【技术实现步骤摘要】
基于YOLOV3算法的二次检测口罩人脸识别方法
本专利技术属于人脸识别
，尤其涉及一种基于YOLOV3算法的二次检测口罩人脸识别方法。
技术介绍
口罩人脸识别是利用计算机视觉技术判断图像或者视频序列中的行人是否存在未带口罩的情况，在一些需要佩戴口罩的特定场合，比如食堂、饭店等员工需要佩戴口罩上岗，或由于特殊情况，需要行人佩戴口罩的场景，都可以适用。目前市面上的口罩人脸识别系统，常用的方式先对人脸进行检测，再对人脸进行区域划分，统计分析脸部下方区域的颜色信息，进而判断人脸是否佩戴口罩的方式。但在实际现场应用中，人脸的倾斜角度不同，不同光线的干扰也不同，导致传统方式的精度并不理想。因此，现有技术需要改进。
技术实现思路
为解决上述技术问题，本专利技术提出了一种基于YOLOV3算法的二次检测口罩人脸识别方法。基于本专利技术实施例的一个方面，公开一种基于YOLOV3算法的二次检测口罩人脸识别方法，包括：收集现场监控视频，将视频隔帧保存为图片，作为口罩人脸识别的基本数据集；
【技术保护点】
1.一种基于YOLOV3算法的二次检测口罩人脸识别方法，其特征在于，包括：/n收集现场监控视频，将视频隔帧保存为图片，作为口罩人脸识别的基本数据集；/n使用现场原始图片作为样本图片，对样本图片进行头肩区域和口罩人脸区域的数据标注，使用YOLOV3算法对头肩数据进行训练，生成头肩检测模型；/n使用YOLOV3算法对头肩区域内的口罩人脸数据进行训练，生成口罩人脸识别模型；/n输出口罩人脸识别的结果，所述口罩人脸识别的结果包括戴口罩人脸、未戴口罩人脸、转身后头部区域三类图像目标。/n
【技术特征摘要】
1.一种基于YOLOV3算法的二次检测口罩人脸识别方法，其特征在于，包括：
收集现场监控视频，将视频隔帧保存为图片，作为口罩人脸识别的基本数据集；
使用现场原始图片作为样本图片，对样本图片进行头肩区域和口罩人脸区域的数据标注，使用YOLOV3算法对头肩数据进行训练，生成头肩检测模型；
使用YOLOV3算法对头肩区域内的口罩人脸数据进行训练，生成口罩人脸识别模型；
输出口罩人脸识别的结果，所述口罩人脸识别的结果包括戴口罩人脸、未戴口罩人脸、转身后头部区域三类图像目标。
2.根据权利要求1所述的基于YOLOV3算法的二次检测口罩人脸识别方法，其特征在于，所述使用现场原始图片作为样本图片，对样本图片进行头肩区域和口罩人脸区域的数据标注，使用YOLOV3算法对头肩数据进行训练，生成头肩检测模型包括：
使用现场原始图片作为样本图片，对样本图片进行头肩区域的数据标注；
对图像的Anchorbox进行聚类及YOLOV3网络参数设置；
对头肩图像进行预处理和数据增强，通过训练图像样本和迭代训练，得到训练好的头肩检测模型。
3.根据权利要求2所述的基于YOLOV3算法的二次检测口罩人脸识别方法，其特征在于，所述对图像Anchorbox进行聚类及YOLOV3网络参数设置包括：
在待训练的头肩数据集里统计头肩目标框的长和宽，选择多个初始聚类中心点，逐一计算所有数据对象到各个聚类中心点的距离，将数据对象分配给距离最短的集合；
在YOLOV3的darknet53结构中增加SPP模块，将局部特征和全局特征的特征图融合；
对YOLOV3的darknet53结构中所有卷积层的卷积核数量进行剪枝减半。
4.根据权利要求2所述的基于YOLOV3算法的二次检测口罩人脸识别方法，其特征在于，所述对头肩图像进行预处理和数据增强，通过训练图像样本和迭代训练，得到训练好的头肩检测模型包括：
对原始图片数据进行预处理和数据增强，网络进行加载，得到图像数据；
将图片分成S*S个网格，S为13、26和52三种不同的图像尺寸；
将每个网格检测中心点落在该网格范围内的目标，预测出3个预测框，每个预测框对应C+5个值，C为检测目标的类别数，得到C个类别的置信得分P(C,Oobject)，头肩检测中类别C为1，5个值分别为预测框的坐标(x,y)、预测框的宽度...
【专利技术属性】
技术研发人员：南阳，樊治国，黄惠南，张晋，秦康，
申请(专利权)人：上海高重信息科技有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。