一种基于改进SSD模型的口罩佩戴检测方法技术

技术编号:27469615 阅读:25 留言:0更新日期:2021-03-02 17:34
本发明专利技术公开了一种基于改进SSD模型的口罩佩戴检测方法,所述方法包括以下步骤:S1、将现有SSD模型的VGG16网络进行改进以获得改进SSD模型;S2、在改进SSD模型中引入注意力机制并对输入的人脸口罩佩戴图片处理;S3、在改进SSD模型的卷积层Conv4_3中利用反卷积、特征映射和池化以增大人脸口罩佩戴图片特征图的分辨率;S4、通过多尺度特征层进行不同加权系数的特征融合,然后对人脸口罩佩戴图片进行定位检测并输出结果。本发明专利技术通过对现有SSD模型进行改进,并引入注意力机制增强了输入人脸口罩佩戴图片特征图的表达能力,同时利用反卷积技术对卷积层conv4_3进行处理获取更丰富的卷积层,最后通过多尺度卷积层进行不同加权系数的特征融合,从而有效提高了口罩佩戴检测能力。从而有效提高了口罩佩戴检测能力。从而有效提高了口罩佩戴检测能力。

【技术实现步骤摘要】
一种基于改进SSD模型的口罩佩戴检测方法


[0001]本专利技术属于医疗
,具体涉及了一种基于改进SSD模型的口罩佩戴检测方法。

技术介绍

[0002]世界卫生组织(WHO)的96号形势报告指出,2019年冠状病毒病(COVID-19)已在全球感染超过270万人,造成超过18万人死亡。目前,世卫组织建议,如果人们有呼吸系统症状,或者他们正在照顾有症状的人,就应该戴面罩。此外,许多公共服务提供商要求客户只有戴着口罩才能使用这项服务。因此,口罩佩戴检测已经成为帮助全球社会的一项重要的计算机视觉任务,具有重大积极意义。
[0003]人脸检测技术的研究起源于上世纪六七十年代,当时的人们已经开始了初步的人脸检测技术研究,然而受当时落后的技术条件和有限的需求所限制,直到上世纪90 年代,人脸检测技术才真正开始大步发展起来。早期的人脸检测技术主要通过设计人工特征对图像进行人脸与非人脸的二分类,人工特征包括灰度特征、轮廓特征、肤色特征等。N.J.Neethu等人(Bk A.a survey on face detection methods[C], International conference on advanced trends in engineering and technology. 2014:1030-1034)较为全面的概括了传统人脸检测算法类型,将人脸检测的方法分为基于知识、基于模板匹配、基于外观和基于特征不变性的方法。PalA(Pal A.Multicuesface detection in complex background for frontal faces[C].2008InternationalMachine Vision and Image Processing Conference.IEEE,2008:57-62)提出了一种彩色图像中人脸检测的混合算法,算法利用HSV颜色空间的肤色直方图,以及面部形状信息来快速定位给定图像中的人脸,但基于肤色特征的检测算法容易受到光照的影响。Singh A等人(Singh A,Singh M,Singh B.Face detection and eyes extractionusing sobel edge detection and morphological operations[C].2016Conferenceon Advances in Signal Processing(CASP).IEEE,2016:295-300)提出了一种基于Sobel边缘检测和形态学运算的人脸检测和人眼提取算法,在IMM人脸数据库的40 张人脸测试集上准确率达到97.5%,这种算法的局限性是计算速度较慢。PaulViola 等人(Viola,P.,&Jones,M.J..(2004).Robust real-time face detection. International Journal of Computer Vision,57(2),137-154)提出的VJ检测算法,利用Haar特征和Adaboost级联策略,达到了实时的检测速率和当时最高的检测准确率,然而级联弱分类器精度容易受数据不平滑影响而下降。
[0004]近年来,基于深度学习的目标检测器表现出了优异的性能,主导了现代目标检测器的发展。在不使用先验知识形成特征抽取器的情况下,深度学习允许神经网络以端到端的方式学习特征。基于深度学习的人脸检测大致可以分为两类:一是基于推荐区域(proposal region)的多级检测算法。例如Ren S等人(Ren S,He K,Girshick R, et al.Faster r-cnn:Towards real-time object detection with region proposalnetworks[C]//Advances in neural information processing systems.2015:91-99) 提
出了Faster RCNN模型,该模型创新性地提出了一个提取边缘的神经网络 RPN(Region Proposal Network)以代替原来的Selective Search法来在训练中得到候选区域信息,得到的候选框和目标检测网络共享卷积网络,使得候选框的数量大大减少并且提高了候选区域的精度。二是基于锚框(anchor box)的单级检测算法。例如: Liu W等人(Liu W,Anguelov D,Erhan D,et al.Ssd:Single shot multiboxdetector[C]//European conference on computer vision.Springer,Cham,2016: 21-37)提出了SSD(Single Shot MultiBox Detector),在回归方法的基础上使用所有网格预测目标,并借鉴了使用aster R-CNN的anchor机制,已达到多层特征多层尺度的效果。该算法在检测速度和精度上都有所提高。但是,很少有人关注口罩佩戴检测,鉴于此,本专利技术提出了一种基于改进SSD模型的口罩佩戴检测方法。

