CN113065473A - 一种适用于嵌入式系统的口罩人脸检测和体温测量方法 - Google Patents
一种适用于嵌入式系统的口罩人脸检测和体温测量方法 Download PDFInfo
- Publication number
- CN113065473A CN113065473A CN202110369834.XA CN202110369834A CN113065473A CN 113065473 A CN113065473 A CN 113065473A CN 202110369834 A CN202110369834 A CN 202110369834A CN 113065473 A CN113065473 A CN 113065473A
- Authority
- CN
- China
- Prior art keywords
- mask
- body temperature
- network
- detection
- ssd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 230000036760 body temperature Effects 0.000 claims abstract description 8
- 238000002372 labelling Methods 0.000 claims abstract description 4
- OGQSCIYDJSNCMY-UHFFFAOYSA-H iron(3+);methyl-dioxido-oxo-$l^{5}-arsane Chemical compound [Fe+3].[Fe+3].C[As]([O-])([O-])=O.C[As]([O-])([O-])=O.C[As]([O-])([O-])=O OGQSCIYDJSNCMY-UHFFFAOYSA-H 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种适用于嵌入式系统的口罩人脸检测和体温测量方法,包括以下步骤:S1对戴口罩和未佩戴口罩的原始人脸数据进行采集,整理和标注;S2搭建SSD目标检测模型;S3以SSD模型为基础架构,建立inception‑v2网络,将inception‑v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测;S4输出检测结果;S5借助红外摄像机可直接测出通过人员的体温。本发明通过以SSD模型为基础架构,建立inception‑v2网络,将inception‑v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测,提高了检测检测的速度和准确率,同时借助红外摄像机可直接测出通过人员的体温,大量节约了人力成本,降低疫情传播风险。
Description
技术领域
本发明涉及人脸检测技术领域,具体为一种适用于嵌入式系统的口罩人脸检测和体温测量方法。
背景技术
目前的口罩人脸检测方法多数不能移植到嵌入式设备上,使用成本较高,实时性不强,在公共场所会造成人员的拥堵,对人体体温的测量多采用人工测量方式,增加了人员之间的接触,综合来看,现有的方法存在检测速度慢、使用成本高、不利于降低疫情传播风险等问题。
发明内容
本发明的目的在于提供一种适用于嵌入式系统的口罩人脸检测和体温测量方法,以解决上述背景技术中提出的现有的方法存在检测速度慢、使用成本高、不利于降低疫情传播风险等问题。
为实现上述目的,本发明提供如下技术方案:一种适用于嵌入式系统的口罩人脸检测和体温测量方法,包括以下步骤:S1对戴口罩和未佩戴口罩的原始人脸数据进行采集,整理和标注;S2搭建SSD目标检测模型;S3以SSD模型为基础架构,建立inception-v2网络,将inception-v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测;S4输出检测结果;S5借助红外摄像机可直接测出通过人员的体温。
优选的,所述数据集来自于MAFA和WIDER Face,共有6120张图片作为训练数据,包括戴口罩的3006张,不戴口罩的3114张。
优选的,所述SSD使用inception-v2作为主干特征提取网络,使用反向传播和随机梯度下降进行端到端的网络训练。
优选的,所述学习率采用指数衰减形式,初始学习率设置为1e-3,衰减率0.95,衰减速度10000,共迭代训练500次,每次迭代100步。
优选的,所述将训练得到的模型转为TFLite格式,运行在嵌入式设备上。
优选的,所述TFLite格式生成步骤为在算法训练的脚本中保存图模型文件和变量文件,利用freeze_graph工具生成frozen的graphdef文件,利用toco工具,生成最终的TFLite文件。
与现有技术相比,本发明的有益效果是:
(1)本发明以SSD模型为基础架构,建立inception-v2网络,将inception-v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测,提高了检测检测的速度和准确率,同时借助红外摄像机可直接测出通过人员的体温,大量节约了人力成本,降低疫情传播风险;
