[发明专利]口罩佩戴识别方法

说明书

本发明公开了一种口罩佩戴识别方法，其内容包括：进行人脸检测模型训练和进行口罩佩戴识别模型训练，人脸检测模型训练过程包括：搭建基于MTCNN的人脸检测网络，训练得到鲁棒性较高的人脸检测模型，实现光谱图像中人脸区域和面部关键点位置的预测，缩小口罩佩戴模型检测范围。口罩识别模型训练过程包括：在人脸光谱图像上标记样本ROI，通过样本ROI文件获取样本坐标信息和类别信息，构建数据集；通过训练SVM分类器，得到模型参数，用于人脸图像中口罩的识别。该方法能够实现自动无接触口罩佩戴检测，对人脸定位速度快，检测速度快，能够准确辨别用衣物遮挡口鼻与正确佩戴口罩两种情况，大大减少因衣物遮挡而造成的误检，准确率高。

技术领域

本发明涉及一种口罩佩戴识别方法，属于目标检测领域。

背景技术

在医院、公共交通等人流密集的场所，工作人员需要对行人是否佩戴口罩进行一个个排查，工作量相当大。现有的口罩检测方法一般无法辨别是正确佩戴口罩还是手部或者衣物遮挡，因此需要一种新方法来准确辨别正确佩戴口罩与存在遮挡两种情况。

发明内容

本发明的目的是提供一种口罩佩戴识别方法，提高生产线上形态各异的、不规则的复杂零件的分拣速度和分拣准确率，提高分拣效率，从而提高生产力。

一种口罩佩戴识别方法，该方法包括以下步骤：

S1、进行人脸检测模型训练，包括如下步骤：

S11、使用成像光谱仪采集1000张样本人脸图片，对样本数据进行采集和扩充，得到5000张样本人脸图片，使训练出的人脸检测模型具有高的鲁棒性；

S12、使用图像标注软件对样本图片中的人脸进行标注，框选出图中的人脸并标记出人脸中的关键点，标记的5个人脸关键点分别为左右眼、鼻子和左右嘴角；

S13、搭建基于多任务卷积神经网络MTCNN的人脸检测模型，进行人脸检测模型的训练，通过训练网络输出网络模型，用训练好的模型预测图像中是否存在人脸以及人脸、关键点的坐标位置；

多任务卷积神经网络损失函数包括人脸分类边界框回归和关键点定位三部分，具体包括：

其中，xi为输入样本，p_i为样本是人脸的概率，表示真实边界框标签；

其中，表示网络预测的回归目标，表示真实框坐标；

其中，表示网络预测的第i个面部关键点的坐标，表示第i个面部关键点的真实坐标；

整体损失函数如下：

其中，N为训练样本的数量，α_j表示任务的重要性，在建议网络P-Net和精修网络R-Net中，α_det＝1、α_box＝0.5、α_landmark＝0.5；在输出网络O-Net中，α_det＝1、α_box＝0.5、α_landmark＝1，β_i^j为样本标签，L_i^j表示上面的分类、回归或者定位的损失函数；

S2、进行口罩佩戴识别模型训练，包括如下步骤：

针对口罩佩戴识别问题，训练支持向量机分类器，用以对人脸检测模型得出的人脸图像进行光谱分类，以实现口罩识别；