[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

本發明提出一種基于YOLOV3算法的二次檢測口罩人臉識別方法，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。本發明通過對圖像使用YOLOV3頭肩檢測算法和YOLOV3口罩人臉識別的二次檢測算法，定位出所有人體的頭肩區域和對戴口罩人臉、未帶口罩人臉的識別，在不同場景應用中通用性更好，識別準確度更高，克服了現有技術受光照、角度的影響。

技術領域

本發明屬于人臉識別技術領域，尤其涉及一種基于YOLOV3算法的二次檢測口罩人臉識別方法。

背景技術

口罩人臉識別是利用計算機視覺技術判斷圖像或者視頻序列中的行人是否存在未帶口罩的情況，在一些需要佩戴口罩的特定場合，比如食堂、飯店等員工需要佩戴口罩上崗，或由于特殊情況，需要行人佩戴口罩的場景，都可以適用。

目前市面上的口罩人臉識別系統，常用的方式先對人臉進行檢測，再對人臉進行區域劃分，統計分析臉部下方區域的顏色信息，進而判斷人臉是否佩戴口罩的方式。但在實際現場應用中，人臉的傾斜角度不同，不同光線的干擾也不同，導致傳統方式的精度并不理想。

因此，現有技術需要改進。

發明內容

為解決上述技術問題，本發明提出了一種基于YOLOV3算法的二次檢測口罩人臉識別方法。

基于本發明實施例的一個方面，公開一種基于YOLOV3算法的二次檢測口罩人臉識別方法，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。

基于本發明的上述基于YOLOV3算法的二次檢測口罩人臉識別方法的另一個實施例中，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，提高圖像識別的精度，減少網絡時間復雜度；

對頭肩圖像進行預處理和數據增強，通過對圖像樣本進行迭代訓練，得到訓練好的頭肩檢測模型。

基于本發明的上述基于YOLOV3算法的二次檢測口罩人臉識別方法的另一個實施例中，所述對圖像Anchor box進行聚類及YOLOV3網絡參數設置，提高圖像識別的精度，減少網絡時間復雜度包括：

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，降低網絡的時間復雜度。