[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

本發明公開了一種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，本發明的系統通過將口罩佩戴實時檢測的神經網絡模型內置于神經計算棒中，能夠經過神經計算棒的加速推理，再結合控制板的實時處理能力，使本系統能夠實時的對拍攝的檢測區域人員是否帶口罩進行分析處理圖像識別，并輸出結果至顯示器中，本發明能夠實現實時口罩檢測，將圖像數據處理的計算量完全遷移到網絡邊緣，也不再使用任何服務器，可以降低檢測成本，識別精度高，減少勞動力，具有很大的實用價值。

技術領域

本發明屬于邊緣計算的目標檢測領域，具體涉及一種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。

背景技術

傳染病毒目前還是主要通過飛沫傳播和接觸傳播，在某些特殊的條件下才可能發生氣溶膠 傳播，一般的工作生活條件下，正確佩戴口罩，足以滿足日常防護需求。疫情期間，普通公眾 出門正確帶口罩顯得尤為重要。為全力做好傳染病毒的防控工作，有效切斷病毒傳播途徑，堅 決遏制疫情蔓延勢頭，確保人民群眾生命安全和身體健康，需要在各小區、學校、單位、食堂、 車站等公共場合增設大量的防疫人員和檢測點，逐一檢測進出人員是否佩戴口罩或正確佩戴口 罩及檢測人體體溫是否異常，帶來巨大的人力、物力的投入。

發明內容

本發明的目的在于克服上述不足，提供一種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，能夠高效、準確的檢測出人員臉上的口罩是否正確佩戴。

為了達到上述目的，一種口罩佩戴實時檢測的神經網絡模型的搭建方法，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，并將數據集分為訓練集、驗證集和測試集；

步驟三，將標注后的數據集進行歸一化處理，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如果趨于收斂，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，包括準確度以 及召回率；

步驟六，測試合格的模型確定為最終的口罩佩戴實時檢測的神經網絡模型。

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 所述的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，并且按照左上、左下、右下和右上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，再對這一張圖片也作為數據集的元素。

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no mask 數據集中訓練集為60％，驗證集為15％，測試集為25％。

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(DarknetConv2D_BN_Mish)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。

步驟四中，通過CIOU公式對神經網絡目標檢測模型進行模型測試；

CIOU公式如下：