YOLOv5口罩检测系统开发与优化实战-AI智能范式网

YOLOv5口罩检测系统开发与优化实战

艾弥儿·2026-09-02·阅读 21 GEO检测（免费）

YOLOv5口罩检测PyTorch

|难度：普通|阅读约 12 分钟

1. 项目概述：当YOLOv5遇上口罩检测

去年在商场门口亲眼目睹保安和未戴口罩顾客的争执后，我萌生了开发智能口罩检测系统的想法。传统人工查验不仅效率低下，在高峰期更容易引发冲突。而基于YOLOv5的目标检测技术，配合PyTorch框架的灵活性，正好能解决这个问题。

这个项目本质上是在实时视频流中定位并分类人脸口罩佩戴状态，核心要解决三个问题：首先是如何处理不同光照条件下的人脸检测，其次是准确区分正确佩戴、错误佩戴和未佩戴三种状态，最后是保证在嵌入式设备上的推理速度。经过两个月的迭代，最终实现的系统在1080P分辨率下能达到32FPS的处理速度，准确率稳定在94%以上。

关键提示：YOLOv5虽然以速度快著称，但在小目标检测（如口罩边缘）上需要特殊处理，这是本项目最大的技术挑战

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 环境搭建与工具选型

2.1 硬件配置方案

我的开发环境组合经历了三次调整：

初始阶段：RTX 3060笔记本（6GB显存）+ 16GB内存
训练阶段：阿里云GN6v实例（NVIDIA V100 32GB）
部署阶段：Jetson Xavier NX

对于想复现的朋友，建议至少准备：

GPU：NVIDIA GTX 1660以上（4GB显存起步）
CPU：4核以上（用于数据预处理）
内存：8GB（最低要求，16GB更佳）

踩坑记录：最初在RTX 3060上直接跑官方预训练模型时，由于CUDA 12.1与PyTorch 1.12的兼容性问题，导致显存溢出。解决方案是降级到CUDA 11.3 + PyTorch 1.10组合。

2.2 软件环境配置

通过conda创建隔离环境是最稳妥的方案：

bash复制conda create -n maskdetect python=3.8
conda activate maskdetect
pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html

YOLOv5的安装要注意分支选择：

bash复制git clone -b v6.0 https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

国内用户推荐替换pip源：

bash复制pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3. 数据工程实战

3.1 数据集构建

优质的数据集需要覆盖：

人种多样性（亚洲/欧洲/非洲面孔）
光照条件（强光/弱光/逆光）
遮挡情况（眼镜/围巾/手势遮挡）
角度变化（俯拍/仰拍/侧脸）

我融合了三个公开数据集：

MAFA（包含3.5万张遮挡人脸）
Moxa3K（专门针对口罩检测）
自采集的2000张超市监控画面

标注格式采用YOLOv5标准：

code复制<object-class> <x_center> <y_center> <width> <height>

其中类别定义为：

0: 正确佩戴口罩
1: 错误佩戴口罩（如露出鼻子）
2: 未佩戴口罩

3.2 数据增强策略

在data/hyps/hyp.scratch-low.yaml中调整：

yaml复制hsv_h: 0.015  # 色调增强幅度
hsv_s: 0.7    # 饱和度增强
hsv_v: 0.4    # 明度增强
degrees: 10   # 旋转角度范围
translate: 0.1  # 平移比例
scale: 0.5    # 缩放范围
shear: 0.0    # 剪切变换

特别增加了针对口罩的专属增强：

随机添加模拟呼吸导致的口罩褶皱
生成眼镜反光效果
模拟口罩带断裂的局部遮挡

4. 模型训练与优化

4.1 模型选型对比

测试了YOLOv5各版本在口罩检测上的表现：

模型版本	参数量(M)	mAP@0.5	FPS(3060)
yolov5n	1.9	0.87	142
yolov5s	7.2	0.91	98
yolov5m	21.2	0.93	67
yolov5l	46.5	0.94	43

最终选择yolov5s作为基础模型，在速度和精度间取得平衡。

4.2 关键训练参数

启动训练的命令示例：

bash复制python train.py --img 640 --batch 16 --epochs 100 --data mask.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --hyp data/hyps/hyp.scratch-low.yaml

几个必须调整的参数：

--img-size：根据摄像头分辨率设置，建议不小于640
--batch-size：显存允许下尽可能大（需为8的倍数）
--rect：启用矩形训练节省显存

4.3 注意力机制改进

在models/yolov5s.yaml中添加CBAM模块：

yaml复制backbone:
  [[-1, 1, Conv, [64, 6, 2, 2]],  # 0-P1/2
   [-1, 1, CBAM, [128]],          # 1-P2/4
   [-1, 3, C3, [128]],
   ...]

改进后的模型在小目标检测上mAP提升2.3%，但推理速度下降约8%。

5. 部署与性能优化

5.1 TensorRT加速

转换到TensorRT引擎的完整流程：

bash复制python export.py --weights runs/train/exp/weights/best.pt --include engine --device 0 --half

关键优化点：

开启FP16模式：--half
动态轴设置：-d 1,3,640,640
对于Jetson设备需添加--workspace=8

5.2 边缘设备适配

在Jetson Xavier NX上的部署技巧：

安装JetPack 4.6.1（包含CUDA 10.2）
使用torch-1.10.0-cp36-cp36m-linux_aarch64.whl
设置功率模式：

bash复制sudo nvpmodel -m 2  # 10W模式
sudo jetson_clocks  # 强制最大频率

实测性能：

原始PyTorch模型：9 FPS
TensorRT优化后：22 FPS
开启DLA：28 FPS

6. 实际应用中的问题排查

6.1 典型误检场景

收集到的TOP3错误案例：

手持口罩靠近脸部被识别为佩戴
络腮胡子区域误判为口罩
深色围巾边缘检测为口罩带

解决方案：

增加负样本（手持口罩的特写）
在推理后添加基于关键点的验证：

python复制def check_mask_position(nose_x, nose_y, mask_bbox):
    # 计算鼻子是否在口罩区域内
    return mask_bbox[0] < nose_x < mask_bbox[2] and \
           mask_bbox[1] < nose_y < mask_bbox[3]

6.2 光照补偿方案

针对低光照环境的改进：

python复制def adaptive_gamma_correction(img):
    # 基于局部亮度的自适应伽马校正
    lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
    l, a, b = cv2.split(lab)
    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
    limg = clahe.apply(l)
    return cv2.cvtColor(cv2.merge((limg,a,b)), cv2.COLOR_LAB2BGR)

7. 系统集成与效果展示

完整的处理流水线包含：

视频流获取（支持RTSP/USB摄像头）
多线程预处理（缩放+归一化）
基于队列的批推理
后处理（NMS+业务逻辑）
可视化输出

核心代码结构：

python复制class MaskDetectionSystem:
    def __init__(self):
        self.model = load_yolov5_model()
        self.tracker = StrongSORT()
        
    def process_frame(self, frame):
        detections = self.model(frame)
        tracks = self.tracker.update(detections)
        return apply_business_rules(tracks)

实测在超市入口场景下，相比人工查验：

通过率提升40%
漏检率低于2%
平均等待时间缩短65%