【技术实现步骤摘要】
基于深度学习的营运车内人员口罩佩戴状态检查方法
[0001]本专利技术涉及图像识别
，特别涉及一种基于深度学习的营运车内人员口罩佩戴状态检查和一种计算机可读存储介质。
技术介绍
[0002]相关技术中，当需要通过图像识别模型对待检测图像进行识别，以判断人员是否佩戴口罩时。多采用直接将图像输入到统一的识别模型中，以通过一个统一个识别模型对待检测图像进行检测。这种方式在车内人员较多，光线不佳的情况下，检测精度较低，容易出现漏检的情况。
技术实现思路
[0003]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于深度学习的营运车内人员口罩佩戴状态检查方法，能够有效提高营运车辆内人员口罩佩戴状态检测的精准度。
[0004]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0005]为达到上述目的，本专利技术第一方面实施例提出了一种基于深度学习的营运车内人员口罩佩戴状态检查方法，包括以下步骤：通过对应所述营运车设置的拍摄装置获取营运车内的...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，包括以下步骤：通过对应所述营运车设置的拍摄装置获取营运车内的待检测图像，并将所述待检测图像输入到预先训练好的人脸检测模型；通过所述人脸检测模型判断所述待检测图像中是否存在人脸，并在判断结果为是时提取所述人脸对应的人脸区域图片；将所述人脸区域图片输入到预先训练好的口罩佩戴检测二分类模型，以通过所述口罩佩戴检测二分类模型判断所述人脸区域图片中的人脸是否佩戴有口罩，并在判断结果为否时进行报警。2.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，用于训练所述人脸检测模型的人脸检测数据集的获取包括：获取口罩遮挡人脸数据集、公开数据集和营运车历史图像数据集，并对所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集进行标注，以及对标注后的所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集进行数据清洗和数据增强；将数据增强后的所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集转化为统一格式，并将统一格式后的所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集划分为训练数据集和测试数据集。3.如权利要求2所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述统一格式为VOC数据集格式。4.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述数据增强包括对所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集中的图片进行随机扰动、翻转、裁剪和降采样。5.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述人脸检测模型采用Pyr...
【专利技术属性】
技术研发人员：吴丁泓，江培舟，李旭芳，蔡伟兵，陈泽斌，
申请(专利权)人：厦门卫星定位应用股份有限公司，
类型：发明
国别省市：
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。