复杂场景下基于YOLOv5的口罩佩戴实时检测算法研究

来源：计算机测量与控制杂志2021年第12期北京时间：

作者：于硕,李慧,桂方俊,杨彦琦,吕晨阳

摘要：在新型冠状病毒疫情防控常态化要求下，目前的口罩佩戴检测装置受复杂场景下人员数量多、相互间易遮挡以及待检目标尺度小的影响，易出现误检漏检等情况。为解决以上问题，提出一种基于YOLOv5的口罩佩戴检测算法以实现复杂场景下的实时检测。首先对数据集做Mosaic数据增强等处理；再经过Focus处理为后续的特征提取保留更完整的图片下采样信息，然后利用SPP融合多尺度信息实现特征增强，在Neck部分保留空间信息；最后考虑目标框与检测框之间的重叠面积、中心点距离和长宽比选用CIoU损失函数以提高定位精度，并且在训练过程中对学习率采用动态调整策略。实验结果表明，改进后算法的平均精度均值可达到99.3%。

关键词：口罩佩戴检测;深度学习; YOLOv5;数据增强;损失函数

基金资助：北京市教委科技计划项目(SQKM201810012010); 北京服装学院重点科研项目(2021A-02).