改进轻量级卷积神经网络的复杂场景口罩佩戴检测方法

摘要：

针对复杂光照和人脸倾斜条件下口罩佩戴检测准确率低的问题,提出一种利用轻量级卷积神经网络在复杂环境下的口罩佩戴检测方法.该方法利用难样本挖掘预训练学习更多的人脸特征,结合多任务级联卷积神经网络先判别是否有人脸信息,对其进行精准的人脸定位;在特征金字塔网络中添加注意力机制,增强了人脸关键点信息的权重,利用轻量级神经网络将口罩佩戴检测视为简单的二分类问题进行判断.在TensorFlow的环境下完成了数据训练、数据预处理、与AIZOO方法对比实验,收集建立了包含816张图片的数据集进行标注并训练;在对数据进行预处理操作时先将图片设定为固定大小以降低运算量,提高检测速度,再利用图像增强算法进行扭曲处理提高模型的鲁棒性.在此基础上,利用MTCNN检测图片中的人脸并对其进行修正和归一化操作,然后传入神经网络并利用已经训练好的模型进行检测.实验结果表明,在复杂光照和人脸倾斜等复杂条件下,文中方法的准确率分别达到83％和91％,可以有效地进行口罩佩戴检测.

关键词：口罩佩戴检测、目标定位、目标分类、轻量级卷积神经网络、注意力机制

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家科技攻关计划;河南省高等学校青年骨干教师培养计划

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1045-1054