[發明專利]一種人臉口罩識別方法、裝置、系統及存儲介質

在審

• 申請號: 202310398176.6
• 申請日: 2023-04-07
• 公開（公告）號: CN116503646A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 鄧聰
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/762;G06V10/80;G06N3/0464;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 姚大雷

1.一種人臉口罩識別方法，其特征在于，包括：

構建基于G-GhostNet卷積模塊的神經網絡深度模型；

基于所述神經網絡深度模型中針對目標口罩區域大小匹配的對應的預設候選框，利用圖像數據集對所述神經網絡深度模型訓練；

部署訓練好的所述神經網絡深度模型，并通過所述神經網絡深度模型對實時目標圖像進行識別，輸出識別結果。

2.如權利要求1所述人臉口罩識別方法，其特征在于，所述基于所述神經網絡深度模型中針對目標口罩區域大小匹配的對應的預設候選框，利用圖像數據集對所述神經網絡深度模型訓練，包括：

對所述圖像數據集的imageNet數據庫進行歸一化處理，將所述圖像數據集中的所有訓練集圖像調整至目標分辨率；

根據所述訓練集圖像的目標口罩區域大小，匹配對應大小的預設候選框，以便于基于所述預設候選框利用所述訓練集圖像對所述神經網絡深度模型訓練。

3.如權利要求2所述人臉口罩識別方法，其特征在于，所述預設候選框包括第一候選框、第二候選框和第三候選框；

其中，所述第一候選框的邊長為所述第二候選框的2倍；所述第二候選框的邊長為所述第三候選框的2倍；

所述預設候選框中，每個候選框對應的設有3個featureMap通道；

優選地，所述目標分辨率的分辨率尺寸為640×640；

所述第一候選框的分辨率尺寸為80×80；

所述第二候選框的分辨率尺寸為40×40；

所述第三候選框的分辨率尺寸為20×20。

4.如權利要求3所述人臉口罩識別方法，其特征在于，所述利用圖像數據集對所述神經網絡深度模型訓練，包括：

針對于所述圖像數據集中的所述訓練集圖像，在0-640內隨機設定初始聚類中心；

計算所有樣本到最近的所述聚類中心的距離，直至選出與所述預設候選框基于所述featureMap通道的9個候選框各自對應的聚類中心；

優選地，非聚類中心樣本點被選做為下一個聚類中心的概率，與其之前計算得出的距離大小呈正比。

5.如權利要求1所述人臉口罩識別方法，其特征在于，所述G-GhostNet卷積模塊的深層特征包括Ghost特征和復雜特征；

所述基于所述神經網絡深度模型的訓練，還包括：

在采用G-GhostNet卷積模塊的所述神經網絡深度模型的卷積網絡中，通過第一個卷積塊線性變換獲得所述Ghost特征；

將第二個卷積塊到第預設數量個卷積塊中的特征進行拼接，使用mix變換函數獲得與所述Ghost特征同域的特征，即為所述復雜特征；其中，在采用所述G-GhostNet卷積模塊的所述神經網絡深度模型中存在預設數量個卷積塊；

將所述Ghost特征和所述復雜特征相加融合輸出特征結果，以便于完成整合原始卷積。

6.如權利要求5所述人臉口罩識別方法，其特征在于，在所述基于所述神經網絡深度模型的訓練中，還包括：

在所述mix變換函數之前添加注意力機制，并基于所述注意力機制得到所述特征結果；

所述特征結果，通過如下函數實現輸出：

其中，在采用所述G-GhostNet卷積模塊的所述神經網絡深度模型中存在預設數量個卷積塊，所述預設數量為n，其輸出表示為X∈R^c×h×w；所述復雜特征為所述Ghost特征為所述注意力機制包含有Q、K、V三個張量，Q表示查詢向量，K表示編碼器的數據，V表示所述注意力機制的輸入；C表示Cheap操作，為1×1卷積或3×3卷積；Y_n為所述特征結果。

7.如權利要求1所述人臉口罩識別方法，其特征在于，

所述神經網絡深度模型的所述圖像數據集包括訓練集圖像和測試集圖像；所述訓練集圖像和所述測試集圖像的數量比例為9:1；

所述神經網絡深度模型的訓練中，以Avg?IOU作為評估標準。