3天初版部署7天快速迭代！百度飞桨携手北京地铁落地AI口罩检测方案

步入3月，全国企业陆续复工返岗，公共交通防疫战持续升级。特别是在人流量大、环境复杂的地铁交通枢纽，如何采取有力的防疫措施，全力保障市民出行、企业复产是重要议题。

近日，为助力北京地铁做好地铁站内的防疫工作，百度与北京地铁针对北京地铁疫情情况，合作开展了AI口罩检测测试。该方案可在地铁站实时视频流中，准确地对未戴口罩以及错误佩戴口罩的情况进行识别和检测，辅助一线地铁工作人员进行防疫工作。

飞桨是百度自研、开源开放且功能完备的产业级深度学习平台，是各类型AI模型应用开发的基础。2月13日，百度就宣布在飞桨深度学习平台中免费开源了业内首个“口罩人脸检测及分类模型”，助力各行业疫情防控。

在接到北京地铁 AI 口罩检测的需求后，一个专项项目组迅速集结起来。防控紧迫，这次他们要尽一切可能，要快。项目组连夜计划部署方案，并在3天内完成第一版快速部署，7天内进行了两次模型升级、三次现场部署调试、多次策略优化，最终部署上线，实现了在地铁站实时视频流中，准确地对未戴口罩以及错误佩戴口罩的情况进行检测。

      

百度研发工程师介绍，为高效完成任务、在疫情期间减少沟通成本，经与地铁方协商一致，北京地铁 AI 口罩检测方案充分考虑实际情况，完全复用现有网络视频硬件设备，不修改地铁已有方案部署。首先通过站厅内摄像头进行UDP多播+H264协议为主的实时视频流抓取和分析，若出现未佩戴口罩情况，自动用红框将人脸标出，并保存历史检测记录。而对于如露出鼻子等佩戴不规范情况，模型也将进行识别提示。

方案底层依赖Paddle Inference预测引擎，采用TRT子图功能加速，兼容Windows/Linux多平台，保证了高效，便捷的在多站台部署。同时相关模型在PaddleHub 上也开源了口罩检测的轻量化部署方案（点击“阅读原文”查看），用户只需稍加改动即可部署到移动端。

• Paddle Inference 预测引擎服务器端部署链接：https://www.paddlepaddle.org.cn/documentation/docs/zh/advanced_guide/inference_deployment/inference/index_cn.html

 

此外，在时间紧任务重，且疫情期间地铁内人流过少导致训练样本严重不足的情况下，团队克服了包括网络传输不稳定导致解码后视频花屏、保护地铁内网独立性、乘客口罩品类颜色不一、可用于标注训练样本太少等多种困难。该项目过程中也紧急得到英伟达中国硬件资源和技术支持。

在此次北京地铁AI口罩检测方案中，百度飞桨利用自身储备的业界领先工具集，快速完成了多维度视频内容解析、视频语义理解、分类标签，及口罩识别等全套模型及部署，充分展现出飞桨源于产业实践、并致力于与产业深入融合的特点。

同时，检测功能的实现离不开百度人脸识别技术的长期积累。基于多年图像分类、检测、检索，人脸质量检测，活体识别等技术积累，并对口罩人脸小样本学习进行模型迭代，实现模型准确率业界领先。而这些领先的视觉技术也在飞桨中开放，飞桨官方支持包括视觉、NLP、语音、推荐等领域在内，超过100 个经过产业实践长期打磨的主流模型。目前，飞桨在工业、农业、交通、制造业等各个领域都有众多应用实例，累计服务150多万开发者。

抗击新冠疫情的战线里，百度一直发挥着自身在人工智能领域的技术优势，与疫情赛跑。此次，与北京地铁携手上线AI口罩检测，希望在复产复工的关键时刻为工作出行安全提供助力。支援战疫，百度正在行动中。

 

更多阅读：

[1]  百度开源业内首个口罩人脸检测及分类模型

[2]  基于飞桨PaddleHub快速实践口罩人脸检测与分类项目

[3]  口罩人脸检测如何在端上部署？飞桨Paddle Lite给你答案

[4]  百度飞桨口罩人脸检测与识别模型再升级，视频教学带你实战

[5]  百度AI口罩检测落地中石油，识别准确率超96.5%！

更多的技术交流，欢迎加入飞桨官方QQ群：703252161

 

如果您对于在移动端的部署感兴趣，欢迎加入Paddle Lite的QQ群：696965088