自然环境下实时人脸口罩检测与规范佩戴识别

摘要：

新冠状病毒具有很强的传染性,规范佩戴口罩可以阻隔病毒通过空气中的飞沫、气溶胶等载体传播,然而在公共场合时有公民不佩戴口罩或不规范佩戴口罩的现象,不利于疫情防控工作的开展.为解决这一问题,提出了一种自然环境下的实时人脸口罩检测与规范佩戴识别方法,采用YOLOv4算法,在自然环境下对公民口罩佩戴情况进行检测.针对模型参数量大,难以部署应用的难题,引入轻量级骨干网络L-CSPDarkNet(LightCSPDarkNet)以提高模型的检测速度,同时提出轻量级特征增强模块Light-FEB(Light Feature Enhancement Black)和多尺度注意力机制Multi-Scale-Sam(MultiScaleSam)增强轻量级主干网络的特征提取能力.实验结果表明,该算法精度可达91.94％,相比于原始YOLOv4算法提高了3.55个百分点,检测速度达到75 frame/s,高于原始YOLOv4的35 frame/s,可满足实际应用的需求.

关键词：新冠状病毒;人脸口罩检测;轻量级骨干网络;特征增强;注意力机制

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：新疆维吾尔自治区自然科学基金2021D01C082

在线出版日期：2021-12-22（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：268-275