趙 耀

（中國(guó)鐵路設(shè)計(jì)集團(tuán)有限公司 電化電信工程設(shè)計(jì)研究院，天津 300308）

疫情防控常態(tài)化對(duì)鐵路客運(yùn)站的管理工作提出了新的挑戰(zhàn)。長(zhǎng)期安排專人測(cè)溫成本高、速度慢，如何更高效地監(jiān)測(cè)旅客體溫信息，避免旅客發(fā)生交叉感染，成為亟須解決的問(wèn)題。

目前，常用的技術(shù)存在單人測(cè)溫效率低、手工記錄數(shù)據(jù)慢、受噪聲熱點(diǎn)影響測(cè)溫?cái)?shù)據(jù)不準(zhǔn)、單人臉測(cè)溫技術(shù)不穩(wěn)健等因素導(dǎo)致的測(cè)溫精度低、單人臉抓拍漏測(cè)率高等問(wèn)題[1]，無(wú)法應(yīng)對(duì)鐵路客運(yùn)站大流量場(chǎng)景的防疫測(cè)溫工作。因此，需設(shè)計(jì)一種適應(yīng)大流量測(cè)溫場(chǎng)景，通用性強(qiáng)，且可復(fù)制的測(cè)溫方案[2]。

為此，本文結(jié)合人像檢測(cè)、人員跟蹤、紅外熱成像技術(shù)，設(shè)計(jì)大流量智能測(cè)溫系統(tǒng)。基于人像檢測(cè)技術(shù)[3]可快速抓拍并保存人像信息；通過(guò)人員跟蹤技術(shù)可在相對(duì)較長(zhǎng)時(shí)間內(nèi)，有效跟蹤測(cè)溫范圍內(nèi)每一位旅客的人體，并準(zhǔn)確定位旅客人臉及額頭位置；進(jìn)而通過(guò)紅外熱成像技術(shù)獲取每一位旅客的連續(xù)的人臉及額頭測(cè)溫平均值，實(shí)現(xiàn)測(cè)溫?cái)?shù)據(jù)與人臉信息的準(zhǔn)確關(guān)聯(lián)，從而在保證大客流場(chǎng)景下的低漏測(cè)、高效測(cè)溫的同時(shí)，能有效獲取精準(zhǔn)的體溫?cái)?shù)據(jù)。所提方案能提高管理人員防疫測(cè)溫的工作效率，降低人力成本，打造旅客進(jìn)站乘車的無(wú)感測(cè)溫體驗(yàn)，助力鐵路客運(yùn)站疫情期間的安全高效運(yùn)行。

1 核心技術(shù)

1.1 人臉檢測(cè)模型

系統(tǒng)采用Faceboxes[4]作為基礎(chǔ)人臉檢測(cè)框架，對(duì)視頻流中的人臉和人頭進(jìn)行檢測(cè)，其模型架構(gòu)如圖1 所示，由骨架網(wǎng)絡(luò)、特征金字塔、多任務(wù)損失函數(shù)3 部分組成。其中，骨架網(wǎng)絡(luò)用于提取人臉圖像全局特征；特征金字塔用于從骨架網(wǎng)絡(luò)的全局特征中獲取不同尺度下的圖像特征；多任務(wù)損失函數(shù)用于網(wǎng)絡(luò)訓(xùn)練。

圖1 人臉檢測(cè)模型結(jié)構(gòu)

圖1 中，conv 為Convolution的縮寫，代表卷積層，conv 1、conv 2、……、convn代表n個(gè)不同的卷積層；卷積層上方的參數(shù)，如“3×3×4，s1”表示卷積核尺寸為3×3，卷積層的輸出通道為4，s 為stride的縮寫，指卷積核的移動(dòng)步長(zhǎng)，s1 表示移動(dòng)步長(zhǎng)為1，s2 表示移動(dòng)步長(zhǎng)為2。

1.1.1 骨架網(wǎng)絡(luò)

