1. 项目背景与核心价值去年在指导某高校毕业设计时遇到一个典型的机器视觉落地场景——校园出入口需要自动检测行人是否规范佩戴口罩。这个看似简单的需求背后其实包含了完整的计算机视觉技术链。不同于实验室的完美环境真实场景中的人脸角度、光照变化、遮挡情况都给检测算法带来巨大挑战。口罩检测本质上属于特定目标检测任务但相比常规物体检测有其特殊性一是目标尺寸小口罩仅占人脸下部约1/6区域二是存在大量半遮挡情况如口罩佩戴不规范。这要求算法既要具备细粒度识别能力又要能处理不完整特征。当前主流方案主要基于YOLO系列改进或采用两阶段检测框架我们在项目中最终选择了YOLOv5s注意力机制的改进方案。2. 技术方案选型与对比2.1 主流算法性能对比通过对比实验我们测试了三种典型方案在自建数据集上的表现模型类型准确率(%)推理速度(FPS)模型大小(MB)Faster R-CNN92.38245YOLOv5s89.74514MobileNetV3SSD86.5629考虑到实际部署需要平衡精度和速度最终选择在YOLOv5s基础上进行改进。这个选择基于三点考量首先校园场景对实时性要求较高需要30FPS以上其次边缘设备算力有限使用Jetson Nano部署最后YOLO系列在目标检测任务中已形成完整生态便于后续迭代。2.2 模型改进关键点在基础模型上我们主要做了三处改进注意力机制融合在Backbone末端添加CBAM模块使网络更关注口罩区域。实验表明这使小目标检测AP提升约4.2%多尺度训练策略针对远近不同的人脸采用640×640和320×320双尺度交替训练改善尺度适应性数据增强优化除常规的翻转、旋转外特别添加了口罩模拟生成器自动生成各种佩戴状态的样本实践发现直接使用公开口罩数据集效果不佳因为拍摄角度和场景差异太大。建议至少收集30%的实际场景数据。3. 数据集构建与标注规范3.1 数据采集方案我们采用31数据来源策略校园监控视频抽帧占比40%公开数据集筛选MAFA、FaceMask等占比30%模拟生成数据占比20%人工补拍特殊场景占比10%特别注意收集以下难点样本侧脸/低头等非常规角度透明/花纹等特殊材质口罩佩戴不规范露鼻、挂下巴等3.2 标注标准制定采用严格的四类标注规范proper_mask规范佩戴improper_mask佩戴不规范no_mask未佩戴occluded严重遮挡无法判断标注时要求精确贴合口罩边缘对于不规范佩戴的情况需要同时标注人脸关键点鼻尖、下巴作为参考。我们开发了半自动标注工具结合Dlib人脸检测预生成标注框将人工标注效率提升3倍。4. 模型训练与调优实战4.1 训练环境配置硬件配置GPURTX 3060 (12GB显存)CPUi7-11800H内存32GB软件环境# 关键依赖版本 python3.8.10 torch1.9.0cu111 torchvision0.10.0cu111 albumentations1.1.04.2 超参数设置核心参数配置# yolov5s_mask.yaml nc: 4 # 类别数 depth_multiple: 0.33 width_multiple: 0.50 anchors: - [10,13, 16,30, 33,23] - [30,61, 62,45, 59,119] - [116,90, 156,198, 373,326] # 训练命令示例 python train.py --img 640 --batch 32 --epochs 100 --data yolov5s_mask.yaml --weights yolov5s.pt4.3 训练过程监控使用WandB进行可视化监控重点关注三个指标mAP0.5主要精度指标mAP0.5:0.95综合性能指标inference_time单帧处理耗时典型训练曲线显示约在50epoch后模型进入稳定期此时可以开始进行模型剪枝等优化操作。5. 边缘端部署优化5.1 TensorRT加速实践在Jetson Nano上的部署流程# 模型转换 python export.py --weights runs/train/exp/weights/best.pt --include onnx trtexec --onnxbest.onnx --saveEnginebest.engine --fp16 # 推理测试 ./inference_engine --model best.engine --video test.mp4经过TensorRT优化后推理速度从原来的22FPS提升到37FPS满足实时性要求。5.2 功耗优化技巧通过三项措施将整机功耗控制在10W以内设置GPU频率上限sudo jetson_clocks --fan sudo nvpmodel -m 1使用异步推理流水线动态调整检测频率人流量少时降至15FPS6. 实际场景问题排查6.1 典型误检案例收集到的TOP3错误类型手持口罩误判为佩戴占比38%高领衣物误识别为口罩占比25%阴影导致的误判占比17%解决方案添加行为时序分析要求口罩区域持续存在5帧以上融合人脸姿态估计排除非面部区域的误检引入光流分析过滤静态纹理误判6.2 性能瓶颈分析使用Nsight Systems工具分析发现60%时间消耗在图像预处理25%时间在模型推理15%时间在后处理优化措施将resize操作移至GPU执行使用双缓冲机制重叠处理优化NMS实现经过优化后整体吞吐量提升40%在Jetson Nano上达到稳定25FPS的处理能力。7. 项目扩展方向当前系统可进一步扩展多目标检测同步检测体温异常结合热成像语音提示模块对不规范佩戴实时提醒人流量统计基于检测结果生成热力图一个实用的改进是在校园地图上实时显示各入口的口罩佩戴率帮助管理人员快速定位需要加强监管的区域。这只需要在现有系统上添加简单的数据可视化接口。