基于改进YOLOv5模型的复杂场景口罩佩戴识别

摘要：

为满足疫情时期的特殊需要,基于改进YOLOv5模型,设计一款应用于复杂场景的口罩佩戴识别检测系统.系统采用PyCharm集成开发环境,从网络上爬取1600张口罩佩戴相关的图片,在原始k-means算法基础上加入聚类算法,获取与真实框之间的更高的先验框.在人机交互界面使用Qt组件设计,图像和模型数据加载使用开源OpenCV视觉库实现.口罩佩戴检测的核心算法使用目标检测算法中的YOLOv5训练并结合PyTorch框架实现.实验结果表明,系统能够实现多人场景下人群佩戴口罩状况的检测,在多人物以及实时检测场景中准确率有所提高,在使用和效果上都具有自身特有的优势.

关键词：目标检测、YOLOv5模型、PyTorch库、口罩佩戴检测、多人场景

所属期刊栏目：43

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金61663005

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：42-46