[发明专利]一种基于图像识别的口罩检测和部署系统及方法

权利要求书

1.一种基于图像识别的口罩检测和部署系统，其特征在于，包括依次连接的数据处理模块、模型训练模块、模型推理模块以及模型部署模块；

所述数据处理模块，用于分别收集人脸图像和口罩图像，并分别对所述人脸图像和口罩图像进行标注；

所述模型训练模块，用于利用标注后的人脸图像和口罩图像训练人脸口罩检测模型，其具体为：

根据标注后的人脸图像和口罩图像，分别利用YOLO v3网络、YOLOv3-tiny网络和YOLOv4网络构建第一人脸口罩检测模型、第二人脸口罩检测模型以及第三人脸口罩检测模型；其中，

所述YOLO v3网络、YOLOv3-tiny网络和YOLO v4网络输入图片尺寸均设置为448×448，其输出类别均设置为2；

所述YOLOv3-tiny网络的训练达到的最大批次设置为6000，所述YOLO v3网络和YOLOv4网络的训练达到的最大批次均设置为12000；

所述根据标注后的人脸图像和口罩图像，分别利用YOLO v3网络、YOLOv3-tiny网络和YOLO v4网络训练第一人脸口罩检测模型、第二人脸口罩检测模型以及第三人脸口罩检测模型，其包括以下步骤：

利用YOLO预训练权重分别初始化YOLO v3网络、YOLOv3-tiny网络和YOLO v4网络；

将标注后的人脸图像和口罩图像的尺寸缩放为448×448像素；

将缩放后的人脸图像和口罩图像分别分割成S×S个网格单元，其中，S表示整型常数；

在每个网格单元中分别利用YOLO v3网络、YOLOv3-tiny网络和YOLO v4网络提取视觉特征，并分别设置YOLO v3网络、YOLOv3-tiny网络和YOLO v4 网络的ReLU激活函数；

根据每个网格单元，分别利用YOLO v3网络的全连接层、YOLOv3-tiny网络的全连接层和YOLO v4网络的全连接层输出边界框(x,y,w,h)、包含目标的置信度Pr(object)以及每个类别的预测条件概率Pr(class_iobject)，其中，(x,y)表示边界框的中心左边，w和h分别表示边界框的宽度和长度，class_i表示第i个目标；

分别合并YOLO v3网络、YOLOv3-tiny网络和YOLO v4网络提取所有网格单元的视觉特征以及对应输出的边界框(x,y,w,h)、包含目标的置信度Pr(object)以及每个类别的预测条件概率Pr(class_iobject)，得到第一预测张量、第二预测张量以及第三预测张量；

根据所述第一预测张量、第二预测张量以及第三预测张量，分别计算得到第一卷积神经网络的梯度、第二卷积神经网络的梯度以及第三卷积神经网络的梯度；

根据第一卷积神经网络的梯度、第二卷积神经网络的梯度以及第三卷积神经网络的梯度，分别利用随机梯度下降法更新并优化YOLO v3网络、YOLOv3-tiny网络和YOLO v4网络的参数，得到第一人脸口罩检测模型、第二人脸口罩检测模型以及第三人脸口罩检测模型，完成对人脸口罩检测模型的训练；

所述模型推理模块，用于根据所述人脸口罩检测模型，利用非极大值抑制算法对人脸和口罩的位置进行检测；

所述模型部署模块，用于根据检测结果对人脸口罩检测模型进行部署，完成基于图像识别的口罩检测和部署。