[發(fā)明專利]一種基于深度學(xué)習(xí)的行人口罩佩戴實(shí)時(shí)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010164210.X
• 申請(qǐng)日: 2020-03-11
• 公開（公告）號(hào): CN111401202A
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 王兵;樂紅霞;趙春蘭;肖斌;李文璟
• 申請(qǐng)（專利權(quán)）人: 西南石油大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 成都方圓聿聯(lián)專利代理事務(wù)所(普通合伙) 51241
• 代理人: 宋紅賓

本發(fā)明提供一種基于深度學(xué)習(xí)的行人口罩佩戴實(shí)時(shí)檢測(cè)方法，包括以下步驟：S1、搭建健壯的骨干網(wǎng)絡(luò)；S2、多尺度訓(xùn)練；S3、模型壓縮；S4、模型優(yōu)化。本發(fā)明的方法考慮了更多的人工開銷成本、小型硬件存儲(chǔ)設(shè)備的計(jì)算成本及時(shí)間開銷成本。能更加快速的判別行人是否佩戴口罩，具有很好的工程實(shí)用性。

技術(shù)領(lǐng)域

本發(fā)明屬于物聯(lián)網(wǎng)和人工智能領(lǐng)域，具體的說是一種基于深度學(xué)習(xí)的行人口罩佩戴實(shí)時(shí)檢測(cè)方法及實(shí)現(xiàn)。

背景技術(shù)

有些大規(guī)模病毒可通過飛沫等介質(zhì)傳播，在未研發(fā)出有效抗病毒藥物時(shí)，民眾佩戴口罩在減輕疾病傳播方面至關(guān)重要。口罩作為在特殊時(shí)期的必備防護(hù)用品，各小區(qū)、超市、車站等人群流量較大點(diǎn)地方都有專人在門口檢查口罩佩戴情況，但是該檢查方法需要耗費(fèi)大量人工資源，并且在人流量大時(shí)可能出現(xiàn)漏檢等情況。因此，實(shí)現(xiàn)行人口罩佩戴實(shí)時(shí)檢測(cè)具有十分重要的現(xiàn)實(shí)意義。

行人口罩佩戴實(shí)時(shí)檢測(cè)涉及計(jì)算機(jī)視覺與嵌入式硬件設(shè)備，要求攝像頭和硬件平臺(tái)能夠感知環(huán)境，分析場(chǎng)景并作出相應(yīng)的反應(yīng)。由于檢測(cè)環(huán)境的復(fù)雜性，對(duì)通過小型攝像頭的場(chǎng)景自動(dòng)檢測(cè)平臺(tái)要求越來越高，給行人口罩佩戴實(shí)時(shí)檢測(cè)帶來了許多新的挑戰(zhàn)。這些挑戰(zhàn)有：(1)如何正確判別是否佩戴口罩；(2)如何在計(jì)算能力和內(nèi)存有限的平臺(tái)上部署行人口罩佩戴實(shí)時(shí)檢測(cè)系統(tǒng)；(3)如何均衡檢測(cè)實(shí)時(shí)性和檢測(cè)準(zhǔn)確度的要求。解決這些挑戰(zhàn)的一種有效方法是基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)檢測(cè)方法，近年來，深度神經(jīng)網(wǎng)絡(luò)在圖像分類(如ResNet)、目標(biāo)檢測(cè)(如Faster R-CNN，SSD和yolo系列)、語義分割(如Mask R-CNN)等人工智能領(lǐng)域已經(jīng)取得了令人矚目的成果，深度學(xué)習(xí)以其快速、可擴(kuò)展、端到端學(xué)習(xí)等優(yōu)點(diǎn)產(chǎn)生了許多檢測(cè)框架。總的來說，YOLO系列可能是實(shí)際應(yīng)用中最受歡迎是目標(biāo)檢測(cè)算法，它的速度和準(zhǔn)確率都相對(duì)的比較平衡。但是這些目標(biāo)檢測(cè)器基本都需要依靠性能較高的計(jì)算平臺(tái)和大的運(yùn)行內(nèi)存來保持良好的性能。而當(dāng)前基于CNN的目標(biāo)檢測(cè)器包括SPP-NET、Faster R-CNN、MaskR-CNN、Retina Net、SSD、YOLO、YOLOv2(YOLO9000)和YOLOv3等，根據(jù)是否需要額外的區(qū)域建議模塊，這些目標(biāo)探測(cè)方法可以簡(jiǎn)單地分為兩類，即兩階段目標(biāo)檢測(cè)器和一階段目標(biāo)檢測(cè)器。

兩階段檢測(cè)方法首先使用候選框生成器生成稀疏的候選框集，并從每個(gè)候選框中提取特征,然后使用區(qū)域分類器預(yù)測(cè)候選框區(qū)域的類別。一階段檢測(cè)方法直接對(duì)特征圖上每個(gè)位置的對(duì)象進(jìn)行類別預(yù)測(cè)，不經(jīng)過兩階段檢測(cè)方法中的區(qū)域分類步驟。通常而言，兩階檢測(cè)方法通常檢測(cè)性能更優(yōu)，在公開基準(zhǔn)上取得了當(dāng)前最優(yōu)結(jié)果，而一階檢測(cè)方法更省時(shí)，在實(shí)時(shí)目標(biāo)檢測(cè)方面具備更強(qiáng)的適用性。這些檢測(cè)方法可以將圖片或者視頻中感興趣的目標(biāo)提取出來，經(jīng)常應(yīng)用于導(dǎo)盲系統(tǒng)、行人檢測(cè)、交通標(biāo)識(shí)檢測(cè)、車輛檢測(cè)等領(lǐng)域之中。

《Multimedia Tools and Applications》，2019年，Yihan Xiao等人發(fā)表的論文“Face detection based on occlusion area detection and recovery”提出了基于遮擋區(qū)域的人臉檢測(cè)。該問文針對(duì)遮擋人臉檢測(cè)問題，提出了最優(yōu)遮擋區(qū)域定位算法POOA。該算法在得到顯著性檢測(cè)處理的數(shù)據(jù)后，首先根據(jù)人臉圖像計(jì)算出平均灰度值，并將適當(dāng)?shù)南禂?shù)作為閾值相乘得到二值圖像。然后，利用Haar特征的思想，利用“大矩形”和“大T形”兩個(gè)特征進(jìn)行檢索，結(jié)合二值圖像得到人臉的遮擋區(qū)域。最后，采用一種穩(wěn)健的主成分分析(PCA)方法得到遮擋面的最佳投影，并填充遮擋區(qū)域。Adaboost方法在遮擋面積、大小和形狀等方面都取得了較好的效果，檢測(cè)精度也得到了不同程度的提高。但是并未說明佩戴口罩時(shí)的人臉檢測(cè)效果。