一种基于改进型卷积神经网络口罩佩戴状态检测方法.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CN113553922A(43)申请公布日2021.10.26(21)申请号202110759906.1(22)申请日2021.07.05(71)申请人安徽中医药大学地址230009安徽省合肥市梅山路103号(72)发明人田诗意(74)专利代理机构北京知联天下知识产权代理事务所(普通合伙)11594代理人张陆军张迎新(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书1页说明书6页附图4页(54)发明名称一种基于改进型卷积神经网络口罩佩戴状态检测方法(57)摘要本发明涉及一种基于改进型卷积神经网络口罩佩戴状态检测方法。在训练阶段，首先在特定场景下，对摄像机保存的视频，使用视频分帧技术得到图片集，再通过数据集快速扩充的方式，获得高质量的数据集。然后通过对YOLO‑V3网络进行改进包括使用k‑means聚类算法、BN层参数合并到卷积层等方式，通过训练，得到最终的检测模型。在此基础之上，使用python级联分类器先期识别人脸，再利用最终模型进行检测分类，这使得YOLO‑V3模型的检测目标的准确率达到了90％以上，速度也达到了35帧/s，改进后的方法具有对口罩佩戴状态检测准确率高、实时性强的特点，从而在实际应用中，可以减少误判的概率，提高了系统可靠性，具有很高的使用价值和应用前景。CN113553922ACN113553922A权利要求书1/1页1.一种基于改进型卷积神经网络口罩佩戴状态检测方法，其特征在于，包括以下步骤：S1步骤：建立行人口罩佩戴检测数据集；S2步骤：实现行人口罩佩戴检测数据集扩增，并将扩增后的数据集按照一定的比例分为训练集、测试集和验证集；S3步骤：使用图像标注软件，对经步骤S2的数据集进行标注；S4步骤：通过卷积神经网络对标注的数据集进行网络训练，获得口罩佩戴检测模型；S5步骤：在验证集中，遍历口罩佩戴检测模型对口罩佩戴检测的准确率和速度，得到卷积神经网络训练后的口罩佩戴检测权重模型；S6步骤：将待检测的视频图像输入所述口罩佩戴检测权重模型，卷积神经网络输出图像中的人员口罩佩戴状态检测结果，根据检测结果对于没有按照规定佩戴口罩的人员，在现场自动提醒该人员佩戴好口罩。2.根据权利要求1所述的方法，其特征在于，S2步骤具体包括：通过python的PIL库对原始图像进行左右翻转和图像增强，从而对数据集进行扩充；设置训练集、测试集和验证集比例为7：1：2。3.根据权利要求1所述的方法，其特征在于，S3步骤具体包括：使用Labelimg软件，在Window平台或者Linux平台实现图像人工标注；标注类别为：正确佩戴口罩、未能有效佩戴好口罩和未佩戴口罩三种类别；使用Haar级联分类器检测佩戴口罩的人脸区域是否露出鼻子，输出佩戴口罩是否有效的检测结果。4.根据权利要求1所述的方法，其特征在于，S4步骤具体包括：对YOLO‑V3卷积神经网络检测层的参数，使用k‑means聚类算法进行优化；训练中，利用python人脸检测器对图像先进行人脸识别，如果确定是人脸，再进行标注类别目标的训练；如果不存在人脸，则不进行目标类别的训练。5.根据权利要求1所述的方法，其特征在于，S5步骤包括：遍历验证集之前，把BN层参数合并至卷积层，减少计算量。6.根据权利要求1所述的方法，其特征在于，S6步骤具体包括：自动提示人员佩戴好口罩的方式为：现场语音播报和LED红灯高频闪烁两种提醒方式；对没有按照要求佩戴口罩的人，在LED屏幕实时显示该人物的头像放大信息。2CN113553922A说明书1/6页一种基于改进型卷积神经网络口罩佩戴状态检测方法技术领域[0001]本发明涉及图像处理技术领域，特别涉及一种基于改进型卷积神经网络口罩佩戴状态检测方法。背景技术[0002]在公共场合正确有效的佩戴口罩，可有效阻隔飞沫传播，在一定程度上，可有效降低自己被他人感染的风险，从而能够有效抑制病毒传播。目前在公共场合主要依赖于人工来监督人员的口罩佩戴情况，但是这种方式存在浪费大量人力物力的问题，同时在人流量较大时，依赖人工的方式效率低下、近距离接触未正确有效佩戴的人员还容易导致被感染的风险。[0003]近年来，随着计算机视觉的快速发展，尤其是基于卷积神经网络模型的不断发展，我们可以将卷积神经网络应用于口罩佩戴检测场景中，通过连接电脑的摄像头即可完成口罩佩戴识别工作，从而提高公共卫生防护能力、节约社会资源和运营成本、降低人力资源成本。[0004]然而现有技术存在检测准确率不高、速度不快的问题，从而会导致漏报、误报的情况产生，因此并不能很好地满足现场应用场景的需要。发明内容[0005]针对上述问题，本发明提供一种改进型卷