[發明專利]口罩識別模型的訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202210549746.2
• 申請日: 2022-05-20
• 公開（公告）號: CN114898434A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 孟海秀;萬業聰;姚星星;施森閩;鄭旭東
• 申請（專利權）人: 卡奧斯工業智能研究院（青島）有限公司;海爾卡奧斯物聯生態科技有限公司;海爾數字科技（青島）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 王蕊;劉芳

本發明提供一種口罩識別模型的訓練方法、裝置、設備及存儲介質。該方法包括：將第一訓練集中的各圖片分別切割成多個大小相同的圖像塊，并對所述圖像塊進行標簽標注，得到第二訓練集；將第三訓練集中的各圖片分別切割成多個大小相同的圖像塊，并對所述圖像塊進行標簽標注，得到第四訓練集；使用所述第二訓練集對第一預設模型進行預訓練，得到預訓練模型；使用所述第四訓練集和第二預設模型進行正式訓練，得到口罩識別模型；其中，所述第一預設模型和所述第二預設模型可以采用YOLOV4?tiny網絡模型，所述YOLOV4?tiny網絡模型包括主干網絡和剩余部分網絡；所述預訓練和正式訓練中模型的主干網絡的參數被凍結。該方法提高了模型的運行速度和距離較遠小目標識別的準確性。

技術領域

本發明涉及新一代信息技術領域，尤其涉及一種口罩識別模型的訓練方法、裝置、設備及存儲介質。

背景技術

隨著計算機視覺技術的發展，利用計算機視覺技術，從圖像中檢測人臉并進行口罩穿戴的識別有著非常重要的研究意義和應用價值。

目前，對于口罩的識別大多采用神經網絡進行識別，很多安防監控系統通過系統升級來實現口罩識別。例如，采用多任務級聯卷積神經網絡(Multi-task convolutionalneural network，簡稱MTCNN)作為口罩佩戴識別的網絡模型，在光譜圖像上標記感興趣區域(Region of interest，簡稱ROI)，獲取坐標和類別信息，訓練支持向量機(SupportVector Machine，簡稱SVM)分類器，進而針對是否佩戴口罩進行分類判斷。

現有的識別方法由于模型參數量大，導致運行速度慢，識別周期長，并且對于距離較遠的小目標無法準確的識別。

發明內容

本發明提供一種口罩識別模型的訓練方法、裝置、設備及存儲介質，用于提高對于距離較遠的小目標識別的準確性，同時解決因模型參數量大導致運行速度慢，識別周期長的問題。

第一方面，本發明實施例提供一種口罩識別模型的訓練方法，包括：

將第一訓練集中的各圖片分別切割成多個圖像塊，并對所述圖像塊進行標簽標注，得到第二訓練集，所述第一訓練集為第一人臉口罩數據集，所述第二訓練集中的圖像塊的標簽包括圖像塊在圖片中的位置信息和圖像塊中人臉是否佩戴口罩的類別信息；

將第三訓練集中的各圖片分別切割成多個圖像塊，并對所述圖像塊進行標簽標注，得到第四訓練集，所述第三訓練集為第二人臉口罩數據集，所述第四訓練集中的圖像塊的標簽包括圖像塊在圖片中的位置信息和圖像塊中人臉是否佩戴口罩的類別信息；

使用所述第二訓練集對第一預設模型進行預訓練，得到預訓練模型，所述第一預設模型包括主干網絡和剩余部分網絡，在預訓練過程中所述第一預設模型的主干網絡的參數被凍結；

使用所述第四訓練集和第二預設模型進行正式訓練，得到口罩識別模型，所述第二預設模型包括主干網絡和剩余部分網絡，所述第二訓練模型的主干網絡的參數為所述預訓練模型的主干網絡的參數，所述第二預設模型的剩余部分網絡的初始參數為所述預訓練模型的剩余部分網絡的參數，在正式訓練過程中所述第二預設模型的主干網絡的參數被凍結。

一種可能的實現方式中，所述第一預設模型采用YOLOV4-tiny網絡模型，所述使用所述第二訓練集對第一預設模型進行預訓練，得到預訓練模型，包括：

將ImageNet數據集上訓練得到的參數加載到所述第一預設模型的主干網絡上；

加載完成之后，凍結所述第一預設模型的主干網絡；

使用如下迭代過程更新所述第一預設模型的剩余部分網絡的參數，直至迭代條件滿足，則將訓練得到的模型作為所述預訓練模型：

每次將所述第二訓練集中的第一數量的圖像塊輸入所述第一預設模型進行訓練，得到訓練結果；