智能访客机器人视觉图像分析处理系统研究与实现开题报告

1. 研究目的与意义

随着当下计算机科学技术的迅猛发展，人工智能已成为研究开发能模拟和扩展人类智能理论、方法、技术以及应用系统的一门新科学技术，并已广泛地、大量地存在于生活中。2020年初，新冠肺炎疫情的突然爆发，对人们的生命产生巨大威胁。即使后来疫情得到有效控制，在人口密集的场所还是有很大的风险，为了防止病毒的传播，要求群众只要出入人员密集的场所必须佩戴口罩。但社会人员数量庞大，出入公共密闭场所频繁，人员密集，如果完全依赖人力来进行监督和管理，就不可避免地出现工作效率低下，工作强度大等弊端，这就使得风险系数大大增加。

智能访客机器人视觉图像分析处理系统可以有效地监督出入公共场所的访客是否佩戴口罩，利用人工智能技术代替人力进行是否佩戴口罩的监管，毫无疑问成为防控疫情的重要组成部分。在传统图像处理和识别方法中，使用特征提取作为一种手段，但由于特征提取很多，造成数据冗余，占用内存过大，识别速度慢等不利因素，反而阻碍了图像识别。故在设计该系统时需要用到深度学习的方法，与传统方法相比，深度学习可提供基于学习的特征表示，并在自动特征提取和分割识别准确度方面表现更好，使用这个方法来完成智能访客机器人视觉图像分析处理系统的设计可以较大程度降低网络参数量，而且保证模型性能，在速度、准确率和安全性方面具有较大优势。在人员密集场所实际应用时，对实时图像进行处理，系统自动分析图像中是否有未佩戴口罩的人员，以达到识别出未佩戴口罩人员的目的，然后提醒通知相关人员佩戴口罩，提高受访场所安全系数。

利用智能访客机器人视觉图像分析处理系统结合社会各单位场所的实际情况和防控管理措施，切实有效地做好监督工作，进一步督促平台用户做好个人健康防护，这样不仅节约人力，还提高监管效率以及覆盖率，从而使社会公共场所疫情出现和蔓延的概率大大降低，为各行各业的健康防疫提供强大的科技助力。

2. 研究内容和预期目标

本课题主要对基于深度学习的人脸识别系统进行了深入的研究，研究的内容主要包括人脸检测、人脸跟踪、佩戴口罩识别算法，最后实现智能访客机器人视觉图像分析处理系统。

同时可以结合注意力学习来设计口罩佩戴识别技术方案，该方案由基于特征融合和分割监督的人脸检测及口罩佩戴识别两大技术模块组成。前者实现在图像中准确定位人脸区域的功能，后者在单个人脸区域的基础上利用注意力学习进一步分析人脸属性，判断人脸是否佩戴口罩。

3. 研究的方法与步骤

研究方法：

首先第一部分是人脸识别检测部分，人脸识别是一个从人脸预处理，到人脸特征提取，再到人脸特征比对的过程。其中，人脸图像预处理是特征提取前的准备工作，能够在一定程度上提高特征提取的作用；特征提取作为特征对比的前提，直接影响着识别效果的好坏，是人脸检测中最关键的步骤。提高系统的识别能力需要从人脸预处理算法和特征提取算法两部分入手。本系统的人脸检测主要分为四个流程：活体检测、人脸预处理、人脸特征提取、特征对比检测。第一步是活体检测，通过脸部动作引起的脸部特征点的变化来判断是否为真实人脸；第二步是人脸预处理，即定位待检测图像中的人脸位置，输出人脸所在位置矩形框，并截取矩形框中的人脸图像，送入人脸对齐接口，最后两步是通过人脸特征点提取，并比对定位点和标准点，将检测出的人脸转换成一张标准脸。

另一部分是佩戴口罩识别，可以采用目标分类方法，这种方法计算量小，速度快，由于口罩面积较大，在人脸占比小，整个训练和推理过程相对简单。同时设计模型时可以加入注意力学习机制，从而提高针对困难样本的识别能力，进一步强化口罩区域，并针对损失函数进行优化，同时可以针对人脸检测获得的边界框进行一定比例的扩展，即在输入层的数据预处理中扩展包含更多的人脸佩戴口罩区域，提高模型的分类能力。

4. 参考文献

[1] 张修宝,林子原,田万鑫,王艳,沈海峰,叶杰平.全天候自然场景下的人脸佩戴口罩识别技术[j].中国科学:信息科学,2020,50(07):1110-1120.

[2] 王沛.改进yolov5的口罩和安全帽佩戴人工智能检测识别算法[j].建筑与预算,2020.

[3] 岳博.自适应多模式人脸识别系统的设计与实现[d].吉林大学,2013.

5. 计划与进度安排

3.01--3.20，熟悉课题背景，查阅中英文资料，完成毕设开题。

3.21--4.30，开展课题内容，完成课题的主要实验工作和程序调试。

5.01--5.20，撰写毕设论文初稿并完成中英文翻译。