(2)SSD使用inception-v2作为主干特征提取网络,使用反向传播和随机梯度下降进行端到端的网络训练,学习率采用指数衰减形式,初始学习率设置为1e-3,衰减率0.95,衰减速度10000,共迭代训练500次,每次迭代100步,训练得到的人脸检测模型的MAP=95.5%,将训练得到的模型转为TFLite格式,运行在嵌入式设备上,从而满足使用需求从而满足使用需求。
附图说明
图1为本发明的步骤框图;
图2为本发明的口罩人脸检测整体流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
请参阅图1-2,本发明提供的一种实施例:一种适用于嵌入式系统的口罩人脸检测和体温测量方法,包括以下步骤:S1对戴口罩和未佩戴口罩的原始人脸数据进行采集,整理和标注;S2搭建SSD目标检测模型;S3以SSD模型为基础架构,建立inception-v2网络,将inception-v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测;S4输出检测结果;S5借助红外摄像机可直接测出通过人员的体温。
进一步,所述数据集来自于MAFA和WIDER Face,共有6120张图片作为训练数据,包括戴口罩的3006张,不戴口罩的3114张。
进一步,所述SSD使用inception-v2作为主干特征提取网络,使用反向传播和随机梯度下降进行端到端的网络训练。
进一步,所述学习率采用指数衰减形式,初始学习率设置为1e-3,衰减率0.95,衰减速度10000,共迭代训练500次,每次迭代100步。
进一步,所述将训练得到的模型转为TFLite格式,运行在嵌入式设备上。
进一步,所述TFLite格式生成步骤为在算法训练的脚本中保存图模型文件和变量文件,利用freeze_graph工具生成frozen的graphdef文件,利用toco工具,生成最终的TFLite文件。
工作原理:使用时,对戴口罩和未佩戴口罩的原始人脸数据进行采集,整理和标注,搭建SSD目标检测模型,以SSD模型为基础架构,建立inception-v2网络,将inception-v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测,提高了检测检测的速度和准确率,随后输出检测结果,借助红外摄像机可直接测出通过人员的体温,大量节约了人力成本,降低疫情传播风险,数据集来自于MAFA和WIDER Face,共有6120张图片作为训练数据,包括戴口罩的3006张,不戴口罩的3114张,SSD使用inception-v2作为主干特征提取网络,使用反向传播和随机梯度下降进行端到端的网络训练,学习率采用指数衰减形式,初始学习率设置为1e-3,衰减率0.95,衰减速度10000,共迭代训练500次,每次迭代100步,将训练得到的模型转为TFLite格式,运行在嵌入式设备上,从而满足使用需求。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (6)
1.一种适用于嵌入式系统的口罩人脸检测和体温测量方法,其特征在于,包括以下步骤:
S1对戴口罩和未佩戴口罩的原始人脸数据进行采集,整理和标注;
S2搭建SSD目标检测模型;
S3以SSD模型为基础架构,建立inception-v2网络,将inception-v2网络作为SSD模型的特征提取网络,基于tensorflow框架实现对口罩人脸的智能检测;
S4输出检测结果;
S5借助红外摄像机可直接测出通过人员的体温。
2.根据权利要求1所述的一种适用于嵌入式系统的口罩人脸检测和体温测量方法,其特征在于:所述数据集来自于MAFA和WIDER Face,共有6120张图片作为训练数据,包括戴口罩的3006张,不戴口罩的3114张。
3.根据权利要求1所述的一种适用于嵌入式系统的口罩人脸检测和体温测量方法,其特征在于:所述SSD使用inception-v2作为主干特征提取网络,使用反向传播和随机梯度下降进行端到端的网络训练。
4.根据权利要求1所述的一种适用于嵌入式系统的口罩人脸检测和体温测量方法,其特征在于:所述学习率采用指数衰减形式,初始学习率设置为1e-3,衰减率0.95,衰减速度10000,共迭代训练500次,每次迭代100步。
5.根据权利要求4所述的一种适用于嵌入式系统的口罩人脸检测和体温测量方法,其特征在于:所述将训练得到的模型转为TFLite格式,运行在嵌入式设备上。
6.根据权利要求5所述的一种适用于嵌入式系统的口罩人脸检测和体温测量方法,其特征在于:所述TFLite格式生成步骤为在算法训练的脚本中保存图模型文件和变量文件,利用freeze_graph工具生成frozen的graphdef文件,利用toco工具,生成最终的TFLite文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110369834.XA CN113065473A (zh) | 2021-04-07 | 2021-04-07 | 一种适用于嵌入式系统的口罩人脸检测和体温测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110369834.XA CN113065473A (zh) | 2021-04-07 | 2021-04-07 | 一种适用于嵌入式系统的口罩人脸检测和体温测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065473A true CN113065473A (zh) | 2021-07-02 |