骨架網(wǎng)絡(luò)用于提取人臉圖像全局特征。為了在計(jì)算資源有限情況下實(shí)現(xiàn)大流量、高分辨率、高精度、實(shí)時(shí)的人臉檢測(cè)，本文設(shè)計(jì)了如圖1 所示的骨架網(wǎng)絡(luò)。為克服高分辨率人臉圖像對(duì)計(jì)算資源的消耗，骨架網(wǎng)絡(luò)在conv 1、conv 2、conv 3、conv 5 中連續(xù)使用步長(zhǎng)為2的卷積層進(jìn)行快速降采樣操作。為減少降采樣過(guò)程中的信息丟失，骨架網(wǎng)絡(luò)在conv 4、conv 6、conv 7、conv 8、conv 9 使用步長(zhǎng)為1的卷積層進(jìn)行特征學(xué)習(xí)。圖1 中3×3 卷積（圖1 中白色方塊）接1×1 卷積（圖1 中灰色方塊）為depth-wised 卷積層[5]，使用該卷基層代替?zhèn)鹘y(tǒng)卷積層可顯著提升模型在CPU 和移動(dòng)處理器上的計(jì)算速度。

1.1.2 特征金字塔

特征金字塔用于從骨架網(wǎng)絡(luò)的全局特征中獲取不同尺度下的圖像特征。特征金字塔由conv 11、conv 12、conv 13 及其后接的1×1 conv 構(gòu)成。

1.1.3 多任務(wù)損失函數(shù)

多任務(wù)損失函數(shù)包括SmoouthL1 損失函數(shù)[4]和Focal 損失函數(shù)[5]。其中，SmoouthL1 損失函數(shù)為回歸人臉檢測(cè)框損失函數(shù)，其計(jì)算公式為

其中，x為模型回歸層輸出值；y為真實(shí)值。

Focal 損失函數(shù)為對(duì)人臉框進(jìn)行前景、背景分類的損失函數(shù)，其計(jì)算公式為

其中，label=1 表示為正樣本，label=0 表示為背景；置信度p為網(wǎng)絡(luò)的輸出，用于判斷檢測(cè)框中的物體是人臉和人頭還是背景；α ∈(0,1)用來(lái)控制正負(fù)樣本對(duì)整體損失的貢獻(xiàn)，其值減小時(shí)正樣本的權(quán)重增大；γ ＞0，為超參數(shù)，用于減少易分樣本的損失。

系統(tǒng)通過(guò)對(duì)人臉進(jìn)行檢測(cè)、跟蹤、抓拍、評(píng)分、篩選等一系列操作，結(jié)合對(duì)采集到的人臉照片進(jìn)行質(zhì)量檢測(cè)，自動(dòng)選出符合人臉提取條件的人臉照片進(jìn)行抓拍并輸出。

1.2 人員跟蹤

基于人臉檢測(cè)算法，將每幀中的圖像進(jìn)行比對(duì)后，形成連續(xù)的人臉位置信息，從而保證在測(cè)溫人員持續(xù)行走不停留的情況下，實(shí)現(xiàn)對(duì)其額頭的持續(xù)溫度檢測(cè)，提高了檢測(cè)溫度的準(zhǔn)確性，人員跟蹤流程如圖2 所示。

圖2 人員跟蹤流程

1.3 紅外熱成像技術(shù)

被測(cè)物發(fā)射的紅外線輻射，通過(guò)光學(xué)鏡頭收集后被紅外探測(cè)器所獲取[6]。因輻射能量和溫度存在對(duì)應(yīng)關(guān)系，通過(guò)信號(hào)處理系統(tǒng)將輻射能量（溫度）以不同灰度顯示出來(lái)[7]?；谠摷t外輻射原理，測(cè)溫系統(tǒng)通過(guò)紅外探測(cè)器檢測(cè)被測(cè)物的紅外輻射能量，并使用黑體（用于標(biāo)定紅外系統(tǒng)的基準(zhǔn)源）進(jìn)行測(cè)溫標(biāo)定，建立灰度與溫度的準(zhǔn)確對(duì)應(yīng)關(guān)系，來(lái)實(shí)現(xiàn)測(cè)溫功能。通過(guò)將采集到的黑體的視頻監(jiān)控信息與紅外輻射信息關(guān)聯(lián)，提高系統(tǒng)的測(cè)溫精度。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)總體架構(gòu)

