基于卷积神经网络的动态活体的口罩佩戴检测和识别系统技术方案

本发明专利技术公开了基于卷积神经网络的动态活体的口罩佩戴检测和识别系统，属于计算机视觉领域，该系统可以对已经登录的熟人进行签到，陌生人进行口罩识别，有利于公司内部打卡签到，防止陌生人的混入进入，该系统有利于学校等较为私密场所的维持，为安保系统的工作减轻了劳动力，更好的提高了场所内的秩序程度。该系统有利于在金融行业以及餐厅场所内使用，对于内部金融会员和老顾客，通过人脸识别，进行支付，甚至可以在戴上口罩的同时进行支付，该系统通过对人脸特征的识别，有利于防止不可抗因素的发生。因素的发生。

【技术实现步骤摘要】
基于卷积神经网络的动态活体的口罩佩戴检测和识别系统


[0001]本专利技术涉及计算机视觉领域，更具体地说，涉及基于卷积神经网络的动态活体的口罩佩戴检测和识别系统。

技术介绍

[0002]人工智能计算机视觉技术的不断发展，在检测，识别，分割，跟踪，强化学习，多模态等领域都有所成就。本文是基于检测和识别技术来研究人脸是否戴口罩的一种技术。
[0003]检测和识别领域在计算机视觉方面发展成熟，例如交通标志方面，车牌识别方面，工业芯片和道路的缺陷检测等方面应用很广。
[0004]近两年来，口罩佩戴规范成为一种要求，尤其在公共场所内或者密集场所内，此要求需更加规范该系统对于是否佩戴口罩有一定的检测和识别能力。
[0005]而深度学习技术，对初始的海量数据有一系列预处理操作，该系列操作可以将原始数据的空数据以及脏数据集进行去除，对没有归一化数据进行归一化，防止收集到的数据在进行训练测试的时候，产生过拟合现象。在对预处理后的数据进行卷积操作后，能够得到想要的感兴趣区域，这样能够更好被用户接收的结果，而对卷积函数需要进行一些池化层，卷积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于卷积神经网络的动态活体的口罩佩戴检测和识别系统，其特征在于：包括以下步骤：S1、数据采集模块：对熟人人脸视频的采集，三分钟以上的带口罩以及三分钟以上的不带口罩，通过代码转化为一帧一帧的图片，作为深度学习的数据集进行研究。S2、数据集处理模块：对于采集到的数据集，存在许多脏数据集或者标定后的数据集难以很好的识别。需要通过特定的手段对数据集进行处理，使得其规范化，代码可以识别的xml文件。之后将数据集按照训练集，测试集，验证集，8：1：1进行划分。S3、分析与优化模块：将深度学习技术运用于人脸识别以及是否佩戴口罩的环境下，利用卷积神经网络对佩戴口罩有无进行模拟，从而判断其规范性，在网络结构方面进行优化，提高网络的可用性，增加网络的连接性，在网络结构优化中，增加多注意力机制，loss函数的改进以及模型压缩剪枝蒸馏等手段。S4、实验分析模块：对处理后的数据集，在改进后的代码上进行训练，云服务器上运行，得到相应的结果，对结果进行测试，验证，不理想的画，进行反复训练、测试，得到想要的结果。S5、系统运用模块：系统通过界面的展示，对人脸是否戴口罩进行识别，可以检测图片或者视频，在较为暗淡的环境下也可以识别。2.根据权利要求1所述的基于卷积神经网络的动态活体的口罩佩戴检测和识别系统，其特征在于：所述数据采集模块采...

【专利技术属性】
技术研发人员：张贵强，汪心怡，张金翠，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：