基于深度学习的口罩佩戴检测研究

基于深度学习的口罩佩戴检测研究

1. 课题背景及研究意义

随着新冠疫情的爆发，口罩成为了一种重要的防止病毒传播的手段。然而，有些人并不遵守佩戴口罩的规定，也有些人佩戴口罩的方式不正确，这可能会增加病毒的传播风险。因此，为了监督公共场所的口罩佩戴情况、预防疫情的扩散以及保护公众健康，研究开发能够自动检测佩戴口罩的技术具有重要意义。

2. 口罩佩戴检测整体设计

首先，在口罩配佩戴检测之前需实现人脸的定位，具体实现为基于opencv，通过CascadeClassifier 级联分类器实现对人脸的实时检测，然后将人脸定位结果进行裁剪，输入训练好的cnn模型进行预测，然后同步预测结果，可是实现口罩佩戴的实时检测。

3. 口罩佩戴检测实现

github开源的两个数据集，将两个数据集合并，其中，戴口罩数据为1296张，不带口罩数据为1146张。同时对数据进行增强，基于opencv实现

基于tensorflow框架构建卷积神经网络，训练loss如图所示。

model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(250, 250, 3)),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dropout(0.5),
    tf.keras.layers.Dense(50, activation='relu'),
    tf.keras.layers.Dense(2, activation='softmax')
])

基于tensorflow框架构建卷积神经网络，训练loss如图3所示。

4. 精美ppt