文献类型：期刊文章

作　　者：王艺皓[1] 丁洪伟[1] 李波[1] 杨志军[1,2] 杨俊东[1]

WANG Yihao;DING Hongwei;LI Bo;YANG Zhijun;YANG Jundong(School of Information Science and Engineering,Yunnan University,Kunming 650500,China;Institute of Science and Education,Education Department of Yunnan Province,Kunming 650223,China)

机构地区：[1]云南大学信息学院,昆明650500 [2]云南省教育厅科学教育研究院,昆明650223

出　　处：《计算机工程》

基　　金：国家自然科学基金(61461053,61461054)。

年　　份：2020

卷　　号：46

期　　号：11

起止页码：12-22

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

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

分 类 号：TP391]