[發明專利]口罩佩戴實時檢測的神經網絡模型的搭建方法及實施系統

在審

• 申請號: 202010859490.6
• 申請日: 2020-08-24
• 公開（公告）號: CN111985621A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 陳登峰;陳鵬文;王帥舉;肖海燕;李明海;陳章政;劉磊
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 馬貴香

1.一種口罩佩戴實時檢測的神經網絡模型的搭建方法，其特征在于，包括以下步驟：

步驟一，收集不同人員佩戴口罩的照片，并對照片進行數據增強，來擴大數據集；

步驟二，對數據集中的照片進行標注，標注后將數據集分為訓練集、驗證集和測試集；

步驟三，將標注后的訓練集進行歸一化處理，再通過tensorflow2框架下搭建yolov4算法目標檢測神經網絡模型；

步驟四，通過導入驗證集數據，神經網絡模型的損失函數在迭代過程中趨于收斂，停止訓練，輸出目標檢測神經網絡模型；

步驟五，根據測試集數據，對輸出的目標檢測神經網絡模型進行性能測試；

步驟六，測試合格的tensorflow下yolov4的目標檢測神經網絡模型確定為最終的口罩佩戴實時檢測的神經網絡模型。

2.根據權利要求1所述的一種口罩佩戴實時檢測的神經網絡模型的搭建方法，其特征在于，步驟一中，通過Python爬蟲方法在Internet上得到若干不同人員是否佩戴口罩的照片，對口罩數據集中的數據使用mosaic數據增強，每次讀取四張圖片，分別對四張圖片進行翻轉、縮放和色域變化，并且按照四個方向位置進行排列，最后進行四張圖片的組合到一張圖片上，這一張圖片也作為數據集的元素。

3.根據權利要求1所述的一種口罩佩戴實時檢測的神經網絡模型的搭建方法，其特征在于，步驟二中，采用labelimg標注工具對數據集中的照片進行標注，標注分類為mask和nomask，數據集中訓練集為60％，驗證集為15％，測試集為25％。

4.根據權利要求1所述的一種口罩佩戴實時檢測的神經網絡模型的搭建方法，其特征在于，步驟三中，基于yolov4算法的目標檢測模型骨干網絡采用CSPDarkNet53，由DBM和Res殘差結構組成，激活函數使用Mish以及使用SPP結構，SPP結構參雜在對CSPdarknet53的最后一個特征層的卷積里，在對CSPdarknet53的最后一個特征層進行三次DarknetConv2D_BN_Mish卷積后，分別利用四個不同尺度的最大池化進行處理，分離出上下文特征。

5.根據權利要求1所述的一種口罩佩戴實時檢測的神經網絡模型的搭建方法，其特征在于，步驟四中，通過CIOU公式對神經網絡目標檢測模型進行損失函數計算；

CIOU公式如下：

其中，ρ²(b，b^gt)為預測框b和真實框b^gt的中心點的歐式距離，c為能夠同時包含預測框和真實框的最小閉包區域的對角線距離，IOU為b和b^gt交集和并集的比值；

其中，ω^gt為真實框的角度，h^gt為真實框的高度，ω為預測框的角度，h為預測框的高度；

計算CIOU公式的損失函數：

6.根據權利要求1所述的一種口罩佩戴實時檢測的神經網絡模型的搭建方法，其特征在于，步驟五中，模型的性能測試為精確度precision和召回率recall；當預測框和真實框IOU＝0.5時，被認為是正樣本，反之則為負樣本；

Precesion＝TP/(TP+FP)；

Recall＝TP/(TP+FN)；

TP為被分為了正樣本且分類正確；

TN為被分為了負樣本且分類正確；

FP為被分為了正樣本但分類錯誤；

FN為被分為了負樣本但分類錯誤。