[发明专利]基于ResNet和RetinaFace的口罩佩戴检测方法

说明书

本发明公开了一种基于ResNet和RetinaFace的口罩佩戴检测方法，解决了现有的口罩检测算法大多基于目标检测中的Yolo模型和简单的分类器，对是否正确戴口罩的检测精度不准确的问题，其技术方案要点是包括有步骤S1、制作所需的口罩检测数据集；S2、搭建RetinaFace与Res‑Net34网络框架；S3、将制作的口罩检测数据集放入Res‑Net34网络进行训练；S4、将训练的RetinaFace与Res‑Net34模型用于口罩佩戴规范检测，本发明的一种基于ResNet和RetinaFace的口罩佩戴检测方法，可以准确检测出口罩是否佩戴正确，检测精度高。

技术领域

本发明涉及计算机视觉算法，特别涉及一种基于ResNet和 RetinaFace的口罩佩戴检测方法。

背景技术

目前，百度、华为、海康威视等公司已经完成基于视频的乘客佩戴检测，并应用于铁路交通系统。现有的基于计算机视觉的算法，可以检测一个人是否佩戴口罩，但仍然没有有效的方法检测口罩佩戴是否合乎规范。现有的口罩检测算法大多基于目标检测中的Yolo模型和简单的分类器，如MobileNet、ResNet和Inception模型，对是否戴口罩有很好的检测效果，但对是否正确戴口罩的检测精度不准确。

发明内容

本发明的目的是提供一种基于ResNet和RetinaFace的口罩佩戴检测方法，可以准确检测出口罩是否佩戴正确，检测精度高。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于ResNet和RetinaFace的口罩佩戴检测方法，包括有以下步骤：

S1、制作所需的口罩检测数据集；

S2、搭建RetinaFace与Res-Net34网络框架；

S3、将制作的口罩检测数据集放入Res-Net34网络进行训练；

S4、将训练的RetinaFace与Res-Net34模型用于口罩佩戴规范检测。

综上所述，本发明具有以下有益效果：

使用RetinaFace人脸检测，提高小目标识别检测能力以及检测准确率，相比于YOLOv3，RetinaNet无论是在单张人脸还是多张人脸佩戴口罩的检测上有更高的精度与更好的鲁棒性，更适用于人脸密集情况。可以在不增加计算量的同时，提高模型对小尺度检测的能力，适用性广，可用于多个需要高性能实时机器视觉应用场景。

附图说明

图1为本方法的流程示意图；

图2为本方法的流程具体示意框图；

图3为实例多种不同算法对口罩检测的分类识别结果图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

根据一个或多个实施例，公开了一种基于ResNet和RetinaFace 的口罩佩戴检测方法，如图1及图2所示，包括有以下步骤：

S1、制作所需的口罩检测数据集。

S11、收集设定数量正确佩戴口罩、未规范佩戴口罩及未佩戴口罩的照片作为初始数据集，设定收集1000张；

S12、使用RetinaFace作为人脸检测和人脸关键点检测的模型选择RetinaFace人脸检测框架，在小目标检测上准确率更好，适合于人脸密集情况下的检测。选择眼睛的两个预测关键点坐标，裁剪数据集图片中鼻子周围的ROI区域，完成数据集标注，完成口罩检测数据集的制作。

具体的：

设左眼关键点坐标为(x1,y1)，右眼关键点坐标为(x2,y2)。