一种基于YOLOv5网络的口罩佩戴检测方法技术

本发明专利技术公开了一种基于YOLOv5网络的口罩佩戴检测方法，所述方法包括：步骤一，使用图像增强算法对原始图片进行预处理并划分数据集；步骤二，将训练集图片送入到引入了注意力机制的YOLOv5网络中进行迭代训练，从而有效地增强人脸和口罩等关键点信息的提取；步骤三，为了减少整体误差，采用CIOU Loss作为目标框回归的损失函数；步骤四，完成训练后，将最优权重模型保存并在测试集上测试。结果证明，在图像增强和注意力机制的加持下，改进的YOLOv5模型实现了口罩佩戴的高效检测，不仅成功地检测到了人脸信息，而且正确地检测出口罩佩戴的状态，并给出了对应的置信度。模型在可见度低、光照强度弱的条件下对口罩佩戴检测准确率能达到92％，对疫情防控和维护公共卫生安全具有重要的现实意义。的现实意义。的现实意义。

【技术实现步骤摘要】
C3模块，C3模块参照CSPNet(Cross Stage PartialNetwork)结构将一个阶段中基础层的特征图分成两部分，拆分和合并策略被跨阶段使用，将梯度的变化从头到尾地集成到特征图中。从C3模块输出的信息传入至Head模块。Head部分里，通过将高层的特征信息使用上采样的方式与低层特征信息进行传递融合，实现自顶向下的信息流动。再通过步长为2的卷积进行处理，将底层特征与高层特征进行拼接操作，使底层的特征信息容易传到上层去，从而实现了PANet操作。
[0009]进一步地，在所述将待测数据输入至目标YOLOv5算法模型之前，还包括：通过网络爬取与自行拍摄结合制作数据集，共采集9000张图片，对采集的图片信息进行分类，规范数据集格式，手工标注。
[0010]进一步地，对所述数据集分类分为两种类别，分别是bad和good，bad表示人员未佩戴或未按规范佩戴口罩，good表示正确佩戴口罩。
[0011]进一步地，使用图像增强技术，对标签为good的样本图片进行图像平移、翻转、旋转、缩放，分离三个颜色通道并添加随机噪声来有效缓解类间不平衡的问题。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv5的口罩佩戴检测方法，其特征在于，包括：步骤一，对训练集图片使用图像增强算法进行预处理，然后划分为训练数据集与测试数据集。步骤二，将图片送入到引入了注意力机制CBAM(Convolutional Block Attention Module Network)的YOLOv5网络中进行迭代训练，从而有效增强人脸和口罩等关键点信息的提取。步骤三，在未得到最优权重模型之前，将训练数据集输入到YOLOv5网络中进行反复迭代运算直到训练出最优权重模型。步骤四，完成训练后，将最优权重模型保存并在测试集上测试。2.根据权利要求1所述的基于YOLOv5的口罩佩戴检测方法，其特征在于，在所述将训练集图片数据输入至目标YOLOv5模型之前，还包括：通过网络爬取与自行拍摄相结合制作数据集，其中图片80％来源于网络，20％来源于实际拍摄。实际拍摄主要获取的是在昏暗条件下的口罩佩戴图片，实验过程中从楼道、室内等光线昏暗的场所进行了图片采集，同时也在傍晚和清晨等光线较弱的环境下进行了拍摄。3.根据权利要求1所述的基于YOLOv5的口罩佩戴检测方法，其特征在于，对训练集图片使用图像增强算法进行预处理并划分数据集。实验数据集共包含9000张图片，需要对其进行手工标注。该数据集的标签分为两种，分别是bad和good，其中bad表示人员未佩戴或未按规范佩戴口罩，good表示正确佩戴口罩。数据集采用YOLO格式，图片标注使用的是LabelImg，标注后的文件以.txt作为后缀，文件名称和图片名称一致。4.根据权利要求3所述的对训练集图片使用图像增强算法进行预处理并划分数据集，其特征在于，为了解决数据集存在轻微类间不平衡的问题，使用图像增强算法对标签为good的样本图片进行图像平移、翻转、旋转、缩放，分离三个颜色通道并添加随机噪声，从而有效缓解类间不平衡的问题，最后对图像增强后的数据集类别分布进行可视化分析。5.根据权利要求1所述的基于YOLOv5的口罩佩戴检测方法，其特征在于，所引入的卷积注意力模块CBAM包含两个子模块，分别是通道注意力模块CAM(Channel Attention Module)和空间注意力模块SAM(SpatialAttention Module)。6.根据权利要求5所述的YOLOv5网络模型所引入的卷积注意力模块CBAM，其特征在于，CAM主要关注于目标的类别，作为SAM的输入，将CAM的输出特征图作为本模块的输入特征图，从而能够得到图片更多有用信息。与通道注意力不同，SAM主要关注于目标在图像上的位置信息，作为下一步的输入，它将CAM的输出特征图作为本模块的输入特征图，从而更为准确地对目标进行分类识别并精准定位目标所在的位置。7.根据权利要求1所述的基于YOLOv5的口罩佩戴检测方法，其特征在于，引入注意力机制的YOLOv5模型总计367层，7150056个parameters。8.根据权利要求1所述的基于YOLOv5的口罩佩戴检测方法，其特征在于，在网络模型迭代训练阶段，将数据集分批次送入模型，其中迭代批量大小设置为32，总迭代次数为600次。初始学习率设置为0.001，采用小批量梯度下降法，并使用Adam优化器计算每个参数的自适应学习率。大约在350次迭代后，模型开始逐渐收敛。9.根据权利要求1所述的基于YOLOv5的口罩佩戴检测方法，其特征在于，将图片送入到引入了注意力机制CBAM的YOLOv5网络中进行迭代训练，对所训练出的网络模型进行评估，
其评估指标为：...

【专利技术属性】
技术研发人员：郭磊，薛伟，王邱龙，肖怒，马海钰，马志伟，郭济，蒋煜祺，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：