一种基于YOLOv5的口罩佩戴实时检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113610050A(43)申请公布日2021.11.05(21)申请号202110985214.9(22)申请日2021.08.26(71)申请人齐鲁工业大学地址250353山东省济南市长清区大学路3501号(72)发明人贾慧杰肖中俊(74)专利代理机构济南格源知识产权代理有限公司37306代理人刘晓政(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图3页(54)发明名称一种基于YOLOv5的口罩佩戴实时检测方法(57)摘要本发明公开了一种基于YOLOv5的口罩佩戴实时检测方法，属于机器学习领域。该方法包括：制作用于口罩佩戴检测的数据集，分析YOLOv5模型用于口罩检测的问题，针对问题对YOLOv5网络进行了优化，采用K‑means++算法来计算anchor参数，并且对原先的损失函数进行修改，引入CIOU_Loss作为该算法损失函数的BoundingBoxRegressionLoss，然后对目标检测的后处理过程中引入DIOU_NMS来代替原来的加权非极大值抑制（NMS）。本发明算法提高了在人员密集处口罩检测的准确度，并且减少了因为遮挡而出现漏检的情况。CN113610050ACN113610050A权利要求书1/2页1.一种基于YOLOv5的口罩佩戴实时检测方法，其特征在于，具体按照如下步骤进行：步骤1：制作用于口罩佩戴检测的数据集；步骤2：搭建YOLOv5网络框架；步骤3：将口罩佩戴检测的数据集用YOLOv5网络进行训练；步骤4：将训练的YOLOv5模型用于口罩佩戴实时检测中。2.根据权利要求1所述的一种基于YOLOv5的口罩佩戴实时检测方法，其特征在于，步骤1中制作数据集时，具体包括如下步骤：步骤1.1：首先搜集两千多张正确佩戴口罩和未佩戴口罩的照片；步骤1.2：在原数据集的基础上利用旋转、裁剪的数据增强方法对数据集进行增强，将数据集扩展到5000张照片；步骤1.3：用Labeling对5000张图片进行标注。3.根据权利要求1所述的一种基于YOLOv5的口罩佩戴实时检测方法，其特征在于，步骤2具体包括：步骤2.1：采用CIOU_Loss作为Boundingbox的损失函数，定义为：CIOU_Loss考虑到了覆盖面积、中心点距离和长宽比；其中α是权重系数，v表示检测框和真实框的长宽比的距离，b和bgt分别表示类别是佩戴口罩的预测框和未佩戴口罩的预测框的中心点，ρ表示欧氏距离，C表示目标最小外接矩形的对角线距离，IOU表示两个框的交集面积比上他们的并集面积，α和v的表达式为：步骤2.2：新型YOLOv5的非极大值抑制方法采用DIOU_Loss，DIOU_Loss不仅仅会考虑IoU还会考虑两个中心点之间的距离，当两个框的中心点距离比较大时，会被认为是两个物体的框而不会因为遮挡被过滤掉。4.根据权利要求2所述的一种基于YOLOv5的口罩佩戴实时检测方法，其特征在于，步骤3具体包括：步骤3.1：对步骤1所标注的数据集采用K‑Means++算法对数据集的目标框的高宽进行聚类，以此来确定模型中的anchor参数的最优值；步骤3.2：将标注的数据集按照9：1划分成训练集和测试集，将步骤3.1所计算出来的anchor参数输入到网络中；步骤3.3：设置网络训练参数：迭代批量设置为128、衰减系数为0.0005、总迭代次数为500次、初始学习率为0.001，迭代400次学习率降低至0.0001、迭代450次学习率降至0.00001。5.根据权利要求1所述的一种基于YOLOv5的口罩佩戴实时检测方法，其特征在于，在步骤4中对步骤3训练好的YOLOv5模型进行推理测试。2CN113610050A权利要求书2/2页6.根据权利要求1所述的一种基于YOLOv5的口罩佩戴实时检测方法，其特征在于，对步骤4的检测进行评估和测试，其中Precision为准确率、Recall为召回率、mAP为平均精度值，TP表示模型预测正确佩戴口罩样本的数量，FP表示把未戴口罩识别成佩戴口罩的样本数量，FN表示将正确佩戴口罩识别成未佩戴口罩的样本数量。M表示类别数量，i∈(1，M)。3CN113610050A说明书1/6页一种基于YOLOv5的口罩佩戴实时检测方法技术领域[0001]本发明涉及机器学习领域，尤其是一种基于YOLOv5的口罩佩戴实时检测方法。背景技术[0002]自新冠肺炎疫情爆发后，在车站、商场等公共场所佩戴口罩成为预防疫情的有效手段。因此，需要在公共场所检测人员是否佩戴口罩，如果单纯的依靠人眼来进行观察，不仅需要消耗大量的人力，而且在人员密集处很