[發明專利]一種基于改進的YOLOv5人臉口罩識別方法及系統

在審

• 申請號: 202211664167.9
• 申請日: 2022-12-23
• 公開（公告）號: CN116311417A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王珂;馮余佳;趙慧;郝喆
• 申請（專利權）人: 江蘇開放大學（江蘇城市職業學院）
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/82;G06N3/0464;G06N3/082
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵

本發明公開了一種基于改進的YOLOv5人臉口罩識別方法及系統，首先使用網絡剪枝法對YOLOv5算法模型壓縮，優化網絡空間減少參數計算避免過擬合，并在CSP模塊后增加CBAM卷積塊注意模塊，增強密集小尺度目標特征表達能力；其次使用隱層剪枝法和卷積核剪枝法調整YOLOv5網絡大小削減冗余結構，選取CIoU目標損失函數，通過對YOLOv5模型邊界框損失函數BBoxLoss的改進提升模型感知力，降低預測誤差；最后對改進后的YOLOv5經過數據集訓練得到相應的算法模型并有機結合到人臉識別系統交互界面，搭建實時人臉口罩識別系統。本方法能有效提高識別平均準確度，具有科學性、有效性和實用性。

技術領域

本發明涉及計算機視覺技術領域和人工智能技術領域，尤其涉及一種人臉口罩識別方法及系統。

背景技術

目前，除去人工檢測，口罩的人臉識別在公共場所的應用最為廣泛。計算機視覺技術是利用各種成像系統代替視覺器官作為輸入手段，用計算機代替大腦來完成對視覺信息的處理和解釋。隨著計算機視覺技術的不斷發展，計算機可以識別各種人臉并給出反饋。雖然現階段對自然場景下小目標檢測速度和精度有著大幅度的提升，但是存在對于目標淺層特征提取的不充分，且存在在自然場景中密集人群小目標檢測以及遮擋誤判的問題。因此，急需對現有技術進行優化和改進，提升模型在自然環境下的性能，提供一種能夠在公共區域實時并且自動檢測人臉口罩佩戴情況的方法與系統。

發明內容

本發明所要解決的技術問題：提供一種基于改進的YOLOv5人臉口罩識別方法及系統，能夠在公共區域實時并且自動檢測人臉口罩佩戴情況。

本發明為解決以上技術問題而采用以下技術方案：

本發明提出的基于改進的YOLOv5人臉口罩識別方法，包括網絡結構改進、網絡策略改進和搭建人臉口罩識別系統三個方面，具體步驟如下：

S1、網絡結構改進：使用網絡剪枝法減少YOLOv5算法模型的網絡參數和結構復雜度，并在CSP模塊后增加CBAM卷積塊注意模塊；

網絡剪枝法主要用于提高網絡的泛化性能，通過減少網絡參數和結構復雜度來避免過擬合，從而獲得一個更輕更高效的YOLOv5算法模型。

S2、網絡策略改進：使用隱層剪枝法和卷積核剪枝法分別調整YOLOv5算法模型的深度和寬度，削減冗余結構，并選取CIoU目標損失函數對YOLOv5模型邊界框損失函數BBox_Loss的精度進行改進，增加預測框與真實框的重疊度。

S3、搭建人臉口罩識別系統：通過步驟S1和S2改進后的YOLOv5算法模型，經過數據集訓練得到優化后的算法模型，將其嵌入人臉識別系統交互界面，搭建可以實時應用的人臉口罩識別系統。

進一步，步驟S1中所述的CBAM卷積塊注意模塊，屬于輕量級模塊，具體作用包括：當給定一個特征圖時，CBAM會沿著通道和空間兩個獨立的維度依次推導出注意圖，利用CBAM提取注意力區域，然后將注意圖與輸入特征圖卷積計算，進行自適應特征細化，實現在人臉區域更精準定位口罩位置信息。

進一步，步驟S2中所述的網絡策略改進中，隱層剪枝法調整網絡深度是通過控制CSP結構中剩余分量的數量實現的，卷積核剪枝法調整網絡寬度是通過控制Focus和CBL結構中的卷積核數量實現的。

進一步，在經過步驟S1和S2改進后的YOLOv5算法模型中，Backbone網絡端分為三層：第一層是Focus模塊，它對圖像進行切片并完全提取特征；第二層是CBL模塊，主要由卷積層、批歸一化層(BN)和ReLU激活函數組成，其中卷積層中卷積核的數量決定了CBL模塊輸出圖像的大小；第三層是CSP1_X模塊。Neck網絡端的CSP2_X模塊均為CSP2_1。