检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂场景下的佩戴口罩检测系统与研究

复杂场景下的佩戴口罩检测系统与研究

作者：张婷婷杭州电子科技大学

学位级别：硕士

在新型冠状病毒疫情期间,佩戴口罩检测是计算机视觉中的重要研究热点。为了防止疫情卷土重来,市民在疫情期间出行时佩戴口罩是非常有必要的。因此在公共场所应用一种高性能的佩戴口罩智能检测技术显得十分迫切,这可以有效减轻工作人员... 详细信息

在新型冠状病毒疫情期间,佩戴口罩检测是计算机视觉中的重要研究热点。为了防止疫情卷土重来,市民在疫情期间出行时佩戴口罩是非常有必要的。因此在公共场所应用一种高性能的佩戴口罩智能检测技术显得十分迫切,这可以有效减轻工作人员的监督负担,减小人员密集和人流量大的公共场所的漏检概率。本文基于深度学习的方法搭建了一套复杂场景下的佩戴口罩检测系统,针对佩戴口罩和未佩戴口罩这两种情况完成检测任务。本文从以下三个方向开展研究。(1)本文针对佩戴口罩检测场景的复杂性提出一种改进的目标检测网络,具体来说就是在原目标检测网络RetinaNet的残差学习单元中建立一个分支,在该分支中融入一种具有特征重标定特性的注意力机制。这种注意力机制的思想来源于人类视觉系统,反射到深度学习中可以理解为通过对特征的学习获取每个feature-map通道的重要程度,然后基于这个重要程度对每个通道进行权重分配,从而达到增强有用信息和抑制无用或者用处不大信息的效果。由于在人员密集场景中脸部遮挡比较严重,因此在目标检测网络中融入注意力机制,通过对重要信息权重增强的特点可以更好地学习目标的局部特征,从而达到更好的检测性能。(2)佩戴口罩检测技术的应用场景不同,有的是远小目标,有的是近大目标,因此本文对(1)中提出的网络做进一步地优化以提高对场景中远小目标的检测性能,具体是通过对(1)中网络的特征金字塔部分增加一层浅层特征层,并且将浅层特征依次融入到更深一层的特征层中。因为与深层特征相比,浅层特征虽然经过的卷积层更少,语义信息更弱,但浅层特征的像素分辨率会更高,同时也包含更多与位置和纹理相关的细节信息。因此加入浅层特征信息有助于网络在特征学习中更好的学习到远小目标的细节信息。(3)另外,本文还使用随机擦除和Mosaic数据增强方法对佩戴口罩数据集进行扩充,通过增大遮挡目标样本数和丰富检测物体的背景以提高网络的泛化能力。最后,在Ubuntu 16.04操作系统上基于Pytorch实验平台搭建佩戴口罩检测系统,通过智能控制系统可以完成日常的佩戴口罩检测任务并实现智能放行操作,最终实现疫情期间佩戴口罩行为的无接触式智能监督。

关键词：冠状病毒特征融合佩戴口罩检测目标检测 RetinaNet

基于深度学习的人脸佩戴口罩检测方法的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的人脸佩戴口罩检测方法的应用研究

作者：赵艺璇大连交通大学

学位级别：硕士

2019年末至今,新型冠状病毒肺炎疫情在党和国家的领导下得到有效控制。研究表明佩戴口罩是阻断病毒传播最方便、最有效的方式。为防止疫情反复,法律法规规定地铁站等公共场所需要佩戴口罩进入。而现如今广泛使用人力监管效率较低,同时... 详细信息

2019年末至今,新型冠状病毒肺炎疫情在党和国家的领导下得到有效控制。研究表明佩戴口罩是阻断病毒传播最方便、最有效的方式。为防止疫情反复,法律法规规定地铁站等公共场所需要佩戴口罩进入。而现如今广泛使用人力监管效率较低,同时可能增加工作人员感染的风险。本文基于深度学习的目标检测算法设计并实现了自动检测地铁站入口处乘客是否佩戴口罩的闸门系统,降低乘客及工作人员的感染风险,提升排查效率。论文主要工作内容如下:(1)研究了基于深度学习的目标检测算法原理。选择Mobile Net V2-SSD目标检测算法对人脸口罩佩戴进行检测。使用RMFRD、CASIA-Face V5、Celeb A数据库中9000张开源人脸图像作为训练集,应用迁移学习方法对该目标检测模型进行训练。在测试集下检验网络性能,得到m AP为0.7798。(2)为提升模型检测效果,加入自建数据集重新对Mobile Net V2-SSD目标检测模型训练。建立包含13500张图像的训练集与包含1350张图像的测试集,并对训练集图像进行图像剪裁与数据增强。经测试,能够实现对目标人脸预测框的精确定位,漏检、误检的情况较少,m AP较之前提高了2.5%。(3)使用改进的Retina Face-Mobile Net V2算法进一步提升人脸口罩佩戴检测效果。利用Retina Face对图像中人脸进行回归,再通过Mobile Net V2对预测框内图像进行分类,实现人脸口罩佩戴检测。经测试,使用Retina Face-Mobile Net V2人脸检测模型较Mobile Net V2-SSD目标检测模型在人脸预测框定位及分类效果上均有所提升,误检、漏检情况减少,m AP提高了2.21%。(4)将树莓派作为客户端主控模块,负责外围功能子模块的触发;将计算机作为服务端进行目标检测,并将检测结果反馈给客户端,服务端与客户端通过Socket方式建立通信连接。系统对进入监测范围内的乘客是否佩戴口罩进行检测,根据检测结果控制闸门的开启和关闭,同时语音播报乘客佩戴口罩情况。

