刘紫馨

（中国传媒大学信息与通信工程学院，北京 100024）

0 引言

2020年初，“新冠”疫情爆发，为有效阻止疫情的传播与蔓延，国家卫生健康委规定大家日常出行均须佩戴口罩。疫情初期，市民自觉佩戴口罩的意识较弱，曾多次出现人员聚集性感染现象。随着秋冬季节的来临，以及防止境外病例输入带来的影响，在人流密度较大的公共场所，均应设有工作人员对行人进行体温检测以及口罩佩戴的监督提醒工作。由于人工检测存在人力资源浪费、效率低下等问题，可以使用口罩佩戴识别技术，自动识别行人的口罩佩戴情况，实现高效无接触式检测。

口罩佩戴识别技术是由基于特征融合和分割监督的目标检测以及口罩属性类别识别两大模块组成的。目标检测是神经网络中较为重要的一门领域，卷积网络本身具有的权值共享的特点可以降低时间复杂度，提高识别速度。

现阶段深度学习的主要实现方式是在 GPU平台上完成，由于 GPU具有高带宽以及高效率的浮点运算单元等特点，通常被用于进行卷积神经网络的分类和训练。但在实际应用中，仍然面临着高端 GPU价格昂贵、体积巨大、位置固定且仅能在服务器上安装等问题，极大地限制了算法的应用场景；而嵌入式平台体积较小，可拓展性强，部署方便，可接入平台多，具有良好的硬件适应性，方便移植，可以针对特定应用灵活设计。

1 系统整体方案

本文设计的口罩佩戴检测仪可以实现对行人是否佩戴口罩的实时检测，具有实时性、便携性、可拓展性强、识别准确度高等特点。……