随着全球疫情不断蔓延,我国逐渐进入疫情防控常态化。新冠病毒主要通过飞沫传播且传播力强,佩戴口罩作为简单易行的防疫手段值得引起人们重视。目前,使用人工对公共场合口罩佩戴进行监测,不仅耗费人力还容易增加病毒传播几率,使用人工对密集人群口罩监测也极易造成误检、漏检。因此,防疫机器人替代人工防疫监测成为研究趋势,但是目前对口罩监测的防疫机器人研究较少,足式机器人可以在草地、石地等复杂地形行走和跨越障碍,具有较强的地形适应力。因此,本文设计一款四足口罩监测机器人,针对复杂环境下对人群进行口罩佩戴监测,减少疫情传播。本文主要研究内容和创新点如下:（1）通过四足口罩监测机器人系统进行整体设计分析,完成了四足机器人整机设计总体方案,对机器人机械本体设计、硬件系统进行设计。对机器人机械本体设计,包括四足闭链非同轴腿部机构确定、机身整体设计;然后对机器人硬件平台搭建,确定机器人硬件设计方案。（2）针对四足闭链非同轴机器人进行单腿分析和整机设计,通过四足机器人的单腿进行尺寸和杆件设计,设计出闭链非同轴腿部结构。根据四足口罩监测机器人整体分析,对机器人机身和云台进行设计,确定四足机器人机械结构。针对四足机器人的机械结构进行建模分析,并对机器人进行运动学分析、模拟机器人直线跟踪仿真,验证结构作为载体的可行性。（3）针对口罩静态目标检测算法主要分为两部分,首先针对公共场所流动人群进行口罩佩戴检测中常规算法存在口罩目标准确率不高的问题,提出基于YOLOv3算法改进的网络结构Mask-YOLOv3,融合了密集型卷积神经网络和YOLOv3算法,改进模型的平均检测率达到91.3%,与原始YOLOv3算法相比提高了5.6%,召回率达到89.2%。其次针对嵌入式环境下轻量型网络模型部署问题,将YOLOv5s中融合SCConv自校正卷积网络和Ghost Net,获得SG-YOLOv5算法,对原网络的参数量和模型大小进行压缩,降低了模型对硬件环境要求;然后,使用CIo U Loss作为边框的回归损失函数。实验表明,改进后模型m AP达到89.4%,模型的参数量和模型大小降低为原模型的51.0%和26.3%。（4）为使机器人能够对口罩佩戴异常行人进行提醒,使用视觉系统对口罩目标进行动态跟踪,以获得其目标动态位置。本章节主要针对KCF跟踪算法和Deep SORT算法进行分析对比,选择出更适合的口罩目标跟随算法。使用SG-YOLOv5作为算法的目标检测模型,实现口罩目标选取。通过计数线的计数方法,辅助对公共场所人流量进行监测。最后,通过对四足口罩监测机器人测试,实现了机器人的视觉监测跟踪技术。