题目

嵌入式口罩及人员密度检测系统设计

内容：

新冠疫情常态化防控中，公众密集场所中对佩戴口罩的检测以及人员密度的控制是必要的。本课题旨在设计一种嵌入式的口罩以人员密度检测系统。主要内容包括：
1、查阅文献，掌握英伟达Jeston TX2硬件、端口配置与系统安装；学习目标检测、卷积神经网络等相关知识；
2、采集视频，实现基于YOLO算法的人脸检测及口罩检测，对佩戴口罩与否进行判断；
3、实现基于卷积神经网络的人员密度检测；
4、利用英伟达Jeston TX2进行系统构建；
5、从硬件选型、系统构建成本、性能等角度对系统进行分析。

1、在百人图像集规模上，口罩检测的准确率不低于90%；
2、在百人图像集规模上，人员密度检测准确率不低于90%；
3、系统运行帧率在16FPS以上；
4、采用 Python 语言编程；

学习时间：

第七学期：
第15-16周 查阅资料，学习目标检测算法相关知识；
第17-18周 查阅资料，学习卷积神经网络相关知识，撰写开题报告；
第八学期：
第1-2周 整理资料，梳理口罩检测和人员密度检测的嵌入式系统的研究方案和技术路线，修改并完善后提交开题报告；
第3-5周 完成硬件系统搭建，安装操作系统，完成口罩检测算法的图像标注和训练；
第6-8周 采集视频，测试口罩检测的实时性和准确性；完成中期检查；
第9-12周 利用行人检测算法实现密度统计，并在视频上进行测试；
第13-14周 界面开发，测试整体系统的准确率和实时性；
第15-16周 撰写论文并进行答辩。

主要参考文献和书目：

[1]乔•米尼奇诺. opencv3计算机视觉python语言实现[M].北京：机械工业出版社, 2016.
[2]Adrian Kaehler, Gary bradski著，刘昌祥等译.学习openCV3（中文版）[M].北京：清华大学出版社, 2018.
[3] J. Wu, C. Zhou, M. Yang, Q. Zhang, Y. Li and J. Yuan. Temporal-Context Enhanced Detection of Heavily Occluded Pedestrians. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 2020, pp. 13427-13436.
[4] X. Chu, A. Zheng, X. Zhang and J. Sun. Detection in Crowded Scenes: One Proposal, Multiple Predictions. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 2020, pp. 12211-12220.
[5] Y Shi，X Yu，K Sohn，M Chandraker，AK Jain. Towards Universal Representation Learning for Deep Face Recognition [C]. Proceedings of 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 2020, 6816-6825.
[6] S Zhang，C Chi，Y Yao，Z Lei，SZ Li. Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection[C]. Proceedings of 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020: 9756-9765.