基于深度学习的口罩佩戴识别技术研究

在公共场所佩戴口罩，是防止新型冠状病毒传染的最主要手段，在必要的场所，每个人都必须佩戴口罩以进行自我保护。在人群相对集中的公共场所，相互之间不可避免地存在遮挡干扰，从而产生了小范围内的复杂干扰识别问题。如果使用单一的卷积神经网络对口罩佩戴进行识别，有可能造成提取关键特征信息时聚焦度欠缺，出现特征提取不足等问题。因此本文提出一种两渠道卷积神经网络的佩戴口罩识别方法。在卷积神经网络的基础上，通过2个输入渠道，分别对眼睛区域和眼睛以下的区域，进行特征提取；最后通过基于决策层的信息融合方法，将2个渠道的识别结果加以融合，从而得到最终的识别结果，其平均识别准确率达到了98.8%。经过实验验证，该方法在佩戴口罩的识别上，取得了较好的识别准确率。