王卓群，易超

( 中山大学 电子与信息工程学院, 广东 广州 510006 )

0 引言

COVID-19病毒给人类带来了严重影响。时至今日，人类仍然同疫情进行着艰苦的斗争。佩戴口罩则是能够防止病毒传播有效措施之一，检测体温也能有效预防新冠病毒，如果在进行身份认证的过程中能够避免口罩被摘下，无疑也能降低疫情传播的风险。当前多地对于民众是否佩戴口罩的监管与测温工作还停留在人工检测的阶段，在无接触且佩戴口罩的前提下也无法进行有效的身份认证。因此，在疫情背景下，开发一套实时的口罩佩戴检测与体温测量的免摘除口罩人脸识别门禁系统迫在眉睫。

相应的研究大多是在疫情爆发后才开展的。对于口罩佩戴检测这一问题，我们将其视为深度学习神经网络领域的目标检测问题，基于深度学习的目标检测算法十分丰富，有YOLO[1-2]系列算法，也有Fast R-CNN[3]等。这两大类算法分别侧重于速度和精度，因此在实际应用中应当综合考量。对于戴口罩的人脸识别，之前医学领域曾进行过相关研究[4]，现阶段百度、商汤科技等AI智能研发公司相继推出相关的系统，其核心思想在于通过在传统的人脸识别网络中加重分析人眼眉部分的特征或者对口罩遮挡部分的人脸进行重构从而增加人脸在有口罩遮挡情况下识别的正确率。

本文中提出的门禁系统，通过OpenCV采集到的实时图像，输入进基于YOLOv3-tiny[5]的口罩佩戴检测网络和基于ResNeSt50[6]网络的戴口罩人脸识别网络，达到检测用户是否佩戴口罩以及身份识别的效果。……