[发明专利]一种基于神经网络的正确佩戴口罩识别方法

权利要求书

1.一种基于神经网络的正确佩戴口罩识别方法，包括数据准备和模型训练，其特征在于，所述数据准备为：利用一定数量的佩戴口罩和不佩戴口罩的人脸图像构建口罩佩戴的识别训练数据集，所述人脸图像中标记有人脸的5个关键点坐标，所述5个关键点为左眼、右眼、鼻尖、左嘴角和右嘴角，所述人脸图像中还标记有人脸框坐标位置，所述人脸框坐标位置包括左上点x、右下点y、人脸框宽w和人脸框高h；

所述模型训练基于的网络模型包括backbone、FPN和检测头，所述backbone用于提取人脸图像中的特征，所述FPN用于获取多尺度的特征，并提升小尺度目标的检测精度，所述检测头用于对backbone提取到的特征进行回归，得到人脸置信度、人脸框位置以及人脸关键点的坐标；

所述模型训练包括以下步骤，步骤S1，修改网络结构：在网络模型中增加一个用于回归人脸佩戴口罩置信度的检测头A；

并修改训练模型中的总损失计算方法，损失函数改为：

L＝2L_location+L_landmark+L_{face_conf}+L_{mask_conf}

其中，L为总损失，L_location为人脸位置预测的损失，L_landmark为人脸关键点预测的损失，L_face-conf为人脸的置信度，L_{mask_conf}为戴口罩的置信度；

步骤S2，检测模型微调：基于Retinaface人脸检测算法，优化Retinaface人脸检测算法的训练参数；

步骤S3，模型重复训练：重复训练模型多次，每次训练前都进行步骤S2，直至模型检测精度符合要求。

2.根据权利要求1所述的一种基于神经网络的正确佩戴口罩识别方法，其特征在于：所述识别训练数据集中的人脸图像包含不同角度、大小、光照情况下的人脸图像。

3.根据权利要求1所述的一种基于神经网络的正确佩戴口罩识别方法，其特征在于：所述步骤S3还包括，将每一轮训练中检测错误的图片，放入下一轮训练中重复进行步骤S2检测模型微调。

4.根据权利要求1所述的一种基于神经网络的正确佩戴口罩识别方法，其特征在于：所述步骤S2中优化的训练参数包括优化函数、batch size、学习率α以及动量γ。