摘要：为满足疫情时期的特殊需要,基于改进YOLOv5模型,设计一款应用于复杂场景的口罩佩戴识别检测系统。系统采用Py Charm集成开发环境,从网络上爬取1600张口罩佩戴相关的图片,在原始k-means算法基础上加入聚类算法,获取与真实框之间的更高的先验框。在人机交互界面使用Qt组件设计,图像和模型数据加载使用开源OpenCV视觉库实现。口罩佩戴检测的核心算法使用目标检测算法中的YOLOv5训练并结合PyTorch框架实现。实验结果表明,系统能够实现多人场景下人群佩戴口罩状况的检测,在多人物以及实时检测场景中准确率有所提高,在使用和效果上都具有自身特有的优势。

摘要：在新冠状病毒还未被完全控制的情况下,公共场所必须筛选出发热或者未戴口罩的人员,以防止聚集发病;目前常采用的测温方式大都采用手持测温枪或热成像体温检测仪进行测温;在检测过程中,前者需要人员手持设备进行测温,而后者测温仪受环境温度、光照等条件变化的影响较大;利用点阵式红外成像模块结合树莓派,基于移动目标检测的红外测温算法设计了一种能够自动测量人体温度、受环境影响小的非接触式测温仪;同时配备口罩检测功能,用于室外或室内,针对人员进行测温和口罩检测,实现了检测一张人脸口罩图像仅需要200~300 ms;在设计过程中,需要考虑到测量距离、环境温度、目标温度等方面对结果的影响,经测试实现了测量误差在0.3℃以内,保障了测温准确度的同时提高了测温速度。