技术实现思路

[0005]本专利技术的目的是提供一种基于改进SSD模型的口罩佩戴检测方法,所述方法通过对现有SSD模型进行改进,并引入注意力机制和反卷积技术,有效提高了人脸口罩佩戴检测的效果。
[0006]为解决上述技术问题,本专利技术提供一种基于改进SSD模型的口罩佩戴检测方法,所述方法包括以下步骤:
[0007]S1、将现有SSD模型的VGG16网络进行改进,获得改进SSD模型,改进SSD模型从前至后依次包括:Conv1、Conv2、Conv3、Conv4_3、Conv5、Conv6、Conv7、Conv8_1、Conv8_2、 Conv9_1、Conv9_2、Conv10_1、Conv10_2、Conv11_1和Conv11_2;
[0008]S2、将人脸口罩佩戴图片输入改进SSD模型中,并在卷积层Conv7、Conv8_2、Conv9_2、 Conv10_2和Conv11_2中引入注意力机制分别对人脸口罩佩戴图片进行处理获取对应卷积层的权重系数,然后根据不同卷积层的权重系数分别进行放缩处理;
[0009]S3、在改进SSD模型的卷积层Conv4_3中引入反卷积、特征映射和池化以对人脸口罩佩戴图片的特征进行反卷积、特征映射和池化处理,获取对应新卷积层Newconv4_3;
[0010]S4、将获取的新卷积层Newconv4_3与步骤S2中经过放缩处理后的不同卷积层进行不同加权系数的特征融合,然后对特征融合后的人脸口罩佩戴图片进行定位检测并输出检测结果,从而实现了口罩佩戴的检测。
[0011]优选地,所述步骤S1的具体实现方式为:在现有VGG16网络的基础上,首先将现有 VGG16网络中的第六层和第七层均替换为卷积层并分别记为Conv6和conv7,同时增加 Conv6和conv7两个所述卷积层的深度,然后在四个卷本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于改进SSD模型的口罩佩戴检测方法,其特征在于,所述方法包括以下步骤:S1、将现有SSD模型的VGG16网络进行改进,获得改进SSD模型,改进SSD模型从左往右依次包括:Conv1、Conv2、Conv3、Conv4_3、Conv5、Conv6、Conv7、Conv8_1、Conv8_2、Conv9_1、Conv9_2、Conv10_1、Conv10_2、Conv11_1和Conv11_2;S2、将人脸口罩佩戴图片输入改进SSD模型中,并在卷积层Conv7、Conv8_2、Conv9_2、Conv10_2和Conv11_2中引入注意力机制分别对人脸口罩佩戴图片进行处理获取对应卷积层的权重系数,然后根据不同卷积层的权重系数分别进行放缩处理;S3、在改进SSD模型的卷积层Conv4_3中引入反卷积、特征映射和池化以对人脸口罩佩戴图片的特征进行反卷积、特征映射和池化处理,获取对应新卷积层Newconv4_3;S4、将获取的新卷积层Newconv4_3与步骤S2中经过放缩处理后的不同卷积层进行不同加权系数的特征融合,然后对特征融合后的人脸口罩佩戴图片进行定位检测并输出检测结果,从而实现了口罩佩戴的检测。2.如权利要求1所述的基于改进SSD模型的口罩佩戴检测方法,其特征在于,所述步骤S1的具体实现方式为:在现有VGG16网络的基础上,首先将现有VGG16网络中的两个全连接层替换为卷积层并分别记为Conv6和conv7,同时增加所替换的两个卷积层的深度,然后在所替换的卷积层conv7后面相邻的四个卷积层后各添加一个卷积层并分别记为Conv8_2、Conv9_2、Conv10_2和Conv11_2,从而完成VGG16网络的改进,获得改进SSD模型。3.如权利要求2所述的基于改进SSD模型的口罩佩戴检测方法,其特征在于,所述步骤S2的具体事项方式包括:S21、将获取的人脸口罩佩戴图片输入改进SSD模型中,并在卷积层Co...

【专利技术属性】
技术研发人员:张锦邓厚康刘宏蔡美玲
申请(专利权)人:湖南师范大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1