大流量智能測(cè)溫系統(tǒng)總體架構(gòu)如圖3 所示，包括基礎(chǔ)層、資源層、算法層、業(yè)務(wù)層。其中，基礎(chǔ)層包括攝像頭、黑體、工控機(jī)等基礎(chǔ)終端設(shè)備，實(shí)現(xiàn)對(duì)人臉圖像及測(cè)溫信息的采集、處理及存儲(chǔ)；資源層包括人臉信息、人體信息、溫度信息等；算法層包括人像檢測(cè)、人頭檢測(cè)、人員跟蹤、紅外熱成像等；業(yè)務(wù)層包括現(xiàn)場(chǎng)測(cè)溫、Web 端統(tǒng)計(jì)查詢、移動(dòng)端統(tǒng)計(jì)查詢。該系統(tǒng)總體架構(gòu)設(shè)計(jì)實(shí)現(xiàn)了測(cè)溫?cái)?shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、算法處理及功能應(yīng)用的模塊化部署，便于業(yè)務(wù)應(yīng)用的動(dòng)態(tài)擴(kuò)展和快速升級(jí)。

圖3 智能測(cè)溫系統(tǒng)總體架構(gòu)

2.2 系統(tǒng)工作流程

本文針對(duì)大流量智能測(cè)溫系統(tǒng)，制定旅客的進(jìn)站流程，如圖4 所示。

圖4 大流量智能測(cè)溫系統(tǒng)工作流程

（1）旅客到達(dá)鐵路客運(yùn)站后，在進(jìn)站過(guò)程中，系統(tǒng)若檢測(cè)到旅客溫度正常，則自動(dòng)抓拍人臉并跟蹤，同時(shí)記錄體溫，自動(dòng)匯總客流統(tǒng)計(jì)數(shù)據(jù)，移動(dòng)端及管理后臺(tái)可查詢相關(guān)數(shù)據(jù)。

（2）若系統(tǒng)檢測(cè)到旅客體溫超過(guò)閾值，則自動(dòng)報(bào)警，提醒工作人員通過(guò)手持設(shè)備對(duì)該旅客進(jìn)行體溫復(fù)核。若復(fù)核溫度正常，則在系統(tǒng)中輸入復(fù)核溫度；若復(fù)核溫度確認(rèn)超過(guò)閾值，則系統(tǒng)將通過(guò)移動(dòng)端通知醫(yī)療人員進(jìn)行處理。

3 系統(tǒng)性能對(duì)比

對(duì)大流量智能測(cè)溫系統(tǒng)、人臉識(shí)別測(cè)溫系統(tǒng)、人臉測(cè)溫一體機(jī)、手持測(cè)溫槍[8]等方案進(jìn)行對(duì)比分析，如表1 所示。由表1 可知，大流量智能測(cè)溫系統(tǒng)在系統(tǒng)功能、響應(yīng)速度、測(cè)溫效果及安全性等方面具備一定優(yōu)勢(shì)。

表1 大流量智能測(cè)溫系統(tǒng)與其他測(cè)溫系統(tǒng)性能對(duì)比

4 結(jié)束語(yǔ)

隨著國(guó)內(nèi)經(jīng)濟(jì)的逐漸復(fù)蘇，鐵路客運(yùn)站客流量不斷增長(zhǎng)的同時(shí)，也給鐵路相關(guān)管理部門的日常防控工作帶來(lái)了巨大壓力。大流量智能測(cè)溫系統(tǒng)可較好地解決客運(yùn)站在大客流場(chǎng)景下的精準(zhǔn)、快速測(cè)溫問(wèn)題，減輕管理人員的防控工作壓力，提升鐵路客運(yùn)工作效率，優(yōu)化旅客乘車體驗(yàn)，保障鐵路客運(yùn)業(yè)務(wù)的安全穩(wěn)定運(yùn)行。但是，該系統(tǒng)仍需要不斷完善，研究、提升其應(yīng)用水平，未來(lái)應(yīng)考慮如何實(shí)現(xiàn)該系統(tǒng)與刷臉通行、人像識(shí)別預(yù)警、客流監(jiān)測(cè)等系統(tǒng)的協(xié)同[9]。