计算机工程与科学

作者：苟淞, 赵绪言, 侯松, 李威

单位：西南交通大学计算机与人工智能学院,四川 成都 611756

关键词：新冠肺炎,口罩检测,计算机视觉,深度学习,

基金：国家自然科学基金(61772436，62001400)；中央高校基本科研业务费(A0920502052001-3/251)；四川省科技计划(2021YJ0364)

佩戴口罩是全球医学专家公认最有效的预防新冠肺炎感染的方法之一。基于视觉的智能口罩检测技术对于督促人们在公共场合佩戴口罩具有重要的作用。然而，目前专用口罩检测算法较为缺乏，通用目标检测算法对于多尺度、多角度和外观多样的戴口罩人脸目标识别仍然无法满足检测精度的要求。针对该问题，提出了一种基于多尺度优化感知网络的口罩检测方法——PyramidMask。首先，PyramidMask从骨干网络的不同尺度获取图像的多层特征；然后设计尺度感知分支进行不同层的高密度先验框独立预测，以端到端的方式对图像中多尺度的人脸进行精准定位和佩戴口罩检测。此外，为了提高模型对复杂环境的鲁棒性，在训练阶段以图像拼接的方式对训练样本进行数据增强。实验结果表明，在公开的口罩检测数据集上，PyramidMask优于当前主流方法。相较于基准方法，PyramidMask在检测戴与未戴口罩的召回率上分别有5.4%和12.5%的提升，精确率上分别有6.0%和4.1%的提升。

来源：2022年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第8期