一、前言
1. 项目名称
口罩佩戴识别检测系统
2. 项目简介
本系统是基于神经网络模型、能够自动准确识别图片中人物口罩佩戴情况的跨平台系统（网站+App+客户端+小程序），旨在为商场、餐饮、地铁等人员密集型场所或公共场所提供是否佩戴口罩的快速自动检测功能。
二、NABCD模型分析
1. N (Need 需求)
2020年新冠肺炎席卷全球，佩戴口罩，能够有效切断新冠肺炎病毒的传播途径，是预防感染的有效措施。国内公众场合要求佩戴口罩，而商场、餐饮、地铁等人员密集型的场所对人流量高峰时段的应对措施往往令人力不从心。本系统可以自动准确且快速地识别图片中人物是否佩戴口罩，有着重要的应用场景和市场前景。
2. A (Approach 做法)
我们团队都有过开发网站，小程序等项目经历，代码经验丰富。针对数据学习，依托强大的pytorch等代码库可以轻松完成模型的建立，采用深度学习模型训练测试数据集（来自WIDER Face和MAFA，共计7959张图片）。
在服务器完成接口的实现，并在前端做成可交互的网页，用户上传图片，系统通过调用接口，在服务器通过神经网络模型准确识别图片中的人物是否佩戴口罩，并给用户反馈（佩戴与否），成功佩戴可以标注图中的口罩位置。
基于Uni-App开源框架, 可使用Javascript制作: 跨小程序, 安卓, IOS, H5各种平台的客户端，方便用户从各种入口使用本系统，快速并准确地得出识别结果。
（预计困难）：
- 团队分工的衔接问题
- 数据集的收集
- 基于图片的检测
3. B (Benefit 好处)
- 系统界面精简，有良好的交互性。操作简单，用户无需说明即可流畅使用。实用性强，针对疫情期间主要需求而设计。快捷高效，开启更迅速，使用更便捷。
- 网站、小程序不需要投入太多的时间成本和人工成本，就可以得到广泛宣传。同时，受众群体更为广泛，在不同时间段、不同环境中都能方便使用。
- 系统跨平台免安装，免下载安装，不占用桌面，所有的口罩识别检测计算都是在对应的服务器上运行，敏捷高效。
- 系统搭配先进的算法，识别结果快速精准。
- 能够节约大量的人力物力财力，为客户节省节省相应的成本。
4. C (Competitors 竞争)
通过调研发现，目前市场上还没有出现一整套完整的口罩佩戴识别系统，大多采用安排人员监管的方式检测佩戴口罩行为，需要人力物力和财力，对受疫情影响本就困难的企业是额外的负担。配合监控设施，本系统能够全自动检测未佩戴口罩的情况，并向用户反馈，节省了人工检测成本。
5. D (Delivery 交付， Data 数据）
我们通过开源仓库向用户交付产品，并且搭建自己产品的宣传和下载页面，并在Github仓库开源。并为客户提供长期的更新工作。
三、电梯演说
面对密集的人流高峰和与之对比显得紧张的人手，我们的产品采用基于pytorch代码库对超过20000张人脸图像进行构建模型、识别训练，通过精简、快捷和跨平台的系统页面为您提供快速、精准、高效、自动的口罩识别检测服务。