复杂场景下基于改进YOLOv3的口罩佩戴检测算法

摘要：

新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响.针对该问题,在YOLOv3算法的基础上,提出复杂场景下的口罩佩戴检测算法.结合跨阶段局部网络对DarkNet53骨干网络进行改进,以降低计算消耗并提高训练速度.在YOLOv3算法中引入改进的空间金字塔池化结构,通过自上而下和自下而上的特征融合策略优化多尺度预测网络,从而实现特征增强.选取CIoU作为损失函数,考虑目标与检测框之间的中心点距离、重叠率以及长宽比信息.实验结果表明,与YOLOv3算法相比,该算法在人脸目标和人脸佩戴口罩目标上的检测精度分别提高7.3％和14.9％,检测速度平均提高6FPS.

关键词：YOLOv3算法、口罩佩戴检测、跨阶段局部网络、空间金字塔池化、特征融合、损失函数

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61461053,61461054

在线出版日期：2021-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：12-22