焦雙健，謝似霞

（中國海洋大學(xué) 工程學(xué)院，山東 青島 266100）

0 引 言

2019年，新型冠狀病毒肺炎（以下簡稱新冠肺炎）疫情突然爆發(fā)，它是一種全球傳播的流行病，傳染性極強(qiáng)，自爆發(fā)以來，嚴(yán)重威脅著全球所有人的生命。雖然中國疫情防控的能力逐漸提高，但新型冠狀病毒的突變也使這場疫情的情況不容樂觀。如何應(yīng)對新冠肺炎疫情，已成為全球科學(xué)界的一個焦點(diǎn)問題。科學(xué)界已做出許多努力，例如開發(fā)有效的疫苗、制定及時有效的治療方案等。相關(guān)研究顯示，新型冠狀病毒主要通過飛沫和氣溶膠傳播。這種傳播很有可能在與感染者的社會互動如交談、接觸中發(fā)生。因此，正確佩戴防護(hù)口罩成為一種科學(xué)有效的降低病毒傳播率的方法。佩戴口罩可以有效過濾和阻斷空氣中的病毒，為人們的工作和出行安全提供保障。如今，在地鐵、機(jī)場、火車站和工業(yè)廠房等人群眾多的公共場所，都有專人來檢查路過的人是否佩戴口罩。為了節(jié)省人力，避免漏檢，有必要開發(fā)一種自動檢測方法，檢測公共場所的個人是否正確佩戴口罩，這也有利于疫情的智能防控。

隨著深度學(xué)習(xí)和計算機(jī)視覺的快速發(fā)展，目標(biāo)檢測技術(shù)已經(jīng)可以被很好地運(yùn)用在口罩佩戴的自動檢測中。經(jīng)典的目標(biāo)檢測算法包括單階段算法、兩階段算法和其他無錨算法，如Faster RCNN[1]、RetinaNet[2]、SSD[3]、YOLOv1[4]、CornerNet[5]等?，F(xiàn)有的人臉和口罩檢測算法可以分為兩類。一類是追求快速推理速度的實(shí)時檢測方法，另一種是高性能的檢測方法，它優(yōu)先考慮檢測的準(zhǔn)確性。李澤琛等[6]提出了一種多尺度注意力學(xué)習(xí)的Faster R-CNN口罩人臉檢測模型，平均精度均值（mean Average Precision，mAP）達(dá)到90%以上，平均精度比較高，屬于第一類，但是檢測速度較慢，無法做到很好的實(shí)時性檢測。曾成等[7]提出一種基于YOLOv3改進(jìn)的算法M＿YOLOv3來進(jìn)行口罩佩戴檢測，實(shí)驗(yàn)結(jié)果表明，YOLOv3的檢測速度較快，但平均精度只有不到80%，屬于第二類，但經(jīng)過改進(jìn)，改善了小目標(biāo)的問題，mAP可以達(dá)到88%以上。潘衛(wèi)國等[8]提出通過基于YOLO的目標(biāo)檢測算法實(shí)現(xiàn)對交通標(biāo)志牌的實(shí)時檢測識別，通過改進(jìn)，使得算法在檢測精度得到提升的同時，也充分滿足了實(shí)時檢測的要求，并得到了相關(guān)驗(yàn)證。綜上，單階段的目標(biāo)檢測算法經(jīng)過改進(jìn)，更適合應(yīng)用于各種場景下的口罩佩戴實(shí)時檢測，精度不低，速度也快。

本文提出一種基于YOLOv5s的口罩佩戴實(shí)時檢測系統(tǒng)，先訓(xùn)練好用于口罩檢測的達(dá)到預(yù)定標(biāo)準(zhǔn)精度的模型，再將該模型放入相關(guān)設(shè)備。該模型權(quán)重較小，推理速度快，可以很好地放入嵌入式設(shè)備中。該系統(tǒng)能夠?qū)崟r地判斷人臉是否佩戴口罩，速度和準(zhǔn)確性都比較高。可以通過在機(jī)場、超市和施工現(xiàn)場入口等人口流量高的地方部署相關(guān)設(shè)備，來實(shí)現(xiàn)對口罩佩戴的智能監(jiān)測，從而有效提高疫情防控的效率。

1 目標(biāo)檢測模型的選擇和改進(jìn)

