基于卷积神经网络的校园口罩佩戴检测系统

于方旭，王帅，刘世超，梁鹏，于曦

（牡丹江医学院，黑龙江 牡丹江 157011）

0 引言

新冠肺炎疫情爆发后，国家开展了疫情防控工作，同时越来越多地区对公共卫生防护提出了更高的要求。目前，人们出入公共场所、乘坐公共交通工具等必须佩戴口罩，口罩佩戴检查已成为疫情防控的必备操作。而在大学校园中人口的流动更加频繁，人口密度也相对较大，时常会有校外人员和学生教师进出学校，存在着较大的安全隐患。可是，当前口罩的检测往往依靠人工，这也导致人力资源的浪费，同时也会出现漏检的风险，加大了疫情控制的不稳定性。随着深度学习技术的快速发展，计算机视觉技术得到不断发展，并且人脸检测技术成为了一种相对成熟的技术，人脸佩戴物检测技术也在快速发展。冯国臣等采用深度学习的相关方法对安全帽的自动识别进行了深入研究[1]。李美玲等采用卷积神经网络模型实现了高分辨率遥感影像道路信息提取[2]。口罩佩戴检测系统的设计基础就建立在这些技术之上。卷积神经网络技术为人脸检测技术提供了技术支持，因此本文尝试改进YOLOv5这一卷积神经网络技术来实现口罩佩戴识别功能。该方法主要修改了原始的YOLOv5模型输入尺寸、结构和损失函数，使YOLOv5模型更适用于口罩佩戴的识别。

1 卷积神经网络

卷积神经网络[3]（convolutional neural networks，CNNs）包含三层网络结构，分别是卷积层、激活层以及池化层，结构框图如图1所示。通常情况下卷积神经网络有多个池化层与卷积层，在卷积层中，数据会根据神经网络参数进行局部连接，该过程相当于进行了卷积操作，因此称为卷积神经网络。……