一种口罩检测方法及系统

本发明涉及图像处理领域，更具体的说是涉及一种口罩检测方法及系统。

背景技术：

1、空气中存在的有害有毒气体、浮尘、呼吸道传染病毒会通过呼吸的方式进入人体肺部，引起严重的肺炎症状甚至会破坏人体的免疫系统。根据相关研究表明，正确佩戴口罩成为一种有效降低空气中细菌和病毒传播的重要方式。在医院、超市、车站、广场、购物超市等人群密集的众多公共场所中，通常会安排防护人员经常性地提醒人们佩戴口罩，然而这种人为的方式不仅会带来大量的人力资源消耗，也会使得防护人员随着工作时长的增加变得疲惫而工作效率低下。

2、计算机视觉中的口罩检测受到越来越广泛的关注，研究者做了大量的口罩检测工作来帮助人们提高个人防护意识，极大地降低了空气中细菌病毒传播的风险。但是针对复杂场景下口罩检测面临的诸多挑战，例如背景模糊、人员密集、物体遮挡等一系列问题。因此，如何提高口罩检测精确度是本领域技术人员亟需研究的。

技术实现思路

1、有鉴于此，本发明提供了一种口罩检测方法及系统，解决了原始yolov5n算法在口罩检测中小目标检测精度低、边界框回归不稳定和模型训练收敛慢等问题，实现了高效的口罩检测。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种口罩检测方法，包括以下步骤：

4、获取口罩图像数据集；

5、建立初始口罩检测模型mask-yolo：包括特征提出部分、多尺度融合部分和分类检测头部部分，所述特征提出部分采用coodinate attention注意力机制和rfb模块，所述多尺度融合部分采用fpn网络结构；

6、利用口罩图像数据集对初始口罩检测模型mask-yolo进行训练，得到口罩检测模型mask-yolo；

7、将待检测图像输入到口罩检测模型mask-yolo中，得出检测结果。

8、可选的，coodinate attention注意力机制的具体设置方式如下：输入的通道的数据，先经过两个平均池化操作对通道进行编码，通过在宽度和高度两个维度方向上对信息进行聚合，然后经过通道级拼接操作和卷积平滑处理产生具有全局感受野，通过批正则化和非线性映射变换，并与输入数据具有同样的通道数，最后进行权重扩张作为注意力最终的权重。

9、可选的，最终的权重的表达式如下：

10、

11、其中，yc(i,j)表示最终输出的特征，xc(i,j)表示原始特征，表示经过聚合处理在在高度维度上恢复原始通道数的特征，表示经过聚合处理在宽度维度上恢复原始通道数的特征。

12、可选的，rfb模块由连续的1×1卷积块、3×3卷积块、5×5卷积块和短连接组成。

13、可选的，fpn网络结构在panet的基础上采用跨阶段的连接方式，将不同的阶段的特征信息融合。

14、可选的，口罩检测模型mask-yolo的激活函数如下：

15、softplus(x)＝log(1+ex)；

16、其中，其中x表示输入特征，整体为softplus激活函数表达式。

17、可选的，口罩检测模型mask-yolo的损失函数如下：

18、

19、其中，iou表示真实框和预测框的交并比，b,bgt分别代表了预测框和真实框的中心点，ρ表示计算两个中心点的欧式距离，c代表的能够同时包含预测框和真实框的最小闭包区域的对角线距离，整个表达式是diou损失函数。

20、一种口罩检测系统，包括：

21、图像数据集获取模块：用于获取口罩图像数据集；

22、初始口罩检测模型mask-yolo建立模块：用于建立初始口罩检测模型mask-yolo：包括特征提出部分、多尺度融合部分和分类检测头部部分，所述特征提出部分采用coodinate attention注意力机制和rfb模块，所述多尺度融合部分采用fpn网络结构；

23、初始口罩检测模型mask-yolo训练模块：用于利用口罩图像数据集对初始口罩检测模型mask-yolo进行训练，得到口罩检测模型mask-yolo；

24、检测结果模块：用于将待检测图像输入到口罩检测模型mask-yolo中，得出检测结果。

25、经由上述的技术方案可知，与现有技术相比，本发明提供了一种口罩检测方法及系统，在特征提取阶段中的卷积模块组采用softplus激活函数用以提高模型训练的稳定性和收敛速度；在主干特征提取深层网络中添加coordinate attention，通过嵌入位置信息到通道注意力，使网络获取更大的物体区域信息和通道目标特征，同时避免较大的内存开销；与此同时在深层网络中添加rfb模块，借助不同的膨胀率来扩大卷积特征采样的感受野，获取到高层网络中丰富的物体语义信息；在多尺度特征融合网络panet结构的基础上，添加fpn跨阶段多尺度特征融合设计，使得具有不同尺度空间信息和语义信息的目标特征充分融合交互，进一步提升小目标检测精度；采用diou作为边界框损失函数，用以解决边界框回归不稳定和目标漏检的问题；最后，采用soft-nms的方法通过降低重叠检测框置信度得分的方式，进一步提升检测效率。实验结果表明，改进后的口罩检测算法mask-yolo与基准模型yolov5n相比在map@0.5-0.95综合评价指标性能提升8.58％，

1.一种口罩检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种口罩检测方法，其特征在于，coodinate attention注意力机制的具体设置方式如下：输入的通道的数据，先经过两个平均池化操作对通道进行编码，通过在宽度和高度两个维度方向上对信息进行聚合，然后经过通道级拼接操作和卷积平滑处理产生具有全局感受野，通过批正则化和非线性映射变换，并与输入数据具有同样的通道数，最后进行权重扩张作为注意力最终的权重。

3.根据权利要求2所述的一种口罩检测方法，其特征在于，最终的权重的表达式如下：

4.根据权利要求1所述的一种口罩检测方法，其特征在于，rfb模块由连续的1×1卷积块、3×3卷积块、5×5卷积块和短连接组成。

5.根据权利要求1所述的一种口罩检测方法，其特征在于，fpn网络结构在panet的基础上采用跨阶段的连接方式，将不同的阶段的特征信息融合。

6.根据权利要求1所述的一种口罩检测方法，其特征在于，口罩检测模型mask-yolo的激活函数如下：

7.根据权利要求1所述的一种口罩检测方法，其特征在于，口罩检测模型mask-yolo的损失函数如下：

8.一种口罩检测系统，其特征在于，包括：