng)、人臉識別測溫系統(tǒng)、人臉測溫一體機、手持測溫槍[8]等方案進行對比分析，如表1 所示。由表1 可知，大流量智能測溫系統(tǒng)在系統(tǒng)功能、響應(yīng)速度、測溫效果及安全性等方面具備一定優(yōu)勢。

表1 大流量智能測溫系統(tǒng)與其他測溫系統(tǒng)性能對比

4 結(jié)束語

隨著國內(nèi)經(jīng)濟的逐漸復(fù)蘇，鐵路客運站客流量不斷增長的同時，也給鐵路相關(guān)管理部門的日常防控工作帶來了巨大壓力。大流量智能測溫系統(tǒng)可較好地解決客運站在大客流場景下的精準、快速測溫問題，減輕管理人員的防控工作壓力，提升鐵路客運工作效率，優(yōu)化旅客乘車體驗，保障鐵路客運業(yè)務(wù)的安全穩(wěn)定運行。但是，該系統(tǒng)仍需要不斷完善，研究、提升其應(yīng)用水平，未來應(yīng)考慮如何實現(xiàn)該系統(tǒng)與刷臉通行、人像識別預(yù)警、客流監(jiān)測等系統(tǒng)的協(xié)同[9]。