# 基于飞桨的赋能喊话机及戴口罩指数分析系统

**Repository Path**: dream_lan/Mask

## Basic Information

- **Project Name**: 基于飞桨的赋能喊话机及戴口罩指数分析系统
- **Description**: 本项目包括硬件部分识别代码、前后端代码与模型文件
- **Primary Language**: 其他
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-08-13
- **Last Updated**: 2021-08-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于飞桨的赋能喊话机及戴口罩指数分析系统

#### 介绍
  为掌握居民在公共场所戴口罩的比例，很多省市在预防新冠肺炎疫期间采用人工方式对公共场所居民戴口罩情况进行统计。尝试通过数据为综合研判冬春季新冠病毒传播风险提供参考，同时对公共场所居民戴口罩行为的落实和监督。这种方式虽然在一定程度上有助于掌握防疫动态，但由于采用的是人工方式，不仅效率低，且往往不够准确。  
  为解决以上问题，我们开发了Loudspeaker+飞桨赋能喊话机及戴口罩指数分析系统。利用飞桨开发的目标检测模型，结合3D打印技术对传统的喊话机进行改造，可实现对公共场所未佩戴口罩的行为进行语音警示，从而降低现场防疫人员喊话工作量。基于物联网技术，Loudspeaker+飞桨赋能喊话机可将各部署该设备的公共场所居民佩戴口罩数据上传到防控中心。城市的防疫管理人员可通过系统实时了解和监管各公共场所的口罩佩戴行为。系统可更为准确的计算与发布公共场所口罩佩戴指数，助力评估冬春季新冠病毒传播风险。  
  本项目开源部分包括了硬件部分识别代码、前后端代码与模型文件。  


#### 软件架构
  为了实现检测公共场所下人员是否佩戴口罩，我们基于百度飞桨平台，运用PaddleDetection技术，初期对邻近公共场进行调研、采集目标检测数据，训练模型。并通过PaddleLite部署在树莓派上，实现在嵌入式平台进行目标检测，并反馈检测所得label、box坐标等数据。  
  该项目中涉及到物联网应用技术的有无线传输和信息处理。当感知层采集到数据之后我们通过MQTT与HTTP协议将数据上传到服务器中，为了更好的展现与利用这些数据，我们开发了戴口罩指数分析系统，该系统使用到了Vue前端框架、Echarts模块、SpringBoot后端框架以及EMQ MQTT中间件。主要实现的功能有：  
1.  设备管理：设备在线信息、离线信息、设备位置、设备状态、设备地图等；
2.  喊话器设置：类型编号、分类管理、识别记录等
3.  角色管理：管理员、维护人员可设置不同角色的权限；
4.  数据预测：系统运行一段时间后会对已有数据进行建模,并对未来十天的戴口罩指数进行预测；
5.  可视化数据管理：数据清晰、算法统计、有效监督；
6.  异常告警：识别异常报警、防暴力告警、异动告警、硬件故障告警。


#### 安装教程

1.  硬件端在Linux系统下运行，需要安装Python3环境和PaddlePaddle相应的库
2.  软件端分为前后端两个部分，需要NodeJs环境。后端使用idea打开安装依赖后即可运行；前端进入根目录终端，输入“npm i”安装依赖，完成后输入“npm run serve”运行，“npm run build”打包。

#### 使用说明

1.  在Linux端运行mask_track.py文件。
2.  输入测试账号登录戴口罩指数分析系统。用户名：TestUser；密码：123456。

#### 参与贡献

1.  Fork 本仓库。
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request