Family
ID=76566155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110369834.XA Pending CN113065473A (zh) | 2021-04-07 | 2021-04-07 | 一种适用于嵌入式系统的口罩人脸检测和体温测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065473A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090458A (zh) * | 2017-12-29 | 2018-05-29 | 南京阿凡达机器人科技有限公司 | 人体跌倒检测方法和装置 |
CN109460729A (zh) * | 2018-11-01 | 2019-03-12 | 浩云科技股份有限公司 | 一种嵌入式多人脸检测方法及系统 |
CN110083719A (zh) * | 2019-03-29 | 2019-08-02 | 杭州电子科技大学 | 一种基于深度学习的工业制品病疵检测方法 |
CN110222215A (zh) * | 2019-05-31 | 2019-09-10 | 浙江大学 | 一种基于f-ssd-iv3的作物害虫检测方法 |
CN110334593A (zh) * | 2019-05-28 | 2019-10-15 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
US20200117901A1 (en) * | 2018-10-16 | 2020-04-16 | Duke University | Systems and methods for predicting real-time behavioral risks using everyday images |
CN111190605A (zh) * | 2019-12-05 | 2020-05-22 | 五邑大学 | 嵌入式平台的部署方法、设备及存储介质 |
US20200202540A1 (en) * | 2018-12-19 | 2020-06-25 | Zijian Wang | Techniques for using a simple neural network model and standard camera for image detection in autonomous driving |
CN111582068A (zh) * | 2020-04-22 | 2020-08-25 | 北京交通大学 | 人员口罩佩戴状态检测方法 |
CN111657798A (zh) * | 2020-06-02 | 2020-09-15 | 深圳市杉川机器人有限公司 | 基于场景信息的清扫机器人控制方法、装置和清扫机器人 |
WO2020185198A1 (en) * | 2019-03-08 | 2020-09-17 | Google Llc | Noise tolerant ensemble rcnn for semi-supervised object detection |
CN112464701A (zh) * | 2020-08-26 | 2021-03-09 | 北京交通大学 | 基于轻量化特征融合ssd的人员是否佩戴口罩检测方法 |
CN112464822A (zh) * | 2020-11-30 | 2021-03-09 | 深圳市捷顺科技实业股份有限公司 | 一种基于特征增强的头盔佩戴检测方法及装置 |
CN112508750A (zh) * | 2021-02-03 | 2021-03-16 | 北京联合伟世科技股份有限公司 | 人工智能教学装置、方法、设备及存储介质 |
-
2021
- 2021-04-07 CN CN202110369834.XA patent/CN113065473A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090458A (zh) * | 2017-12-29 | 2018-05-29 | 南京阿凡达机器人科技有限公司 | 人体跌倒检测方法和装置 |
US20200117901A1 (en) * | 2018-10-16 | 2020-04-16 | Duke University | Systems and methods for predicting real-time behavioral risks using everyday images |
CN109460729A (zh) * | 2018-11-01 | 2019-03-12 | 浩云科技股份有限公司 | 一种嵌入式多人脸检测方法及系统 |
US20200202540A1 (en) * | 2018-12-19 | 2020-06-25 | Zijian Wang | Techniques for using a simple neural network model and standard camera for image detection in autonomous driving |