1.1 目標(biāo)檢測模型的選擇

YOLO系列等單階段的目標(biāo)檢測算法普遍具有檢測速度快的優(yōu)點(diǎn)，雖然比雙階段的目標(biāo)檢測算法精度低，但經(jīng)過改進(jìn)，精度也完全滿足實(shí)時檢測的要求。YOLO系列自身也在不斷地完善和發(fā)展，在精度和檢測速度上的效果越來越好。YOLOv5作為YOLO系列比較先進(jìn)的算法模型，與YOLOv4相比，模型輕量，有巨大的靈活性，可以很好地滿足口罩視頻圖像檢測實(shí)時性的要求。YOLOv5的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。YOLOv5算法根據(jù)網(wǎng)絡(luò)架構(gòu)的深度和寬度分為4個大小不同的版本，具體包括YOLOv5s，YOLOv5m，YOLOv5l及YOLOv5x。YOLOv5s在COCO測試集與驗(yàn)證集上面的AP指標(biāo)為36.8，AP50指標(biāo)為55.6。YOLOv5s算法在V100 GPU上的推理只需要2.2 ms，幀率為455 f·s-1。該網(wǎng)絡(luò)的模型大小僅為7.3 MB。相對地，YOLOv5x算法在V100 GPU上的推理速度是6.0 ms，幀率為167 f·s-1，模型的大小達(dá)到87.7 MB。可以看出，YOLOv5s網(wǎng)絡(luò)小，推理速度也很快，因此比較適合嵌入式設(shè)備使用，適合部署在單片機(jī)上，能夠在一定程度上解決目前大且復(fù)雜的模型難以被實(shí)際應(yīng)用的問題。而且，其他三種模型都是在YOLOv5s基礎(chǔ)上修改yaml文件，進(jìn)行加深加寬網(wǎng)絡(luò)操作，不需要修改大量的代碼。本文使用YOLOv5s，其他三種模型可以在此基礎(chǔ)上進(jìn)行修改和精進(jìn)。雖然YOLOv5s在實(shí)時性目標(biāo)檢測方面有諸多優(yōu)點(diǎn)，但是在檢測口罩時還存在錯檢漏檢率高、無法很好地識別小目標(biāo)等問題。因此，需要針對這些問題進(jìn)行改進(jìn)。

圖1 YOLOv5的網(wǎng)絡(luò)結(jié)構(gòu)

1.2 針對口罩佩戴檢測模型的改進(jìn)

1.2.1 加入SE通道注意力機(jī)制

為了提高準(zhǔn)確率，能識別到小目標(biāo)或者較遠(yuǎn)處的目標(biāo)，檢測模型通常會加入注意力機(jī)制，讓網(wǎng)絡(luò)更加關(guān)注重要特征。

SENet作為較早的通道注意力機(jī)制，其目的是通過一個權(quán)重矩陣，從通道域的角度賦予圖像不同位置不同的權(quán)重，得到更重要的特征信息。SE模塊如圖2所示。SE模塊的操作主要為擠壓（Squeeze）和激勵（Excitation）。被加入的SE模塊就通過這些操作讓網(wǎng)絡(luò)更關(guān)注待檢測目標(biāo)，提升網(wǎng)絡(luò)模型的整體效果。

圖2 SE模塊的示意圖

SE模塊是一個即插即用的模塊，它在YOLOv5s模型中的加入位置也是一個值得研究的話題。本文將SE模塊添加進(jìn)主干部分的C3模塊之后，參數(shù)量引入較小。實(shí)驗(yàn)結(jié)果顯示出了不錯的提升效果。

1.2.2 改進(jìn)損失函數(shù)

對于目標(biāo)檢測網(wǎng)絡(luò)來說，目標(biāo)框回歸損失函數(shù)的選擇非常重要。損失函數(shù)經(jīng)歷了一段時間的發(fā)展，也呈現(xiàn)出了幾種不錯的結(jié)果。對于YOLOv5s來說，它普遍采用的是GIOU_Loss作為Bounding box的損失函數(shù)。GIOU函數(shù)是最早出現(xiàn)的IOU函數(shù)改進(jìn)版。GIOU損失函數(shù)的表達(dá)式為

式中：IOU為真實(shí)邊界與預(yù)測框的交并比，A為預(yù)測矩形框，B為真實(shí)矩形框，C為A和B的外接矩形。GIOU損失函數(shù)能很好地反映真實(shí)框與預(yù)測框的重合程度和遠(yuǎn)近距離，一定程度上解決了IOU不能體現(xiàn)A和B兩者之間距離的關(guān)鍵問題。但是，它也存在著缺點(diǎn)，當(dāng)目標(biāo)框完全包裹預(yù)測框時，如圖3所示，GIOU會失去它的優(yōu)勢，變得和IOU一樣，無法體現(xiàn)出A和B兩者的位置關(guān)系。

