基于卷积神经网络的口罩检测

关注

VIP免费原创最新推荐文章于 2026-07-21 11:20:58 发布 1.2k 阅读 AI 写同款· GEO 优化 ›

数据挖掘实战-基于卷积神经网络CNN的口罩检测识别模型|91%准确率关于数据集口罩检测数据集在疫情期间，由于每个人在外出时都必须戴口罩，因此深度学习检测戴口罩和不戴口罩的面部的方法是一种很好的流行做法。在这里，我创建了一个模型，用于检测在 7553 个具有 3 个颜色通道 (RGB) 的图像上训练的面罩。数据集由 7553 个 RGB 图像组成，分别位于 with_mask 和 without_mask 2 个文件夹中。图像被命名为标签 with_mask 和 without_mask。阅读详情

基于卷积神经网络的口罩检测

[摘要] 随着新冠肺炎疫情的影响,为了有效的切断传播途径，进出超市，医院等人员密集的地方我们都需要佩戴口罩，口罩佩戴检查已成为疫情防控的必备操作。为了减少防疫工作人员工作量,提出一种基于CNN网络模型对人脸口罩的识别。首先我们准备了1376张照片作为训练集，在训练样本上训练一个简单的小型卷积神经网络，对该网络不做任何正则化，其作为模型目标，这时得到93%的训练精度，而只有68%的测试精度，出现了过拟合的现象，然后采用数据增强方法降低过拟合，图像的网络识别精度提高到了 77%；随后再用预训练的网络做特征提取，最终得到的实验识别精度84%。测试结果表明，该网络模型在口罩识别中的识别检测效果可以达到预期标准和期望。

[关键字] 卷积神经网络；口罩检测；特征提取

引言

自2020年始新冠肺炎席卷全球，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切断新冠肺炎病毒的传播途径，是预防感染的有效措施。国内公众场合要求佩戴口罩。而商场、餐饮、地铁等人员密集型的场所对人流量高峰时段的应对措施往往令人力不从心，会消耗大量的人力资源且容易漏检，因此实现口罩人脸检测与识别能够自动检测是否佩戴口罩，减少防疫工作人员工作量。人脸识别核验身份，抓拍的数据可对接公安平台，进行人员布控和人员聚集管控，也适用于公安抓捕遮挡面部的逃犯等安防场景。

针对该问题，本系统是在相应场景下的口罩佩戴检测算法，可以自动准确且快速地识别人物是否佩戴口罩，有着重要的应用场景和市场前景。

2.原理及网络结构

2.1卷积神经网络

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络[1]（Feedforward Neural Networks）。主要是用于计算机视觉领域，它指的是一类网络，而不是某一种，其包含很多不同种结构的网络。不同的网络结构通常表现会不一样。一个简单的卷积神经网络是由各种层按照顺序排列组成，网络中的每个层使用一个可微分的函数将数据从一层传递到下一层。卷积神经网络主要由三种类型的层构成：卷积层，池化层和全连接层。通过将这些层叠加起来，就可以构建一个完整的卷积神经网络。

卷积的工作原理:在 3D 输入特征图上滑动(slide)这些 3×3 或 5×5 的窗口，在每个可能的位置停止并提取周围特征的 3D 图块[形状为 (window_height, window_width, input_ depth)]。然后每个 3D 图块与学到的同一个权重矩阵[叫作卷积核(convolution kernel)]做 2 张量积，转换成形状为 (output_depth,) 的 1D 向量。然后对所有这些向量进行空间重组，使其转换为形状为 (height, width, output_depth) 的 3D 输出特征图。输出特征图中的