基于深度学习的体温与口罩佩戴双检测系统

卢云聪

（郑州警察学院 河南郑州 450000）

随着新冠疫情防控进入常态化阶段，医院、车站等公共场所迎来了客流高峰，部分群众的防疫意识有所减弱，开始不佩戴口罩出入人员密集场所，这大大增加了新冠病毒的传染风险，考虑到新冠病毒的变异性，部分公共场所对通行人员进行体温检测和口罩佩戴监督仍然是必要的。目前常见的体温和口罩佩戴检测主要依靠工作人员手持体温枪检测，这种方式存在一定的漏检率，效率低下，且容易造成群众的抵触情绪[1]。因此借助深度学习构建一款高效、准确的体温与口罩佩戴检测模型具备良好的应用价值。

目前常用的目标检测算法主要是one-stage 算法中表现优异的YOLO模型，它主要是通过多层卷积神经网络结构来对目标图像进行不同尺度特征的提取，进而对目标所在位置及类别进行预测[2，3]。该方式识别速度快具备实时性的特点，但在面对人员密集的复杂场景时，识别性能容易受到背景干扰，造成识别精度的下降。

本文在YOLOV5 算法的基础上加入CBAM 模块构建了改进YOLOV5模型，旨在进一步提升模型在复杂场景下提取目标多尺度特征的能力。同时提出了灰度极值定位算法，结合人脸生物学特征定位人像额头的中心点。最终构建出了能够实时对目标进行体温和口罩佩戴情况同时进行检测的双检测模型，以此来减轻公共场所管理压力，增强群众的卫生健康意识。

一、模型架构

（一）CBAM。卷积块注意力模块（Convolutional Block Attention Module,CBAM）是由通道注意力模块和空间注意力模块组成[4]，如图1所示

图1 CBAM结构图

CBAM首先借助通道注意力模块对输入特征图的各个通道的重要程度进行建模，针对检测任务需求，对不同的通道进行增强或者抑制[5]，如图2 所示。然后通过空间注意力模块对逐元素相乘后结果的空间维度进行建模，获取其中任务感兴趣的区域，并对这些区域进行细化处理，如图3所示。最终将空间注意力处理结果与处理前的输入进行逐元素相乘，得到最终的输出特征图[6]。

图2 通道注意力模块

图3 空间注意力模块

（二）改进YOLOV5模型。本文在YoloV5模型的基础上进行改进，在Neck部分的FPN+PAN结构中加入三个CBAM模块，用来对三个不同尺度的特征图进行优化和聚焦，用以消除复杂环境中背景所带来的干扰，提升模型对于目标内容的敏感度，如图4所示。

图4 改进YOLOV5模型

当图像输入进模型后，首先通过Backbone对其进行特征提取，以获取不同尺度的特征图[7]。再通过Neck对不同尺度特征图进行整合和再提取，并依靠其中的CBAM实现对不同尺度特征图的优化和聚焦。最后通过Prediction对检测结果进行输出。这种改进方式能够帮助模型在图像中更加准确的定位人像，很大程度上抑制了来自背景的干扰，增强模型的性能。

二、基于人像的灰度极值定位算法

目前常见的电子测温系统主要是依靠内置测温传感器来对目标进行测温[8]。该方式需要在设备部署前计算好传感器的最佳检测点位置，以此来确保其对准待测温人员的额头位置，并且对检测距离有一定的范围要求[9]。但由于公共场合人员的复杂性和高流动性，存在着不同身高、体态、性别的目标，因此上述方式很容易造成漏检、误检。

由于生物学角度上人脸具备对称性，并且除五官和毛发外均为皮肤，因此在灰度图像下，某些五官和毛发位置上的像素值具备一定的对称性，并且除五官和毛发位置外像素值均为零。根据该特点，本文提出了基于人像的灰度极值定位算法。首先对获取的人像进行灰度处理，并分别计算该图像的各行像素之和及各列像素之和，如图5所示。

图5 灰度极值处理结果

从图中可以看出，人像的各行像素之和及各列像素之和的函数图像出现了多个极值，极大值代表皮肤裸露相对较多的行或列，而极小值代表有五官或毛发存在的行或列。对于横向计算来说，头发和眉毛处的各行像素值和会出现极小值，因此在这两者间的像素行中必然存在极大值，而该极大值所对应的像素行即额头部分的横向定位线（图中①所示）。而对于竖向计算来说，由于人脸的对称性，因此面部中轴线的像素值之和必然为极大值（图中C所示）。两线相交的像素点坐标，即可确定为目标的额头最佳测温点坐标（额头中心坐标）。

三、实验与分析

（一）实验数据。使用SF-MASK作为数据集。该数据集是在复杂背景下的监控录像中截取，具有小尺寸、多角度、多口罩类型的特点，适用于高人流量场景下的口罩佩戴检测，与本文检测任务相契合。数据集共37156 张图片，本文按照4：1 的比例划分训练集和测试集。

（二）改进YOLOV5 模型实验。本文在YOLOV5 模型的基础上结合CBAM 机制，构建口罩佩戴检测模型，并与未改进模型在使用相同数据集的情况下进行了对比，结果如表1 所示。精确率P 表示所有预测为正样本的结果中真正为正样本的比例，此处的正样本为佩戴口罩的样本；召回率R 表示所有正样本中被预测为正样本的比例；mAP表示各类别（本文中只有佩戴和未佩戴口罩两种类别）的平均准确率。

表1 基于改进YOLOV5的口罩佩戴检测模型测试结果

可以从表中看出，改进后的模型在精确率P、召回率R、mAP值上分别有着1.29%、3.16%、2.38%的提升，说明YOLOV5模型在加入CBAM 后提升了一定的目标分类能力以及复杂背景下的目标捕获能力。由于改进模型参数规模的增大，在单帧图像的平均推理时间上有着2.3ms的较小延迟，但整体检测速度仍在合理范围内，并未影响模型的正常检测行为。

（三）体温与口罩佩戴双检测系统实验。使用训练好的改进YOLOV5口罩检测模型结合灰度极值定位算法，构建体温与口罩佩戴双检测系统，检测流程如图6所示。使用艾瑞天眼t2热成像仪结合常规高清摄像头组成图像输入设备，当改进YOLOV5模型检测到高清摄像头中的人像后，会对其是否佩戴口罩进行判断，同时，会将人像进行裁剪并通过灰度极值定位算法对额头测温点的坐标进行定位，最后，根据该坐标在热成像画面中获取目标人的额头体温数据。

图6 基于深度学习的体温与口罩佩戴双检测系统

为了检验该系统在实际应用中的效果，本文针对图像中目标数的不同进行了多组实验，每组的实验次数为100，结果如表2所示：

表2 基于深度学习的体温与口罩佩戴双检测系统实验结果

可以从表中看出，该系统能够在一定有效范围内对目标进行快速、准确的体温与口罩佩戴情况检测，并且随着图像中目标数量的增加，系统性能仍然保持稳定，证明了该系统能够满足公共场所的卫生健康管理需求。

四、总结

针对公共场所人流量大的问题，本文在YOLOV5模型的基础上加入了CBAM模块，用以进一步提升模型在复杂场景下提取目标多尺度特征的能力。针对传统电子测温系统最佳测温点定位难的问题，提出了灰度极值定位算法，用以根据人脸特征快速定位额头中心点坐标。并将两者进行结合，构建了体温与口罩佩戴双检测系统，并进行了实际测试，结果证明本系统能够实时有效地对目标人员进行检测，对营造卫生健康的公共环境有着一定的实用价值。