[发明专利]基于轻量型网络MobileNet-SSD的口罩佩戴检测方法、设备及存储介质

说明书

本发明涉及基于轻量型网络MobileNet‑SSD的口罩佩戴检测方法、设备及存储介质，采用了SSD(Single Shot MultiBox Detector)方法，并将MobileNet作为主干网络替换原SSD中的VGG网络，提出了一种改进SSD的目标检测算法MobileNet‑SSD。在少量牺牲检测准确性的情况下大幅度降低了整个模型的参数量，并且检测速度翻倍，使得在实际应用中对设备性能的要求大大降低。所提出的MobileNet‑SSD适用于入口处流动人员是否佩戴口罩的检测。在肺炎疫情期间，有助于超市、商场等人员流动量较大的场所进行口罩佩戴的监管，可以有效节约劳动力成本以及降低工作人员感染的风险。

技术领域

本发明涉及一种基于轻量型网络MobileNet-SSD的口罩佩戴检测方法、设备及存储介质，属于 目标检测的技术领域。

背景技术

与传统检测器中使用的人工特征描述相比，深度卷积网络会生成从原始像素到高级语义信息的 层次特征表示，这些特征表示可在复杂的图像中显示出更强的分辨能力。基于深度学习的目标检测 框架主要分为两大类：两级(two-stage)检测器和单极(one-stage)检测器：对于两级检测器，第一 阶段会生成的约两千个提案，第二阶段采用深度卷积神经网络对生成的提案的特征向量进行编码， 然后进行目标检测。单极检测器会将输入图像上的所有位置视为潜在的目标对象，并试图将每个 ROI分类为目标对象或者背景。

基于深度学习的人脸检测算法多数都是基于深度学习目标检测算法的改进，即为适应人脸检测 任务对通用的目标检测模型进行特别设计众多的目标检测模型中，人脸检测算法最常用的就是SSD 算法，例如SSH模型、S3FD模型、RetinaFace算法，都是受SSD算法的启发，或者基于SSD进 行的任务定制化改进，例如将定位层提到更靠前的位置,锚点大小调整，锚点标签分配规则的调整， 在SSD基础上加入FPN等。

为了确保出入人员的口罩佩戴，往往需要安排员工在入口处对是否佩戴口罩进行检查。这样既 增加了劳动力的消耗，对工作人员来说也增加了感染的风险。在入口处设定视频捕捉设备对出入人 员的口罩佩戴进行监测无疑是一个好方案。本发明基于传统的VGG-SSD提出了更加轻量级的目标 检测网络MobileNet-SSD，该模型不仅参数少运算量低，而且再经过微调后可以很好地完成口罩佩 戴检测的任务。基于MobileNet-SSD在口罩佩戴数据集的良好的检测效果与其实时性，改进了检 测器使其可以应用于视频检测。

发明内容

针对现有技术的不足，本发明提供了一种基于轻量型网络MobileNet-SSD的模型用于口罩佩戴 检测的方法；

本发明还提供了一种计算机设备及存储介质。

发明概述：

本发明基于传统的VGG-SSD提出了更加轻量级的目标检测网络MobileNet-SSD，该模型不仅参 数少、运算量低，而且，再经过微调后可以很好地完成口罩佩戴检测的任务。基于MobileNet-SSD 在口罩佩戴数据集的良好的检测效果与其实时性，改进了检测器使其可以应用于视频检测。

术语解释：

1、WIDER Face数据集，是一个人脸检测的主流数据集。里面有32203张人脸图像，393703 个标注人脸，且各类场景十分复杂。

2、MAFA数据集，由中科院信工所葛仕明老师开源的，该数据集本是遮挡人脸数据集。

本发明的技术方案为：

一种基于轻量型网络MobileNet-SSD的口罩佩戴检测方法，包括步骤如下：

(1)获取数据集；

(2)对步骤(1)获取的数据集进行预处理；

(3)构建轻量型网络模型，所述轻量型网络模型的网络架构为轻量型网络MobileNet-SSD；