多尺度融合的YOLOv3人群口罩佩戴检测方法

摘要：

在新型冠状病毒疫情防控要求下,商场、车站等公共场所人群环境下佩戴口罩成为人们出行的必要条件.由于在人群环境下往往存在人员密集,容易相互遮挡,且目标尺度较小等影响,口罩佩戴检测容易出现误检、漏检等问题.针对这些问题,在YOLOv3算法的基础上,提出一种基于改进YOLOv3的人群口罩佩戴检测算法.添加浅层特征图,在原来的3尺度检测结构上增加浅层检测尺度形成4尺度检测结构,提高检测准确率;引入自上而下和自下而上的多尺度融合结构,进一步利用特征信息,实现特征增强;选用CIoU损失函数进行边框回归,提高定位精度.实验结果表明,改进的YOLOv3算法的平均精度均值达到了93.66％,相比于原YOLOv3算法提高了5.61个百分点.相比于其他主流算法,该算法在口罩佩戴检测任务中有更高的检测精度,具有很好的实用性.

关键词：人群环境;YOLOv3;口罩佩戴检测;特征增强;损失函数

所属期刊栏目：57

分类号：TP391.41(计算技术、计算机技术)

资助基金：河南省重点研发与推广专项科技攻关;河南省高校基本科研业务费专项资金

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：283-290