[发明专利]基于yolov4的口罩检测方法

说明书

本发明实施例公开了一种基于yolov4的口罩检测方法，包括：步骤1：采集公共场合下人们佩戴口罩和未佩戴口罩的图像，制作训练集；步骤2：构建预设YOLOV4目标检测模型；步骤3：将训练集放入预设YOLOV4目标检测模型中训练；步骤4：通过所述训练后的预设YOLOV4目标检测模型对待检测视频流或图片进行检测，判断视频流或图片中的每一个人脸目标是否佩戴口罩。本发明针对口罩佩戴检测的一般场景，采用对Backbone网络部分更改为MobileNetV3结构，使用深度可分离卷积代替整个网络结构中的普通卷积，MobileNetV3结构体积小、计算效率高，对MobileNetV3结构里的SE注意力机制模块更改为CA注意力机制，将位置信息嵌入到通道注意力中，增强特征表达能力，加强对图片或视频区域的口罩检测。

技术领域

本发明涉及口罩检测技术领域，尤其涉及一种基于yolov4的口罩检测方法。

背景技术

新冠疫情的爆发影响一直延续到现在，公共卫生防护要求不断被强调。为防止新冠病毒的交叉传染，公共场所出入佩戴口罩是防范传染的基本措施，戴口罩出行有利于保障自身和他人的安全，有效控制疫情传播。同时在ATM、银行等监控系统中，口罩的佩戴检测功能可以对可疑人物进行检测；在手术室检测医生是否佩戴口罩来监督医生的工作的选择，避免发生由工作失误导致的医疗事故。随着智能化设备以及技术的发展，口罩佩戴检测已逐步从人工向机器设备检测转移。采用机器视觉代替人工是自动化的重要研究方向。自动检测口罩佩戴系统的优点在于节省人力、智能提醒、信息化监控。在突发重大疫情时，可以用于监督和提示公众戴好口罩出门，可以搭载在无人机上，在巡视时自动检测没有戴口罩出行的人并进行劝告。在公共场所如公交车、地铁站、超市、学校等各大公共场所的出入口门禁系统中，对未佩戴口罩的进行提醒。通过技术提高公共卫生防护能力，节约社会资源和运营成本，降低人力资源成本。所以快速而精确的检测识别出人们佩戴口罩的问题，对于日后生活中的安全管理及智能化信息管理具有重要的意义。

口罩佩戴检测的方法可以分为传统图像处理方法和机器学习方法。传统方法基本思想是通过图像处理技术区分背景和人像前景，然后再找到人脸区域，并对人脸区域是否佩戴口罩进行识别。具体地，通过双眼检测得到眼部肤色面积和鼻子口部区域的肤色面积进行比较，若前者小于后者则为无口罩；若后者小于前者为戴口罩。另外加入嘴巴鼻子检测，和对戴口罩人脸的口罩边缘进行霍夫直线检测作为参考决策。初始图像预处理阶段主要采用了滤波、二值化、腐蚀膨胀、边缘检测等算；然后采用OpenCV分类器进行人脸、鼻子、嘴巴的检测；当双眼检测到后得到眼部肤色区域，然后根据肤色轮廓计算肤色面积；确定眼部区域后，计算鼻口部区域肤色的轮廓面积；最后根据比较规则判断是否佩戴口罩。随着深度学习技术在图像识别领域的发展，不断地有新的检测识别技术被提出。在口罩佩戴检测方面，有研究者提出基于特征融合和分割监督相结合的人脸检测和口罩属性识别两大模块的方案，前者实现在图像中定位人脸区域，后者在单个人脸区域判断人脸是否佩戴口罩，即口罩佩戴检测划分为人脸检测与图像分类问题，人脸检测网络配合图像分类网络，首先确定人的面部位置，然后将图像分类为未佩戴口罩、已佩戴口罩两种情况。另外有研究者提出基于SSD网络结构，直接检测人脸区域是否佩戴口罩，分为两类。主干网络加上定位和分类层包含8个卷积层，模型使用了anchor-based的设计，用多个卷积层后的特征映射图来定位和检测原始图像的人脸区域，用交叉熵损失函数计算预测是否佩戴口罩两个类别的损失。

现有的网络为了获得更好的性能，网络层数不断增加，虽然网络性能得到了提高，但同时也带来存储问题和运行效率问题。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于yolov4的口罩检测方法，以降低运算量，提升运行效率。

为了解决上述技术问题，本发明实施例提出了一种基于yolov4的口罩检测方法，包括：

步骤1：采集公共场合下人们佩戴口罩和未佩戴口罩的图像，按清晰度进行筛选样本，制作训练集；