基于深度学习的营运车内人员口罩佩戴状态检查方法与流程

技术特征：
1.一种基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，包括以下步骤：通过对应所述营运车设置的拍摄装置获取营运车内的待检测图像，并将所述待检测图像输入到预先训练好的人脸检测模型；通过所述人脸检测模型判断所述待检测图像中是否存在人脸，并在判断结果为是时提取所述人脸对应的人脸区域图片；将所述人脸区域图片输入到预先训练好的口罩佩戴检测二分类模型，以通过所述口罩佩戴检测二分类模型判断所述人脸区域图片中的人脸是否佩戴有口罩，并在判断结果为否时进行报警。2.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，用于训练所述人脸检测模型的人脸检测数据集的获取包括：获取口罩遮挡人脸数据集、公开数据集和营运车历史图像数据集，并对所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集进行标注，以及对标注后的所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集进行数据清洗和数据增强；将数据增强后的所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集转化为统一格式，并将统一格式后的所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集划分为训练数据集和测试数据集。3.如权利要求2所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述统一格式为voc数据集格式。4.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述数据增强包括对所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集中的图片进行随机扰动、翻转、裁剪和降采样。5.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述人脸检测模型采用pyramidbox网络结构。6.如权利要求2所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，用于训练所述口罩佩戴检测二分类模型的口罩分类数据集的获取包括：根据标注结果提取所述口罩遮挡人脸数据集、所述公开数据集和所述营运车历史图像数据集中各图像的人脸区域图片，并对提取得到的人脸区域图片进行标注，以生成戴口罩数据集和未戴口罩数据集，并对所述戴口罩数据集和所述未戴口罩数据集中的数据进行数据增强。7.如权利要求6所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，在对所述戴口罩数据集和所述未戴口罩数据集中的数据进行数据增强之前，还包括：对所述戴口罩数据集和所述未戴口罩数据集进行过滤，以删除所述戴口罩数据集和所述未戴口罩数据集中单边像素点个数低于像素点个数阈值的图片。8.如权利要求6所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，在对所述戴口罩数据集和所述未戴口罩数据集中的数据进行数据增强之前，还包括：对所述戴口罩数据集和所述未戴口罩数据集进行数据平衡，以使得所述戴口罩数据集中图片数量与所述未戴口罩数据集中图片数量的比值大于等于0.4。
9.如权利要求1所述的基于深度学习的营运车内人员口罩佩戴状态检查方法，其特征在于，所述口罩佩戴检测二分类模型为轻量级卷积神经网络模型，所述口罩佩戴检测二分类模型中包括se模块。10.一种计算机可读存储介质，其特征在于，其上存储有基于深度学习的营运车内人员口罩佩戴状态检查程序，该基于深度学习的营运车内人员口罩佩戴状态检查程序被处理器执行时实现如权利要求1-9中任一项所述的基于深度学习的营运车内人员口罩佩戴状态检查方法。

技术总结
本发明公开了一种基于深度学习的营运车内人员口罩佩戴状态检查方法及介质，其中方法包括：通过对应所述营运车设置的拍摄装置获取营运车内的待检测图像，并将所述待检测图像输入到预先训练好的人脸检测模型；通过所述人脸检测模型判断所述待检测图像中是否存在人脸，并在判断结果为是时提取所述人脸对应的人脸区域图片；将所述人脸区域图片输入到预先训练好的口罩佩戴检测二分类模型，以通过所述口罩佩戴检测二分类模型判断所述人脸区域图片中的人脸是否佩戴有口罩，并在判断结果为否时进行报警；能够有效提高营运车辆内人员口罩佩戴状态检测的精准度。状态检测的精准度。状态检测的精准度。


技术研发人员：吴丁泓 江培舟 李旭芳 蔡伟兵 陈泽斌
受保护的技术使用者：厦门卫星定位应用股份有限公司
技术研发日：2022.04.18
技术公布日：2022/8/9