圖3 GIOU公式中A和B區(qū)域的位置關(guān)系

鑒于GIOU損失函數(shù)的局限性，本文用CIOU損失函數(shù)代替GIOU損失函數(shù)。因?yàn)镃IOU的計算方法充分考慮了預(yù)測框和真實(shí)框之間的重疊面積、中心點(diǎn)距離和長寬比。使用CIOU損失函數(shù)，可以使YOLOv5s網(wǎng)絡(luò)在訓(xùn)練時保證預(yù)測框更快地收斂[9]。本文訓(xùn)練結(jié)果的對比，顯示出CIOU損失函數(shù)的優(yōu)越性。所以本文將CIOU損失函數(shù)作為口罩檢測的損失函數(shù)，代替了GIOU損失函數(shù)。

2 系統(tǒng)總體設(shè)計

本文口罩檢測系統(tǒng)的結(jié)構(gòu)設(shè)計如圖4所示。系統(tǒng)以口罩檢測設(shè)備為核心，檢測設(shè)備可以為各類單片機(jī)或者嵌入式設(shè)備，本文選用的是NVIDIA Jetson TX2嵌入式平臺[10]。除此之外，系統(tǒng)還包含攝像頭、報警器、顯示屏幕、服務(wù)器以及存儲數(shù)據(jù)的數(shù)據(jù)庫。該系統(tǒng)通過攝像頭采集視頻流圖像，通過檢測設(shè)備實(shí)時識別出圖像中的人臉是否佩戴口罩，并通過報警器和顯示屏給出相應(yīng)的結(jié)果，對未佩戴口罩的人做出警示。

圖4 系統(tǒng)結(jié)構(gòu)設(shè)計圖

口罩檢測的流程如圖5所示。檢測設(shè)備通過YOLOv5目標(biāo)檢測算法訓(xùn)練好的口罩檢測模型對獲取到的圖像進(jìn)行識別，當(dāng)檢測到有人未佩戴口罩，報警器就會立馬發(fā)出警報，同時顯示屏幕會顯示出警告信息。當(dāng)檢測到口罩已經(jīng)佩戴，系統(tǒng)僅會在顯示屏幕上顯示。這些結(jié)果都會通過服務(wù)器上傳至存儲數(shù)據(jù)的數(shù)據(jù)庫，以方便相關(guān)人員查看。

圖5 檢測設(shè)備系統(tǒng)流程圖

3 口罩檢測模塊設(shè)計

3.1 口罩?jǐn)?shù)據(jù)集

本文數(shù)據(jù)集大部分來源于互聯(lián)網(wǎng)公開的數(shù)據(jù)集，還有少量自己拍攝和在公開視頻中截取的圖像。每張口罩?jǐn)?shù)據(jù)集的圖片都有對應(yīng)的標(biāo)簽文件。標(biāo)簽分為戴口罩的人臉和不戴口罩的人臉兩類，用mask和face表示。圖片總計2 000張，經(jīng)篩選和隨意排序后，將圖片按3∶1∶1的比值劃分為訓(xùn)練集、測試集和驗(yàn)證集。訓(xùn)練集為1 200張，測試集和驗(yàn)證集均為400張。相關(guān)數(shù)據(jù)集圖片如圖6所示。

圖6 數(shù)據(jù)集照片

3.2 評價指標(biāo)

由于口罩檢測本質(zhì)上是一項(xiàng)分類和定位任務(wù)，因此應(yīng)使用典型指標(biāo)進(jìn)行評估，包括真陽性（TP）、真陰性（TN）、假陽性（FP）和假陰性（FN）?；谶@些指標(biāo)，精度（Precision）和召回率（Recall）的定義如下：

精度和召回率都是簡單地從一個角度來評價模型的好壞。它們的值越靠近1，模型的性能越好；越靠近0，模型的性能越差。為了綜合評價目標(biāo)檢測的性能，一般采用平均精度均值mAP來進(jìn)一步評估模型的好壞。

平均識別精度（Average Precision，AP），采用精度（Precision，P）和召回率（Recall，R）兩個值作為橫縱坐標(biāo)，其所圍成的面積為平均識別精度，即為P-R曲線，如式（4）所示。mAP則為平均精度均值，一般以IOU為0.5來計算mAP，其中IOU如式（5）所示。式（5）中A代表預(yù)測的邊框，B代表目標(biāo)實(shí)際的邊框。AP是計算某一類P-R曲線下的面積，mAP則是計算所有類別P-R曲線下面積的平均值，如式（6）所示。

