用于门禁系统的口罩佩戴检测方法、装置、设备和介质制造方法及图纸

本公开的实施例公开了用于门禁系统的口罩佩戴检测方法、装置、设备和介质。该方法的一具体实施方式包括：步骤1，响应于接收到第一光电开关设备或第二光电开关设备发送的光电信号信息，控制摄像设备拍摄门禁系统通道内的图像，得到排队队伍的图像；步骤2，将排队队伍的图像输入至口罩佩戴检测网络，输出图像中包围人脸位置的矩形框及对应的类别；步骤3，确定矩形框的面积，记录人脸面积最大者佩戴口罩的情况；步骤4，将步骤1至步骤3过程循环执行25次得到队首的人是否佩戴口罩的情况，如果有10次均检测到队首的人佩戴口罩，则“放行”，否则，语音提示队首的人“佩戴口罩后通行”。该实施方式降低了口罩佩戴结果的误检率。

【技术实现步骤摘要】
用于门禁系统的口罩佩戴检测方法、装置、设备和介质
本公开的实施例涉及计算机
，具体涉及用于门禁系统的口罩佩戴检测方法、装置、设备和介质。
技术介绍
为了减少疫情期间公共场所由于人们未佩戴口罩而造成的交叉感染问题的出现，在进入门禁系统的小区时，检测人们在通过门禁闸机时是否佩戴口罩成为允许通行的条件。目前，通常利用人工智能算法检测人们是否佩戴口罩。然而，当采用上述方式检测人们是否佩戴口罩时，经常会存在如下技术问题：第一，现有的口罩佩戴检测方法通常利用传统的图像处理技术或卷积神经网络和深度学习技术进行检测，然而，这种检测方法得到的口罩佩戴检测结果的精确度往往比较低，从而使得口罩佩戴结果的误检率较高；第二，现有的口罩佩戴检测方法在生成口罩佩戴检测结果时，占用较多的计算机计算资源，同时，生成口罩佩戴检测结果的时间较长，进而，造成口罩佩戴检测效率较低。
技术实现思路
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特本文档来自技高网...

【技术保护点】
1.一种用于门禁系统的口罩佩戴检测方法，所述门禁系统包括第一光电开关设备、第二光电开关设备、摄像设备和语音提示设备，所述方法包括：/n步骤1，响应于接收到所述第一光电开关设备或所述第二光电开关设备发送的光电信号信息，控制所述摄像设备拍摄门禁系统通道内的图像，得到排队队伍的图像；/n步骤2，将所述排队队伍的图像输入至口罩佩戴检测网络，输出图像中佩戴口罩或者未佩戴口罩的包围人脸位置的矩形框及对应的类别；/n步骤3，确定所述包围人脸位置的矩形框的面积，根据人脸面积最大者确定排队队伍的队首，记录人脸面积最大者佩戴口罩的情况；/n步骤4，将所述步骤1至步骤3循环执行25次得到队首的人是否佩戴口罩的情况，...

【技术特征摘要】
1.一种用于门禁系统的口罩佩戴检测方法，所述门禁系统包括第一光电开关设备、第二光电开关设备、摄像设备和语音提示设备，所述方法包括：
步骤1，响应于接收到所述第一光电开关设备或所述第二光电开关设备发送的光电信号信息，控制所述摄像设备拍摄门禁系统通道内的图像，得到排队队伍的图像；
步骤2，将所述排队队伍的图像输入至口罩佩戴检测网络，输出图像中佩戴口罩或者未佩戴口罩的包围人脸位置的矩形框及对应的类别；
步骤3，确定所述包围人脸位置的矩形框的面积，根据人脸面积最大者确定排队队伍的队首，记录人脸面积最大者佩戴口罩的情况；
步骤4，将所述步骤1至步骤3循环执行25次得到队首的人是否佩戴口罩的情况，如果有10次均检测到队首的人佩戴口罩，则“放行”，否则，语音提示队首的人“佩戴口罩后通行”。


2.根据权利要求1所述的方法，其中，所述口罩佩戴检测网络通过以下方式训练得到：
获取训练数据集合，其中，训练数据集合中的每张图片均包含佩戴口罩或者未佩戴口罩的人或者人脸的图像；
对所述训练数据集合进行数据标注，得到标注框位置信息集合及对应的类别集合；
对所述训练数据集合进行数据增强处理，得到增强数据集合；
设计初始目标检测网络，得到第一目标检测网络；
基于所述增强数据集合、所述标注框位置信息集合和所述第一目标检测网络，执行以下训练步骤：
将所述增强数据集合输入至所述第一目标检测网络，得到边界框位置信息集合；
对所述边界框位置信息集合中的每个边界框位置信息进行编码处理以生成编码后的边界框位置信息，得到编码后的边界框位置信息集合；
对所述标注框位置信息集合中的每个标注框位置信息进行编码处理以生成编码后的标注框位置信息，得到编码后的标注框位置信息集合；
确定所述编码后的边界框位置信息集合与所述编码后的标注框位置信息集合的损失值；
响应于所述损失值收敛于第二预定阈值，将所述第一目标检测网络作为训练完成的口罩佩戴检测网络；
响应于确定所述损失值不收敛于所述第二预定阈值，调整所述第一目标检测网络的网络参数，以及使用未用过的训练数据组成训练数据集合，将调整后的第一目标检测网络作为第一目标检测网络，再次执行所述训练步骤。


3.根据权利要求2所述的方法，其中，所述设计初始目标检测网络，得到第一目标检测网络，包括：
获取初始目标检测网络，其中，所述初始目标检测网络包括19层网络；
对所述初始目标检测网络进行网络增删处理，得到第二目标检测网络；
对所述第二目标检测网络进行卷积处理和深度可分离卷积处理，得到卷积结果和深度可分离卷积结果；
将所述卷积结果和所述深度可分离卷积结果进行比对以生成比对结果；
确定所述比对结果是否满足预设条件，响应于所述比对结果满足预设条件，将所述第二目标检测网络与所述深度可分离卷积处理结合得到第一特征提取网络。


4.根据权利要求3所述的方法，其中，所述将所述卷积结果和所述深度可分离卷积结果进行比对以生成比对结果，包括：
获取卷积核的边长值，特征图的通道数，卷积核的数量和特征图的边长值；
将所述卷积结果和所述深度可分离卷积结果输入至以下公式以生成比对结果：



其中，G表示所述...

【专利技术属性】
技术研发人员：毛晓波，徐向阳，李楠，魏刘倩，刘玉玺，董梦超，焦淼鑫，焦义，姚国梁，倪金红，
申请(专利权)人：郑州大学，
类型：发明
国别省市：河南;41