WO2020185198A1 (en) * | 2019-03-08 | 2020-09-17 | Google Llc | Noise tolerant ensemble rcnn for semi-supervised object detection |
CN110083719A (zh) * | 2019-03-29 | 2019-08-02 | 杭州电子科技大学 | 一种基于深度学习的工业制品病疵检测方法 |
CN110334593A (zh) * | 2019-05-28 | 2019-10-15 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
CN110222215A (zh) * | 2019-05-31 | 2019-09-10 | 浙江大学 | 一种基于f-ssd-iv3的作物害虫检测方法 |
CN111190605A (zh) * | 2019-12-05 | 2020-05-22 | 五邑大学 | 嵌入式平台的部署方法、设备及存储介质 |
CN111582068A (zh) * | 2020-04-22 | 2020-08-25 | 北京交通大学 | 人员口罩佩戴状态检测方法 |
CN111657798A (zh) * | 2020-06-02 | 2020-09-15 | 深圳市杉川机器人有限公司 | 基于场景信息的清扫机器人控制方法、装置和清扫机器人 |
CN112464701A (zh) * | 2020-08-26 | 2021-03-09 | 北京交通大学 | 基于轻量化特征融合ssd的人员是否佩戴口罩检测方法 |
CN112464822A (zh) * | 2020-11-30 | 2021-03-09 | 深圳市捷顺科技实业股份有限公司 | 一种基于特征增强的头盔佩戴检测方法及装置 |
CN112508750A (zh) * | 2021-02-03 | 2021-03-16 | 北京联合伟世科技股份有限公司 | 人工智能教学装置、方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372718B (zh) | 雾霾积灰条件下的光伏发电功率输出减少率估计方法 | |
CN111582555B (zh) | 基于地基云图图像特征的光伏功率预测方法 | |
CN110797121A (zh) | 一种基于物联网的远程智能健康分析系统及方法 | |
CN104216964A (zh) | 一种面向微博的非分词突发话题检测方法 | |
CN112149887A (zh) | 一种基于数据时空特征的pm2.5浓度预测方法 | |
CN109634998A (zh) | 一种基于手机信令大数据的交通出行特征分析平台 | |
CN106022937A (zh) | 一种社交网络拓扑结构的推断方法 | |
CN115131627A (zh) | 一种轻量化植物病虫害目标检测模型的构建和训练方法 | |
CN107729930A (zh) | 一种快速判别两幅相同场景图像光照相似度的方法及系统 | |
CN106096246A (zh) | 基于pm2.5和pm10的气溶胶光学厚度估计方法 | |
CN110728186B (zh) | 一种基于多网融合的火灾检测方法 | |
Qu et al. | Human fall detection algorithm design based on sensor fusion and multi-threshold comprehensive judgment | |
CN113065473A (zh) | 一种适用于嵌入式系统的口罩人脸检测和体温测量方法 | |
Abdul-Ameer et al. | Development smart eyeglasses for visually impaired people based on you only look once | |
CN109450876A (zh) | 一种基于多维度状态转移矩阵特征的DDos识别方法和系统 | |
CN111123407B (zh) | 一种基于计算机服务的环境监测大数据整合系统 | |
CN115865708B (zh) | 一种基于sir-d模型的复杂社交网络信息处置方法 | |
CN107595257A (zh) | 一种智能运动系统及方法 | |
CN112085613A (zh) | 一种基于复杂网络的谣言传播过程模拟方法 | |
CN114821486B (zh) | 一种电力作业场景下人员识别方法 | |
CN116629344A (zh) | 基于Ca-LIF神经元模型的Spike-BP片上学习方法、系统及处理器 | |
CN106789036B (zh) | 面向安全性分析的量子密钥分发系统物理建模方法 | |
CN106023043A (zh) | 一种城市规划市民互动系统 | |
CN113158902A (zh) | 一种基于知识蒸馏的自动化训练识别模型的方法 | |
CN107133646B (zh) | 一种通过人员行为轨迹识别重点人员的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
RJ01 | Rejection of invention patent application after publication |