面向疫情防控的口罩佩戴检测系统

摘要：

为有效阻断疫情传播,以及满足人口密集处疫情防控的需要,本文设计了一个基于深度迁移学习的人脸口罩佩戴检测系统MaskNet.首先,以VGG16网络为原型设计了人脸口罩检测的深度神经网络模型.为解决样本不足问题,利用Ima?geNet对VGG16网络进行预训练,随后利用口罩数据集和迁移学习进行模型的微调优化.在应用中,采用OpenCV和Dlib库实现视频中人脸区域的实时检测,再利用训练好的MaskNet模型进行口罩实时检测.MaskNet不仅可以实现图像中的人脸口罩检测,也可以用在视频中出现的单个或多个人脸口罩佩戴的检测.实验中,系统的识别准确率可达99.2％,可以应用在疫情防控的场合,对未佩戴口罩人员进行提示,达到阻止病毒扩散传播的目的.

关键词：深度学习、迁移学习、卷积神经网络、人脸口罩检测、疫情防控

所属期刊栏目：12

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金;国家级大学生创新创业训练计划项目;国家级大学生创新创业训练计划项目;国家级大学生创新创业训练计划项目

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：224-228,235