(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210360948.2 (22)申请日 2022.04.07 (71)申请人 广州杰赛科技股份有限公司 地址 510801 广东省广州市花都区迎宾大 道95号 (72)发明人 林凡　彭梓鑫　黄俊贤　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 颜希文 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种口罩佩戴智能检测方法、 装置、 设备及 介质 (57)摘要 本发明提供了一种口罩佩戴智能检测方法、 装置、 设备及介质， 能够通过对传统YOLOv4网络 模型进行改进， 在特征提取网络结构上添加 bneck‑m模块结构， 提高模型对有用信息的专注 能力， 增强通道间注意力， 抑制干扰信息； 改进网 络结构， 新增检测层来细化网格以对小尺度目标 进行更好检测； 改进损失函数， 对分类损失应用 类平滑标签来降低负样本的惩罚， 提高模型的泛 化能力； 使用改进后的聚类算法对 数据集进行聚 类分析， 重新生成有利于口罩检测的初始候选 框； 改进NMS非极大值抑制， 有助于解决目标互相 遮挡情况下的漏检问题。 从而保证在小目标众多 且密集的条件 下， 实现了较高的检测速度以及较 高的检测精度。 权利要求书2页 说明书11页 附图2页 CN 114783021 A 2022.07.22 CN 114783021 A 1.一种口罩佩戴智能检测方法， 其特 征在于， 包括： 获取预设场景下人脸图像的原始数据， 并将所述原始数据划分为训练集、 验证集、 测试 集； 构建改进后的YOLOv4网络模型； 包括： 在所述改进后的YOLOv4网络模型中添加改进后 的特征提取模块， 替换原特征提取模块； 基于bneck ‑m模块结构， 选用Mish函数作为模型的 激活函数， 结合SE注意力机制在所述改进后的特征提取模块中添加深度可分离卷积模块； 新增对小尺度目标进 行检测的检测层； 基于交叉熵损失函数对传统Y OLOv4网络模型的损失 函数进行修改； 采用类平 滑标签对原标签进行 软化； 基于改进的聚类算法进行聚类分析； 将所述训练集输入所述改进后的YOLOv4网络模型中进行训练， 训练完成后将所述测试 集和所述验证集作为输入， 对训练结果进行验证， 进 而得到改进后的目标检测模型； 将待检测的人脸图像输入所述改进后的目标检测模型中进行口罩佩戴检测， 得到口罩 佩戴检测结果。 2.根据权利要求1所述的口罩佩戴智能检测方法， 其特征在于， 所述在所述改进后的 YOLOv4网络模型中添加改进后的特 征提取模块， 以替换原特 征提取模块， 具体包括： 采用改进后的特征提取模块替换传统YOLOv4网络模型中的特征提取模块； 其中， 所述 改进后的特 征提取模块采用Shuf fleNet。 3.根据权利要求1所述的口罩佩戴智能检测方法， 其特征在于， 所述新增对小尺度目标 进行检测的检测层， 具体包括： 在传统YOLOv4网络结构的基础上， 在4 倍下采样处新增小目标检测层。 4.根据权利要求1所述的口罩佩戴智能检测方法， 其特征在于， 所述基于交叉熵损失函 数对传统YOLOv4网络模型的损失函数进行修改， 具体为： 其中， 表示当前样本以狄拉克δ函数分布的独热真实标签， pi(c)表示观测样本， i 表示类别c的预测概率， 表示第i个网格、 第j个锚框中落入目标中心点时值为1， 否则为 0。 5.根据权利要求4所述的口罩佩戴智能检测方法， 其特征在于， 所述采用类平滑标签对 原标签进行 软化的表达式为： 其中， ε为平 滑因子， Nclass表示类别数量。 6.根据权利要求1所述的口罩佩戴智能检测方法， 其特征在于， 所述基于改进的聚类算 法进行聚类分析， 包括： 使用改进后的k ‑means聚类算法对数据集进行聚类分析， 生成利于口罩检测的初始候 选框。 7.根据权利 要求1所述的口罩佩戴智能检测方法， 其特征在于， 所述改进后的YOLOv4网权　利　要　求　书 1/2 页 2 CN 114783021 A 2络模型还 包括： 采用DIoU作为NMS的评判标准进行非极大值抑制。 8.一种口罩佩戴智能检测装置， 其特 征在于， 包括： 数据获取模块， 用于获取预设场景下人脸图像的原始数据， 并将所述原始数据划分为 训练集、 验证集、 测试集； 模型构建模块， 用于构建 改进后的YOLOv4网络模型； 包括： 在 所述改进后的YOLOv4网络 模型中添加改进后的特征提取模块， 替换原特征提取模块； 基于bneck ‑m模块结构， 选用 Mish函数作为模 型的激活函数， 结合S E注意力机制在所述改进后的特征提取模块中添加深 度可分离卷积模块； 新增对小尺度目标进行检测的检测层； 基于交叉熵损失函数对传统 YOLOv4网络模型的损失函数进行修改； 采用类平滑标签对原标签进行软化； 基于 改进的聚 类算法进行聚类分析； 模型训练模块， 用于将所述训练集输入所述改进后的YOLOv4网络模型中进行训练， 训 练完成后将所述测试集和所述验证集作为输入， 对训练结果进行验证， 进而得到改进后的 目标检测模型； 佩戴检测模块， 用于将待检测的人脸图像输入所述改进后的目标检测模型中进行口罩 佩戴检测， 得到口罩佩戴检测结果。 9.一种终端设备， 其特征在于， 包括处理器、 存储器以及存储在所述存储器中且被配置 为由所述处理器执行 的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求1 至7中任意 一项所述的 口罩佩戴智能检测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的计算 机程序， 其中， 在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权 利要求1至7中任意 一项所述的 口罩佩戴智能检测方法。权　利　要　求　书 2/2 页 3 CN 114783021 A 3