一种基于改进型卷积神经网络口罩佩戴状态检测方法技术

本发明专利技术涉及一种基于改进型卷积神经网络口罩佩戴状态检测方法。在训练阶段，首先在特定场景下，对摄像机保存的视频，使用视频分帧技术得到图片集，再通过数据集快速扩充的方式，获得高质量的数据集。然后通过对YOLO

【技术实现步骤摘要】
一种基于改进型卷积神经网络口罩佩戴状态检测方法


[0001]本专利技术涉及图像处理
，特别涉及一种基于改进型卷积神经网络口罩佩戴状态检测方法。

技术介绍

[0002]在公共场合正确有效的佩戴口罩，可有效阻隔飞沫传播，在一定程度上，可有效降低自己被他人感染的风险，从而能够有效抑制病毒传播。目前在公共场合主要依赖于人工来监督人员的口罩佩戴情况，但是这种方式存在浪费大量人力物力的问题，同时在人流量较大时，依赖人工的方式效率低下、近距离接触未正确有效佩戴的人员还容易导致被感染的风险。
[0003]近年来，随着计算机视觉的快速发展，尤其是基于卷积神经网络模型的不断发展，我们可以将卷积神经网络应用于口罩佩戴检测场景中，通过连接电脑的摄像头即可完成口罩佩戴识别工作，从而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。
[0004]然而现有技术存在检测准确率不高、速度不快的问题，从而会导致漏报、误报的情况产生，因此并不能很好地满足现场应用场景的需要。

技术实现思路

[0005]针对上述问题，本专利技术提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进型卷积神经网络口罩佩戴状态检测方法，其特征在于，包括以下步骤：S1步骤：建立行人口罩佩戴检测数据集；S2步骤：实现行人口罩佩戴检测数据集扩增，并将扩增后的数据集按照一定的比例分为训练集、测试集和验证集；S3步骤：使用图像标注软件，对经步骤S2的数据集进行标注；S4步骤：通过卷积神经网络对标注的数据集进行网络训练，获得口罩佩戴检测模型；S5步骤：在验证集中，遍历口罩佩戴检测模型对口罩佩戴检测的准确率和速度，得到卷积神经网络训练后的口罩佩戴检测权重模型；S6步骤：将待检测的视频图像输入所述口罩佩戴检测权重模型，卷积神经网络输出图像中的人员口罩佩戴状态检测结果，根据检测结果对于没有按照规定佩戴口罩的人员，在现场自动提醒该人员佩戴好口罩。2.根据权利要求1所述的方法，其特征在于，S2步骤具体包括：通过python的PIL库对原始图像进行左右翻转和图像增强，从而对数据集进行扩充；设置训练集、测试集和验证集比例为7：1：2。3.根据权利要求1所述的方法，其特征在于，S3步骤具体包括：...

【专利技术属性】
技术研发人员：田诗意，
申请(专利权)人：安徽中医药大学，
类型：发明
国别省市：