1. 项目背景与核心价值
去年在指导本科生毕业设计时，遇到一个特别有意思的选题——基于深度学习的行人口罩佩戴检测系统。这个项目看似简单，实则涵盖了计算机视觉领域的多个关键技术点。疫情防控常态化背景下，公共场所的口罩佩戴检测具有明确的应用场景，比如商场入口、地铁站、学校等区域的自动监测。
从技术角度看，这个毕业设计完美融合了目标检测和分类任务。学生需要处理真实场景下的复杂光照条件、多角度人脸、遮挡等问题。更关键的是，这个项目规模适中，既有足够的挑战性，又能在毕业设计周期内完成，还能让学生完整走完数据采集、模型训练、部署优化的全流程。
2. 技术方案选型与对比
2.1 主流目标检测算法对比
在方案设计阶段，我们重点对比了几种适合毕业设计级别的目标检测框架：
-
YOLO系列：YOLOv5的轻量版非常适合教学场景。它的优势在于：
- 单阶段检测，速度优势明显
- 预训练模型丰富，迁移学习效果好
- 社区支持完善，问题容易解决
-
Faster R-CNN：两阶段检测的经典代表
- 检测精度通常更高
- 但训练和推理速度较慢
- 更适合研究型项目
-
SSD：平衡型选择
- 折中了速度和精度
- 网络结构相对简单
- 适合硬件资源有限的情况
最终我们选择了YOLOv5s（small版本），因为它的6.4MB模型大小和140FPS的推理速度（在RTX 3060上测试）完全满足实时检测需求，而且PyTorch框架对学生更友好。
2.2 数据集的特殊处理
口罩检测的关键在于数据质量。我们使用了以下数据源：
- MAFA（Masked Face）数据集：包含35,806张图片
- SMFD（Simulated Masked Face Dataset）：人工合成的口罩数据
- 自采数据集：在校内不同场景下拍摄的2000+张图片
数据增强策略特别重要：
python复制# 典型的数据增强配置
transform = A.Compose([
A.HorizontalFlip(p=0.5),
A.RandomBrightnessContrast(p=0.2),
A.RandomGamma(p=0.2),
A.CLAHE(p=0.2),
A.Blur(blur_limit=3, p=0.1),
A.MotionBlur(blur_limit=3, p=0.1),
A.RandomResizedCrop(height=640, width=640, scale=(0.8, 1.0), ratio=(0.9, 1.1), p=0.5),
], bbox_params=A.BboxParams(format='yolo'))
3. 模型训练的关键细节
3.1 标注规范制定
我们采用YOLO格式的标注标准：
- 两类标签：with_mask / without_mask
- 对于部分遮挡的情况：
- 口罩覆盖口鼻区域≥50%：标记为with_mask
- 口罩明显歪斜或只遮盖下巴：标记为without_mask
- 完全看不到面部的情况：不标注
3.2 训练参数配置
以下是经过多次实验验证的最佳参数组合：
yaml复制# yolov5s_mask.yaml
nc: 2 # 类别数
depth_multiple: 0.33
width_multiple: 0.50
# 训练命令示例
python train.py --img 640 --batch 16 --epochs 100 --data yolov5s_mask.yaml --weights yolov5s.pt
关键训练技巧：
- 使用冻结训练：前50个epoch只训练检测头，后50个epoch解冻全部层
- 学习率策略：初始lr=0.01，采用余弦退火调度
- 早停机制：当验证集mAP@0.5连续10个epoch不提升时停止
4. 部署优化实践
4.1 轻量化方案对比
我们测试了三种部署方案：
| 方案 | 推理速度(FPS) | 模型大小 | mAP@0.5 | 适用场景 |
|---|---|---|---|---|
| YOLOv5s原生 | 142 | 6.4MB | 0.89 | 高性能GPU |
| TensorRT优化 | 210 | 5.1MB | 0.88 | 边缘设备 |
| ONNX+OpenVINO | 95 | 6.2MB | 0.87 | Intel CPU |
4.2 实际部署中的坑
- 视频流处理：
- 使用多线程处理：一个线程负责视频采集，一个线程负责推理
- 注意帧率匹配：摄像头帧率与模型推理速度要协调
python复制# 简化的多线程处理框架
class VideoStream:
def __init__(self, src=0):
self.stream = cv2.VideoCapture(src)
self.grabbed, self.frame = self.stream.read()
self.stopped = False
def start(self):
Thread(target=self.update, args=()).start()
return self
def update(self):
while not self.stopped:
self.grabbed, self.frame = self.stream.read()
def read(self):
return self.frame
def stop(self):
self.stopped = True
- 误检过滤：
- 采用时间连续性校验：连续3帧检测到才确认
- 设置最小人脸尺寸：过滤远处的小目标
5. 效果评估与改进方向
5.1 测试指标
我们在校内多个场景下进行了测试：
| 场景 | 准确率 | 召回率 | 平均推理时间 |
|---|---|---|---|
| 教室走廊 | 92.3% | 89.7% | 15ms |
| 食堂入口 | 88.5% | 85.2% | 18ms |
| 运动场边 | 79.1% | 82.6% | 22ms |
5.2 典型误检案例
-
相似物干扰：
- 围巾、高领毛衣等易被误判为口罩
- 解决方案：增加负样本数量
-
遮挡情况：
- 手部遮挡面部时判断困难
- 改进方向：引入关键点检测辅助
-
光照条件：
- 强逆光环境下性能下降明显
- 可尝试：HDR预处理或红外摄像头
6. 项目扩展建议
对于想进一步深挖的同学，可以考虑以下方向：
-
多模态融合：
- 结合红外测温模块
- 增加语音提示功能
-
部署优化：
- 移植到树莓派等边缘设备
- 开发微信小程序展示端
-
算法改进：
- 尝试YOLOv8或RT-DETR等新算法
- 加入注意力机制提升小目标检测
这个项目最让我惊喜的是，经过3个月的迭代，最终系统在校园测试中达到了91%的准确率。有个实用建议：一定要重视数据质量，我们中途发现标注不一致的问题后，重新统一标注标准并增加了2000张针对性采集的数据，模型性能直接提升了7个百分点。