本文的平均精度均值就是對佩戴口罩的人臉的平均識別精度和不戴口罩的人臉的平均識別精度求均值，即公式（7）。

3.3 模型訓(xùn)練

PyTorch是目前難得的簡潔、優(yōu)雅、高效且快速的框架，已經(jīng)在深度學(xué)習(xí)框架中達(dá)到了一定的高度。在當(dāng)前開源的所有框架中，PyTorch在靈活性、易用性、速度等方面占據(jù)絕對優(yōu)勢[11]。因此，本文選擇PyTorch作為訓(xùn)練框架來進(jìn)行模型訓(xùn)練。

首先，將數(shù)據(jù)集的jpg文件放入images文件夾，將txt文件放入labels文件夾，將標(biāo)記完成的數(shù)據(jù)集圖片和標(biāo)簽文件分別放入對應(yīng)的訓(xùn)練集、測試集、驗(yàn)證集文件夾中。在data文件夾下創(chuàng)建一個新的yaml文件來標(biāo)記數(shù)據(jù)集的位置、數(shù)據(jù)集的類別和目標(biāo)名稱。數(shù)據(jù)集處理完成之后就可以進(jìn)行模型訓(xùn)練。在Anaconda3搭建的名為yolo5的虛擬環(huán)境中運(yùn)行train.py進(jìn)行模型訓(xùn)練，迭代次數(shù)為100輪，batchsize設(shè)為4。

本文對YOLOv5s模型進(jìn)行訓(xùn)練，將口罩圖片數(shù)據(jù)通過輸入端先進(jìn)行Mosaic數(shù)據(jù)增強(qiáng)操作提升模型的訓(xùn)練速度和網(wǎng)絡(luò)的精度，其次進(jìn)行自適應(yīng)錨框計算和自適應(yīng)圖片縮放，再次，通過主干網(wǎng)絡(luò)和Neck網(wǎng)絡(luò)對圖片進(jìn)行切片操作，進(jìn)行圖像特征的聚合等操作。最后在目標(biāo)檢測結(jié)果的輸出階段，運(yùn)用替換后的CIOU作為損失函數(shù)，通過加權(quán)nms后處理，進(jìn)一步提升算法的檢測能力。

3.4 系統(tǒng)性能分析

本文采用平均精度AP、平均精度均值mAP和P-R曲線這三種評價指標(biāo)來評價所訓(xùn)練的口罩檢測模型的性能優(yōu)劣。AP和mAP越接近于1，模型的訓(xùn)練效果越好。

本文用收集到的各種場景下的口罩?jǐn)?shù)據(jù)集來進(jìn)行口罩檢測系統(tǒng)的性能分析。將IoU設(shè)為0.5，計算每一類的所有圖片的AP，然后所有類別取平均，即mAP，由此得到基于YOLOv5s的口罩佩戴實(shí)時檢測模型的性能評價和對比。結(jié)果如表1和圖7、圖8所示。加入SE通道注意力機(jī)制后，較原始YOLOv5s網(wǎng)絡(luò)的總體mAP指標(biāo)提升了3.9%，然后將CIOU損失函數(shù)替代GIOU損失函數(shù)后，又使該指標(biāo)提升了1.1%，達(dá)到86.7%。改進(jìn)后模型性能提升明顯。該模型的精度能滿足實(shí)時性口罩佩戴檢測的要求。

表1 口罩檢測模塊的改進(jìn)結(jié)果對比

圖7 不同算法的P-R曲線

圖8 算法改進(jìn)前后的效果對比圖

4 結(jié) 語

為了提高口罩佩戴檢測的效率，本文提出了一種基于YOLOv5s的口罩佩戴實(shí)時檢測系統(tǒng)設(shè)計方案。首先，對目標(biāo)檢測模型進(jìn)行了選擇和改進(jìn)，選擇了適合于嵌入式設(shè)備的推理速度較快的YOLOv5s模型。對YOLOv5s網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，加入了SE通道注意力機(jī)制，改進(jìn)了目標(biāo)框回歸損失函數(shù)。將改進(jìn)的YOLOv5s模型進(jìn)行訓(xùn)練，精度達(dá)到預(yù)定標(biāo)準(zhǔn)，訓(xùn)練完成后，得到最優(yōu)模型。此系統(tǒng)將該模型部署到相關(guān)設(shè)備上以實(shí)現(xiàn)實(shí)際應(yīng)用，實(shí)現(xiàn)了系統(tǒng)設(shè)計的目標(biāo)。在未來的工作中，應(yīng)該在保證模型輕量和檢測速度的基礎(chǔ)上，繼續(xù)提升模型的精度，實(shí)現(xiàn)對小目標(biāo)和較遠(yuǎn)處目標(biāo)的精準(zhǔn)識別。