[发明专利]一种基于改进型卷积神经网络口罩佩戴状态检测方法

权利要求书

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。