[发明专利]基于深度学习和图像识别技术的口罩检测方法及检测系统

说明书

本发明公开了一种基于深度学习和图像识别技术的口罩检测方法及检测系统，包括，数据采集步骤、数据采集模块采集视频、图像数据，并提取视频中的帧；数据预处理步骤、对得到的数据进行标注，标注出图像中人脸的位置和是否佩戴口罩；训练集划分、打乱搜集到的数据集顺序，将其分割为训练集、验证集；训练步骤、按批次提取训练集中的数据并输入到佩戴口罩检测网络中进行修正网络参数；输出步骤，直到检测网络学会预测人脸位置以及是否佩戴口罩；验证集输入到训练得到的佩戴口罩检测网络中得到最终预人脸位置以及是否佩戴口罩类别信息，按照佩戴口罩与否用不同颜色的框标出检测到的人脸位置。

技术领域

本发明应用场景涉及监控系统、安全防控等领域，理论方面涉及计算机视觉和模式识别领域，尤其涉及一种基于深度学习和图像识别技术的口罩检测方法、模型及检测系统。

背景技术

在突发公共卫生事件期间，出入公共场所均需要佩戴口罩，为减少接触、避免人员过密，通过人脸识别的口罩检测能力可实现无现场工作人员的智能识别，提高企事业单位管理能力、提高通行效率、降低人工检查导致交叉感染的可能性。但目前通用的做法是通过人工进行监督，检测人员是否佩戴口罩，不仅效率低，而且还需要人工成本，同时增加了工作人员被感染的机率。了公共卫生安全更方便快捷的进行安全监管，规范人员的行为，保障人员的安全，减少人员之间的传染我们提出一种佩戴口罩检测识别系统，最大程度的降低人工成本、提升检测效率。

人员佩戴口罩检测在突发公共卫生事件期间极其重要，直接影响了其发展态势。当前主要采用人工监督的方式，而防控的一个关键措施是减少人员聚集，人工监督又避免不了的会使多个人出现在相同的场所。因此，自动人员佩戴口罩检测方法可以很好的解决此类问题，只要通过监控摄像头采集现场视频图像，并通过深度学习技术检测人脸，同时判断人脸是否佩戴口罩即可。同时，可以配合语音播报，对未佩戴口罩的人员进行语音提醒。大大提高工作效率的同时，避免了人员聚集，可以有效的提高防控效果，降低人与人传染的机率。

所述口罩佩戴检测中所涉及到的深度学习技术通常是指深度卷积神经网络，它的工作原理是用多个非线性网络结构逼近复杂的函数关系，用以表示输入数据的近似分布。基于深度学习和图像识别技术的口罩检测方法是指通过深层卷积神经网络提取图像的特征，并用原始的标注数据对网络参数进行校正，使佩戴口罩检测网络学会定位图像中人脸的位置，同时预测定位到的人脸是否佩戴口罩。现有技术中，检测人脸的大致位置，提供人脸框的候选区域；进一步判断提取的候选区域的可信程度，并修正人脸框位置；对前两阶段网络检测到的结果进行修正，得到最终检测结果。现有技术通常采用多阶段方法对脸部遮挡物进行检测，相对于一阶段方法，需要多级网络，检测速度慢，实时性不好；或者输入需要产生图像金字塔，增加了网络输入的数据量，计算速度慢；同时对人脸尺寸大小的范围进行限定，影响召回率。

发明内容

本发明旨在解决突发公共卫生事件防控期间人员佩戴口罩人工检查效率低、工作人员被感染风险高的问题，提出一种基于深度学习和图像识别技术的口罩检测方法及检测系统。

本发明提出了一种基于深度学习和图像识别技术的口罩检测方法，包括获取人脸框的中心坐标步骤、训练集划分及修正步骤、训练步骤；

获取人脸框的中心坐标步骤，对预处理步骤得到的标注信息，对标注信息进行转化，得到人脸框的中心坐标；采用anchor-free的网络结构定位人脸位置，包含三个headlayer，分别预测人脸是否佩戴口罩、人脸框的长宽、人脸框的偏移量；

训练集划分步骤，获取所述预处理步骤得到的所有图像数据，随机打乱数据集的顺序，按照预设比例划分所述预处理步骤得到的数据集，其中一部分为佩戴口罩检测网络的训练集，另外一部分为相应的验证集，同时按照训练集和验证集中图像的名字得到对应的标注信息列表；