[发明专利]密集人流口罩佩戴率智能检测方法、系统、介质和设备

权利要求书

1.一种密集人流口罩佩戴率智能检测方法，其特征在于，包括步骤如下：

获取训练样本图像集，各训练样本图像中包括未佩戴口罩人脸图像和/或佩戴口罩人脸图像；

针对于各训练样本图像，针对其中的各人脸图像分别标注类别，包括未佩戴口罩和佩戴口罩类别；

将各训练样本图像作为YOLO模型的输入，其中的各人脸图像的类别作为标签，对YOLO模型进行训练，得到智能识别模型；

针对于待测区域，获取该区域拍摄的图像，将该区域拍摄的图像输入到智能识别模型中，识别出图像中佩戴口罩的人脸和未佩戴口罩的人脸；

根据待测区域拍摄的图像中识别出的佩戴口罩的人脸数量和未佩戴口罩的人脸数量，计算待测区域的口罩佩戴率。

2.根据权利要求1所述的密集人流口罩佩戴率智能检测方法，其特征在于，针对于待测区域，定时或在接收到检测触发指令的情况下，获取该区域拍摄的图像，并且基于智能识别模型识别出图像中佩戴口罩的人脸和未佩戴口罩的人脸，以计算待测区域的口罩佩戴率。

3.根据权利要求1所述的密集人流口罩佩戴率智能检测方法，其特征在于，待测区域的口罩佩戴率为：

其中，mark_rate为待测区域的口罩佩戴率，N_{face_mark}为待测区域拍摄的图像中识别出的佩戴口罩的人脸数量，N_face为待测区域拍摄的图像中识别出的未佩戴口罩的人脸数量。

4.根据权利要求1所述的密集人流口罩佩戴率智能检测方法，其特征在于，所述YOLO模型为改进后的YOLO4模型，包括CSPDarknet53结构、第一卷积层、池化金字塔SPPnet、第二卷积层、PANet和YoloHead结构，其中CSPDarknet53结构包括依次连接的输入层、DarknetConv2D_BN_Mish层、第一Resblock_body层、第二Resblock_body层和第三Resblock_body，CSPDarknet53结构、第一卷积层、池化金字塔SPPnet和第二卷积层依次连接，池化金字塔SPPnet中包括4个并列的最大池化层，第一卷积层的输出分别作为池化金字塔SPPnet中4个最大池化层输入，4个最大池化层的输出特征连接融合后在第二卷积层并做卷积操作；第一Resblock_body层、第二Resblock_body层和第二卷积层的输出分别输入到PANet，PANet的各输出分别连接各YoloHead结构。

5.根据权利要求1所述的密集人流口罩佩戴率智能检测方法，其特征在于，还包括如下步骤：

针对于计算得到的待测区域的口罩佩戴率，将其与阈值进行比较，当小于阈值时，启动待测区域的限流操作，当其大于阈值时，不进行待测区域的限流操作。

6.一种密集人流口罩佩戴率智能检测系统，其特征在于，包括上位机、微控制器和图像采集设备，所述图像采集设备和微控制器连接上位机；

所述图像采集设备，用于拍摄待测区域的图像，并且发送给上位机；

所述上位机，用于执行权利要求1～4中任一项所述的密集人流口罩佩戴率智能检测方法；

所述微控制器，用于接收上位机计算得到的待测区域口罩佩戴率信息，并且将待测区域口罩佩戴率与阈值进行比较，当小于阈值时，启动待测区域的限流操作，当其大于阈值时，取消待测区域的限流操作。

7.根据权利要求6所述的密集人流口罩佩戴率智能检测系统，其特征在于，所述微控制器连接待测区域的限流设备，根据待测区域口罩佩戴率与阈值的比较结果，通过限流设备启动限流操作。

8.根据权利要求6所述的密集人流口罩佩戴率智能检测系统，其特征在于，还包括预警单元，所述预警单元连接微控制器。

9.一种存储介质，其特征在于，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1～4中任一项所述的密集人流口罩佩戴率智能检测方法。

10.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1～4中任一项所述的密集人流口罩佩戴率智能检测方法。