一种基于深度学习的人员口罩佩戴状态检测识别方法.pdf
灵波****ng
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的人员口罩佩戴状态检测识别方法.pdf
本发明公开了一种基于深度学习的人员口罩佩戴状态检测识别方法。主要步骤包括:获取数据集;设计人脸检测网络,并在网络中添加第一特征向量输出;将检测到的口罩人脸区域通过比例随机裁剪输入第二深度学习网络模型的第一网络部分,第二网络部分和第三网络部分以获得三个代表全局、局部和细粒度特征的特征图;将三个特征图进行特征融合得到第二特征向量;将第一特征向量和第二特征向量融合,最后使用机器学习模型识别人脸口罩佩戴状态。这样,基于优化设计的神经网络,提取不同层次的深度特征并融合,能大幅提高人脸口罩佩戴状态识别的准确率。
一种基于深度学习的人脸口罩佩戴检测方法.pdf
本发明公开了一种基于深度学习的人脸口罩佩戴检测方法,包括如下步骤:S1、数据准备并制作训练集;S2、构建YOLOV4目标检测模型;S3、人脸口罩佩戴检测模型进行视频流实时检测;S4、通过YOLOV4的特征提取网络,提取三个特征层,三个特征层的预测结果分别对应三个边界框的位置;通过先验框对边界框的预测与回归,就可以获得多个边界框的信息,通过非极大值抑制算法,保留置信分最高的边界框作为目标的检测框,从而确定检测框的最终位置,检测识别未佩戴口罩人员。本发明实现了对佩戴口罩和未佩戴口罩人员的检测识别,通过采用YO
一种基于深度学习的人员口罩佩戴数据集生成方法.pdf
本发明提供一种基于深度学习的人员口罩佩戴数据集生成方法,基于卷积神经网络模型,通过权重因子自学习的模型进行人脸图片和口罩图片的有效融合,能以端到端的方式快速生成不同口罩佩戴方式的图片数据集,相比传统的图片融合和仿射变换的方式得到的数据集更快速,更精准,从而能够能节省大量人力物力去识别和标定人员是否正确佩戴口罩,可扩展性强,能根据不同需求,快速扩充不同样式口罩、不同特征人群的数据集,为流行病疫情防控期间人员口罩佩戴状态识别提供数据支撑。
一种基于改进型卷积神经网络口罩佩戴状态检测方法.pdf
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
基于深度学习的人脸口罩高效识别方法.pdf
本发明公开了一种基于深度学习的人脸口罩高效识别方法,包括:首先构建嵌入空间数据库,其中存储有人脸特征向量的嵌入空间;在需要识别的场景中采集人脸图像,将采集的每张人脸图像先通过并行网络进行降维,得到降维后的特征图;将降维后的特征图输入训练好的人脸检测模型中,得到检测后的特征图;再将检测后的特征图输入到训练好的人脸口罩分类模型中进行分类,将分类后的特征图输入到三元网络,得到更加细化的人脸特征向量以及人脸特征向量的嵌入空间;再将所述人脸特征向量输入到多层感知器中,进行人脸特征向量的多层感知与读取,最终通过将人脸