[發明專利]一種基于深度學習的人員口罩佩戴狀態檢測識別方法

在審

• 申請號: 202110243176.X
• 申請日: 2021-03-05
• 公開（公告）號: CN113033328A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 吳寶昕
• 申請（專利權）人: 杭州追獵科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京恒泰銘睿知識產權代理有限公司 11642
• 代理人: 何平

本發明公開了一種基于深度學習的人員口罩佩戴狀態檢測識別方法。主要步驟包括：獲取數據集；設計人臉檢測網絡，并在網絡中添加第一特征向量輸出；將檢測到的口罩人臉區域通過比例隨機裁剪輸入第二深度學習網絡模型的第一網絡部分，第二網絡部分和第三網絡部分以獲得三個代表全局、局部和細粒度特征的特征圖；將三個特征圖進行特征融合得到第二特征向量；將第一特征向量和第二特征向量融合，最后使用機器學習模型識別人臉口罩佩戴狀態。這樣，基于優化設計的神經網絡，提取不同層次的深度特征并融合，能大幅提高人臉口罩佩戴狀態識別的準確率。

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于深度學習的人員口罩佩戴狀態檢測識別方法。

背景技術

在突發公共衛生事件期間，出入公共場所均需要佩戴口罩，減少接觸、避免人員過密。佩戴口罩是疫情防控的有效手段。目前，對人員口罩佩戴的監督的通用做法是通過人工進行監督，檢查人員是否佩戴口罩，不僅效率低，而且還需要人工成本，同時增加了工作人員被感染的機率。因此，若能采用一種方法自動的對人員口罩佩戴狀態進行檢測識別，只要通過視頻監控手段采集現場視頻圖像，自動判斷人臉口罩佩戴狀態，當發現未佩戴口罩或不規范佩戴口罩人員時，配合語音播報，對未佩戴口罩或不規范佩戴口罩的人員進行語音提醒，便能更方便快捷地進行安全監管，規范人員的行為，保障人員的安全，減少人員之間的傳染，最大程度的降低人工成本、提升檢測效率。為此，本發明提出一種基于深度學習的人員口罩佩戴狀態的檢測識別方法，識別人員的口罩佩戴狀態，包括是否佩戴口罩以及佩戴口罩方式是否規范，以減少人工監督的工作，幫助各部門提升工作效率。

所述口罩佩戴狀態檢測識別方法中所涉及到的深度學習技術通常是指深度卷積神經網絡，它模仿了人腦的層次結構，由層次分明的神經元相互連接組成。基于深度學習的口罩佩戴狀態檢測識別方法是指通過深層卷積神經網絡對圖像進行淺層和深層的特征提取，并用原始的標注數據對網絡參數進行校正，使佩戴口罩檢測網絡學會定位圖像中人臉的位置，同時識別人臉的口罩佩戴狀態，包括是否佩戴口罩，佩戴口罩方式是否規范。

現有的技術，如公開號為CN111488842A的中國專利，采用基于CenterNet的監控視頻口罩檢測方法，該方法以CenterNet網絡為框架，對已標注的視頻圖像樣本進行訓練，檢測視頻中人物是否佩戴口罩，只能識別人臉帶口罩和不帶口罩兩種類別，而對于帶了口罩但未規范佩戴口罩則無能為力。

又如公開號為CN111401202A的中國專利，提供了一種基于深度學習的行人口罩佩戴實時檢測方法，通過設計一個深度學習網絡實現戴口罩人臉的檢測，并對網絡采用網絡壓縮的手段，加快網絡推理速度。該方法的缺點主要有兩個：只能判斷人員是否佩戴口罩，無法對口罩佩戴的規范性做出判斷；通過網絡壓縮后，檢測精度下降，無法保證準確的檢測結果。

又如公開號為CN111582068A的中國專利，提供了一種人員口罩佩戴狀態檢測方法，使用Haar級聯分類器檢測佩戴口罩的人臉區域是否露出鼻子，輸出佩戴口罩是否規范的檢測結果，該方法基于傳統的Haar特征檢測判斷是否露出鼻子，耗時較長且使用傳統Haar特征檢測方法精度低，當人員口罩覆蓋鼻子但露出嘴巴的不規范佩戴方式時無法識別。

現有其他的方法，如公開號為CN111507199A的中國專利、公開號為CN111444887A的中國專利等都只能對人員是否佩戴口罩兩種狀態進行判斷，此外，在人臉口罩佩戴檢測時，人臉目標會隨著鏡頭距離遠近的變化呈現多尺度變化的特點以及人臉目標離鏡頭較遠時呈現小目標的特點，現有方法未對多尺度和小目標做針對性設計，無法保障檢測結果的準確性。

到目前為止，檢測識別人員口罩佩戴不規范的方法尚屬空白。為此，本發明提出一種基于深度學習的人員口罩佩戴狀態檢測方法，所述方法不僅能檢測人員是否佩戴口罩，同時也能識別人員口罩佩戴方式是否規范。同時，本法明提出一種口罩佩戴狀態精細化分類網絡重識別機制，大幅提高口罩佩戴狀態識別準確率。

發明內容