[發明專利]基于YOLOV3算法的二次檢測口罩人臉識別方法

有效

• 申請號: 202010233674.1
• 申請日: 2020-03-30
• 公開（公告）號: CN111414887B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 南陽;樊治國;黃惠南;張晉;秦康
• 申請（專利權）人: 上海高重信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中國和平利用軍工技術協會專利中心 11215
• 代理人: 劉光德;彭霜

1.一種基于YOLOV3算法的二次檢測口罩人臉識別方法，其特征在于，包括：

收集現場監控視頻，將視頻隔幀保存為圖片，作為口罩人臉識別的基本數據集；

使用現場原始圖片作為樣本圖片，對樣本圖片進行頭肩區域和口罩人臉區域的數據標注，使用YOLOV3算法對頭肩數據進行訓練，生成頭肩檢測模型；

使用YOLOV3算法對頭肩區域內的口罩人臉數據進行訓練，生成口罩人臉識別模型；

輸出口罩人臉識別的結果，所述口罩人臉識別的結果包括戴口罩人臉、未戴口罩人臉、轉身后頭部區域三類圖像目標；

所述使用現場原始圖片作為樣本圖片，對樣本圖片進行頭肩區域和口罩人臉區域的數據標注，使用YOLOV3算法對頭肩數據進行訓練，生成頭肩檢測模型包括：

使用現場原始圖片作為樣本圖片，對樣本圖片進行頭肩區域的數據標注；

對圖像的Anchor box進行聚類及YOLOV3網絡參數設置；

對頭肩圖像進行預處理和數據增強，通過訓練圖像樣本和迭代訓練，得到訓練好的頭肩檢測模型；

所述對頭肩圖像進行預處理和數據增強，通過訓練圖像樣本和迭代訓練，得到訓練好的頭肩檢測模型包括：

對原始圖片數據進行預處理和數據增強，網絡進行加載，得到圖像數據；

將圖片分成S*S個網格，S為13、26和52三種不同的圖像尺寸；

將每個網格檢測中心點落在該網格范圍內的目標，預測出3個預測框，每個預測框對應C+5個值，C為檢測目標的類別數，得到C個類別的置信得分P(C,O_object)，式中O_object為網格范圍內的目標，頭肩檢測中類別C為1，5個值分別為預測框的坐標(x,y)、預測框的寬度w和高度h、以及存在檢測目標的置信得分P(O_object)；

通過每個預測框對應的C+5個值計算得到預測框置信得分S_conf；

對頭肩檢測訓練設置最大迭代次數，直至訓練數據集輸出的損失函數值不大于閾值或達到設置的最大迭代次數，得到訓練好的頭肩檢測模型。

2.根據權利要求1所述的基于YOLOV3算法的二次檢測口罩人臉識別方法，其特征在于，所述對圖像Anchor box進行聚類及YOLOV3網絡參數設置包括：

在待訓練的頭肩數據集里統計頭肩目標框的長和寬，選擇多個初始聚類中心點，逐一計算所有數據對象到各個聚類中心點的距離，將數據對象分配給距離最短的集合；

在YOLOV3的darknet53結構中增加SPP模塊，將局部特征和全局特征的特征圖融合；

對YOLOV3的darknet53結構中所有卷積層的卷積核數量進行剪枝減半。

3.根據權利要求1所述的基于YOLOV3算法的二次檢測口罩人臉識別方法，其特征在于，所述預測框置信得分S_conf為：

S_conf＝P(C_i,O_object)×P(O_object)×I(truth,pred)；

式中，預測框中存在檢測物體時P(O_object)＝1，否則P(O_object)＝0，P(C_i,O_object)為C個檢測目標中第i類的置信得分，i表示檢測目標的類別標號，I(truth,pred)為預測目標框與真實目標框的交并比；

通過非極大值抑制算法篩選出預測框置信得分S_conf為：

式中，i表示類別標號，M為置信得分大的候選框，b_i為被比較的物體預測框，I(M,b_i)為M與b_i的交并比，N_t為抑制閾值。