[发明专利]一种基于偏振成像AI识别口罩佩戴检测方法

说明书

本发明公开了一种基于偏振成像AI识别口罩佩戴的方法，包括以下步骤：从不同角度、不同环境实时采集待检测目标的偏振图像；对偏振图像特征进行分析，并将各类型的偏振图像分类；利用CNN卷积神经网络对已被标注分类的偏振图像进行深度学习，使算法模型能辨别是否佩戴口罩；基于已训练完善的模型添加云端预警功能。本发明基于偏振相机成像特征的鲜明性，利用偏振光成像与AI智能算法结合提高了识别精度，避免了传统RGB面阵相机图像识别时容易过曝、过暗、易受干扰等问题，优化了检测方法，在算法上实现的时效性更佳。

技术领域

本发明涉及光学领域，特别是涉及一种基于偏振成像AI识别口罩佩戴检测方法及系统。

背景技术

目前关于检测戴口罩的应用和和设备早已在市场上公布，也已经有了一些相对成熟的检测方法，如知名的Viola-Jones算法、深度学习算法SSD、YOLO等，多数检测模式是使用三基色RGB相机通过对人群的快速扫描，配合人工智能系统的算法进行识别。

使用传统相机固然能检测是否佩戴口罩，但也有其局限性。传统RGB图像识别方法在没有达到完善训练前，存在以下问题：

(1)普通强度图像的数据集特征对比度不高。特征不突出，容易出现用物体遮挡住鼻、嘴，模型就认为是戴口罩的问题；

(2)RGB相机受光环境影响明显。在识别时，可能会出现强光照射过曝或弱光照射太暗，导致信息获取困难，无法识别的问题。

(3)对某些有图案的口罩可能造成误判。例如，口罩图案中有其他人脸、或者恰好是人脸的下半部分时，识别算法容易造成误判。

为了减少干扰，技术人员还需要去优化AI算法、再导入更多的样本图片提升样本评估准确率，后台技术人员的工作量较大，而又需要快速的检测设备，因而，本发明从根本出发，利用偏振光成像技术对是否戴口罩问题进行识别检测。

发明内容

本发明主要解决的技术问题是提供一种基于偏振成像AI识别口罩佩戴检测方法，包括以下步骤：

步骤S1:利用偏振相机从不同角度、不同环境实时采集待检测目标的偏振图像；

步骤S2:对偏振图像特征进行分析，并将各类型的偏振图像分类，当已收集偏振图像样本达到一定数量时，对不同图案、材质、形状的口罩在人脸上的表现进行标注。

步骤S3：利用CNN卷积神经网络对已被标注分类的偏振图像进行深度学习，使算法模型能辨别是否佩戴口罩；

步骤S4:根据模型的mAP值和实际识别预测结果评估模型综合性能，重复训练以提升识别效果。

步骤S5:基于已训练完善的算法模型添加云端预警功能。

优选的，所述偏振图像的获得采用光学广角变焦镜头和偏振相机搭建的一套偏振成像装置,获取实时动态的高精度偏振图像。

优选的，所述偏振成像装置是在其感光元件表面集成包含四个方向角度的偏光元件，能实现一次拍摄获得同一个物体的四个同分辨率，不同偏振态图像。

优选的，所述偏振成像装置对待检测目标的0°、45°、 90°、135°四向偏振角度的图像进行采集。

优选的，所述深度学习是通过将不同类别的图像整合进行二分类标注，导入YOLOv5算法模型以对偏振图像进行特征提取，最终实现目标检测。

本发明的有益效果是：

(1)一些特定场合中，如照明情况十分不好，或者被检测物品较难直接用传统面阵相机检测时，利用光的偏振，就可以捕获正常图像传感器无法检测到的偏振信息。实现“强光弱化和弱光强化”的效果，因此，使用偏振相机可以避免成像因光照太强或光照太弱的影响，能使图像特征鲜明。