10.3969/j.issn.2095-2163.2022.08.020
基于深度学习的口罩佩戴识别技术研究
在公共场所佩戴口罩,是防止新型冠状病毒传染的最主要手段,在必要的场所,每个人都必须佩戴口罩以进行自我保护.在人群相对集中的公共场所,相互之间不可避免地存在遮挡干扰,从而产生了小范围内的复杂干扰识别问题.如果使用单一的卷积神经网络对口罩佩戴进行识别,有可能造成提取关键特征信息时聚焦度欠缺,出现特征提取不足等问题.因此本文提出一种两渠道卷积神经网络的佩戴口罩识别方法.在卷积神经网络的基础上,通过2个输入渠道,分别对眼睛区域和眼睛以下的区域,进行特征提取;最后通过基于决策层的信息融合方法,将2个渠道的识别结果加以融合,从而得到最终的识别结果,其平均识别准确率达到了98.8%.经过实验验证,该方法在佩戴口罩的识别上,取得了较好的识别准确率.
新型冠状病毒、口罩识别、深度学习、卷积神经网络、融合技术
12
TP391(计算技术、计算机技术)
山西省自然科学基金面上青年基金项目201801D221209
2022-08-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
110-113,118