1. 研究目的与意义
基于疫情大环境下，口罩出行也成为了一种常态。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，在常态化管理下人们的防范意识越来越薄弱，口罩随意佩戴或者不佩戴的情况屡见不鲜。安全的社交距离是公共预防传染病毒的途径之一。所以，在人群密集的区域进行社交距离的安全评估是十分重要的。社交距离的测量旨在保持个体之间的物理距离和减少相互接触的人群来减缓或阻止病毒传播，在抗击病毒和预防大流感中发挥重要作用。
但时刻保持安全距离具有一定的难度，特别是在校园，工厂等场所，在这种情况下，开发智能摄像头等技术尤为关键。将人工智能，深度学习集成至安全摄像头对行人进行社交距离评估。现阶段针对疫情防范的要求，主要采用人工干预和计算机处理技术。人工干预存在人力资源要求高，风险大，时间成本高等一些缺点。计算机处理等人工智能技术的发展，对社交安全距离的安全评估具有良好的效果。
2. 课题关键问题和重难点
关键问题：
(1)如何有效利用 OpenCV 的开源代码，实现最终系统。
(2)如何在前人的理论和实践经验的基础上，加以自己的方法和实践，提高口罩识别的准确率。
3. 国内外研究现状（文献综述）
新冠病毒的防疫常态化需要强化公共卫生体系'软件'和'硬件'建设。目前，我国大多数主要公共场所和重要交通枢纽出入口的在线测温技术已配备完善，但由于防控意识淡薄，仍然存在部分人员不带口罩出入这些节点的情况[1]。随着机器视觉技术的不断发展，基于机器视觉的目标检测技术逐渐走进人们的视野[2]。目标检测作为机器视觉一个重要研究分支热点，通过对目标场景对象进行分类和定位的应用十分广泛[3]。基于深度学习的目标检测技术的发展迅速，对人脸口罩检测还主要集中在算法方面，为将基于机器视觉的目标检测技术融入到疫情防控中，开发出实用成本低的基于机器视觉的目标检测测试装置提供的基础[4]。该装置以检测人体有无佩戴口罩作为实施目标，为将基于机器视觉的目标检测技术、图像分类、图像降噪和嵌入式应用技术和等专业融入到实际的工程项目中，将所学的知识在工程项目中实现，具有实际应用意义[5]。
通过人眼观察识别事物是最简单也是最常用的识别方式，然而这种看起来很简单的操作对于计算机来说却不是那么容易的[6]。人眼看到物体可以非常形象地呈现在脑海中，计算机通过摄像头获取到的只是数据，如何将其呈现出来并进行识别是十分值得研究的，通过计算机视觉应用实现人脸的检测具有广泛的应用前景[7]。但是要实现高效率且无接触式的检测，人脸口罩检测实际上属于人脸检测与图像分类问题 ，即定位人脸与口罩，再对所输入的图像进行分类并输出结果，然后确认目标是否佩戴口罩。同时，口罩数据集 较少、佩戴口罩的场景多样化、对模型运行速度的要求等情况，也成为口罩人脸检测中必须考虑的问题[8]。人脸识别通常包括：人脸图像的获取、人脸检测、人脸图像的预处理、人脸特征提取和人脸特征比对，５个步骤的描述如下:
（1）人脸图像捕捉：不同的人脸通过摄像机捕捉到，图像捕捉通常使用现场拍摄，这是为了保证图像的真实性，根据具体使用场景有不同的捕捉方法，得到的图像通常还要经过预处理才能使用[9]。
4. 研究方案
1、系统总统设计
5. 工作计划
五、工作计划
本学期至下学期第1周：
学生收集有关资料，熟悉语言工具，查阅、学习有关文献，翻译英文资料，完成开题报告的撰写。第2至6周：
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
