基于深度学习的疫情防控口罩佩戴识别系统开题报告

1. 研究目的与意义

从2019年末开始，新型冠状病毒肺炎在我国全面爆发并迅速传播，同时国家也积极响应密切关注全国疫情的动态变化并强调在公共场合必须严格按照要求佩戴口罩。自从新型冠状病毒蔓延以来，各行各业都受到了巨大的冲击，严重影响到人们正常生产生活。

正确佩戴口罩能够有效减少飞沫传染的风险，特别是在公共场所，这种举措尤为重要。但是，仍然还需要提高公众对主动佩戴口罩的观念，因此，在这期间，有意识地戴口罩可以有效地减少传染疾病的概率，这不仅仅是每个公民的公共道德，还是自我修养的表现。但是，加强公民佩戴口罩的意识这不仅需要个人的积极配合，还需要某些监管以及有效便捷的治理方法。

2. 课题关键问题和重难点

本课题的关键：

1. 对样本数据集进行处理、训练，得到训练模型

2. yolo算法的设计及识别是否佩戴口罩的实现

3. 国内外研究现状（文献综述）

随着现代化的发展，人们生活节奏越来越快，可以通过图像进行交流。从用户的角度来看，图像不受当地语言等因系的限制，能够更好地表达和传达人们的情感信息，可以作为快速表达的载体。对我们来说，编辑文本是很容易的，但是图像中传递的内容和信息非常大。因此，如何方便、有效地找到关键信息并利用图像成为图像处理领域的一个关键研究问题。近年来，由于其在场景中的广泛应用，图像识别成为图像研究领域的一一个热点。在畜牧业中，我们可以通过监测牲备的生长状况、活桩的形状和形状来判断，定期定量喂养牲畜，监测其生长发育情况。在工业上，关键问题可以通过图像识别来解决。在医学上，高清图像可以用来扫描身体的各个部位。此外，图像在日常活动中也起着至关重要的作用，如高速列车安检中的人脸识别，以及机上乘客的身份信息:平日停车时，采用车牌识别技术进入停车场:申请身份证时，每个公民都会输入自己的指纹信息，以便将来进行安全验证。总之，图像在我们的日常生活中是不可或缺的。利用传统方法或深度学习方法快速有效地识别图像和提取颜色特征信息具有重要意义。

在机器视觉中，图像识别是一个关键问题。图像识别的精度主要取决于图像关键部位的定位精度。首先，图像处理是图像预处理。经过预处理后的图像特征提取算法有sift、lbp和haar.通过一系 列的步骤，我们可以准确地识别图像的内容。获取图像的方法有很多种，但我们必须利用摄影工具将采集到的图像数据存储在数据库中以备不时之需，而对受损图像的处理就是对图像中我们需要的图像进行切割，以确定其统-的格式和大小。对于图像质量较差的图像，可以对图像进行去噪、增强和系列的预处理，以方便以后的使用。获取完整的特征信息是反映用户需求、服务于整个行业的关键，因此这一步是图像识别的基础过程，细化来说就是先要提取需要去识别的图像的特征，然后再利用分类器来把相同特征的归为类，实现分组， 从而实现对图像的识别。

伴随着时代的不断发展，计算机已经走入了平常生活，对于计算机领域的不断发展我们是有目共睹的，特别是计算机视觉原理，被广 泛应用，生活生产的许许多多领域都离不开该方面的种种技术，例如在智能交题的建设中，动态实施目标跟踪与定位起到了不可或缺的关键作用，同样的该项技术也被用在智能监控防盗，军事引用，医疗导航外科手术的器械实时定位之中，斌且起到着不可或缺的作用，具有极大的应用价值。

4. 研究方案

1. 系统功能结构

系统总体功能结构如图1所示

5. 工作计划

2022-2023-1学期：

第15-16周：完成选题，查阅相关中英文资料。

第17周：与导师沟通进行课题总体规划。