韩其凯

摘要：在本项目中，我们依托于机器视觉的相关技术，采用了当下速率和准确率最先进的端到端的目标检测算法--YOLOv4，来实现人脸是否口罩佩戴的检测识别。在数据集采集方面，我们采用的是WIDER_FACE数据集，部分开源数据集和大量自采数据集，进行手工标注，训练。经过实际效果检测，训练出的算法模型的准确率和召回率均达到较高水平。在项目部署方面，我们采用了基于浏览器-服务器端和基于客户端两方面的部署，服务器端使用Flask高性能web框架实现。客户端使用基于python的GUI编程工具PyQt5实现。浏览器端和客户端相结合，项目真正落地，具有实用性。该项目已部署至网站hanqikai.com，进行实际的运行测试，并不断进行维护。

关键词：计算机视觉 深度学习 目标检测 端到端神经网络

近年来，随着人工智能的不断发展和机器学习，深度学习领域的不断突破，计算机视觉技术日趋成熟。目标检测，语义分割，动作视觉，三维重建等技术迅速发展起来，并且得到了日益广泛的应用。在抗击新冠肺炎疫情的时代背景下，疫情防控进入常态化时期，我们将深度学习和计算机视觉技术应用到了现实场景中，采用机器视觉中的目标检测技术，进行了口罩佩戴检测系统的开发，并将该系统部署到了上位机上。该系统可以对人群中的人脸是否佩戴口罩的情况进行识别检测，从而帮助疫情防控人员进行人群口罩佩戴的检测，有效减少了他们接触疑似新冠肺炎患者的风险，实现人工智能技术的落地应用，使用人工智能技术解决了社会难题。……