关键词：深度学习目标检测 MobileNetV2-SSD RetinaFace 佩戴口罩检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂光照下基于深度学习的佩戴口罩检测

自动化与仪表 2021年第4期36卷 67-72,78页

作者：冉鹏飞刘银华青岛大学自动化学院青岛266071

在人群密集的场合下,佩戴口罩可以最大程度上防止病毒的传播。针对佩戴口罩检测任务常常会被复杂光照干扰这一问题,该文提出了基于YOLOv4改进的佩戴口罩检测算法。在YOLOv4模型的基础上,首先在主干特征提取网络中引入双注意力机制模型... 详细信息

在人群密集的场合下,佩戴口罩可以最大程度上防止病毒的传播。针对佩戴口罩检测任务常常会被复杂光照干扰这一问题,该文提出了基于YOLOv4改进的佩戴口罩检测算法。在YOLOv4模型的基础上,首先在主干特征提取网络中引入双注意力机制模型使模型对特征有更好的提取效果,之后在特征金字塔部分加入跨阶段局部网络,通过改进网络结构来减少参数量,在保证准确率的前提下,减小模型尺寸,提升推理速度。最后提出了一种图像筛选算法用来选取满足复杂光照这一条件的图像来制作数据集。实验结果表明,针对光照复杂多变的场合下对人脸佩戴口罩检测的平均精度均值可达到92.1%。与主流的目标检测算法相比,具有更好的检测效果。

关键词：佩戴口罩检测注意力机制 YOLOv4 图像筛选

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进SSD算法的行人佩戴口罩检测研究

科技经济导刊 2020年第35期 9-13页

作者：阮士峰安阳工学院

近几年来,人们生活环境的空气污染程度日渐加重,企事业单位逐渐认识到个人安全防护的重要性,尤其是尘肺病等职业病的发病率持续增长,正确佩戴口罩已成为多数行业的基本要求。2020年初,新冠疫情严重,在此期间佩戴口罩出行已是必然。目前... 详细信息

近几年来,人们生活环境的空气污染程度日渐加重,企事业单位逐渐认识到个人安全防护的重要性,尤其是尘肺病等职业病的发病率持续增长,正确佩戴口罩已成为多数行业的基本要求。2020年初,新冠疫情严重,在此期间佩戴口罩出行已是必然。目前,对口罩佩戴的检测经常是人工进行的,费时费力。因此,采用神经网络的方法对口罩佩戴检测具有重要的应用研究价值。口罩佩戴检测研究中,关键部分是口罩的姿态校正、口罩特征的提取以及口罩分类器的训练。针对这些问题,采用SSD算法的框架展开研究和实验分析,该算法在目标检测领域已经取得了很好的检测效果,集特征提取与检测分类一体化的网络模型,实现端到端的检测任务。在分类器末端增添改进的非极大值抑制处理层,提升在高人口密度下口罩佩戴检测性能。最后使用自建数据集验证检测模型的有效性和鲁棒性。

关键词：佩戴口罩检测分类器非极大值抑制

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的人员合法性检测系统研究

基于深度学习的人员合法性检测系统研究

作者：张世泽河北工程大学

学位级别：硕士

随着信息化程度不断加快,人们对于安防领域的人员合法性检测的需求越来越强烈。目前人员合法性检测主要是从大量的监控数据中筛选,需要人工审核,会消耗大量的人力物力,并且容易漏检。因此,利用深度学习辅助传统人工视频监控分析成为了... 详细信息

随着信息化程度不断加快,人们对于安防领域的人员合法性检测的需求越来越强烈。目前人员合法性检测主要是从大量的监控数据中筛选,需要人工审核,会消耗大量的人力物力,并且容易漏检。因此,利用深度学习辅助传统人工视频监控分析成为了安防领域的研究热点。本文从人员合法性检测的角度出发,在佩戴口罩检测和人员异常行为检测两大领域中开展了以下工作:(1)在新冠疫情背景下,为了防止人群聚集造成疫情扩散,本文提出一种基于改进YOLOv4的佩戴口罩检测算法,针对检测目标较小、模型训练过程中损失函数出现梯度消失的问题,本文使用密集连接结构改进YOLOv4主干网络的Res Block,加强模型的特征重复提取能力,提高小目标的检测准确率,防止梯度消失;对于CIOU损失函数没有解决真实框和预测框差异方向的问题,本文使用SIOU损失函数替换CIOU,解决了差异方向问题并可以加速模型的训练收敛;针对样本种类不均衡问题,本文使用Focal loss函数让模型在训练时充分关注难分类的样本。(2)针对当前异常行为检测模型实时性无法保证、在复杂场景下检测准确率较低的问题,本文提出一种基于YOLOv5的异常行为检测算法。首先,使用Swin Transformer网络替换YOLOv5主干网络解决复杂场景下的准确率问题;其次,针对模型对于不同尺度特征提取不充分、无法有效利用的问题,本文使用多尺度深度可分离卷积网络改进CSPLayer,降低了参数量并且保证特征可以进行多尺度融合,在Upsample模块后嵌入CA注意力机制加强模型对于方向和位置等信息的敏感性,可以有效提高模型检测性能。(3)本文研究设计了一种基于深度学习的人员合法性检测系统,结合用户需求分析和功能需求分析,对系统结构和具体模块的功能进行详细设计,将佩戴口杂检测和人员异常行为检测算法部署到系统中,最后通过测试验证了系统的检测性能。

关键词：合法性检测佩戴口罩检测 YOLOv4算法异常行为检测 YOLOv5算法