CN114913567A - 口罩佩戴的检测方法、装置、终端设备及可读存储介质 - Google Patents

Abstract

本申请适用于神经网络技术领域，提供了一种口罩佩戴的检测方法、装置、终端设备及可读存储介质，方法包括：获取同一待识别目标的多个待识别图像；分别对每个待识别图像进行人脸关键点定位，获得目标图像，将目标图像输入佩戴口罩识别模型进行处理，输出每个待识别图像对应的佩戴口罩识别结果；若多个佩戴口罩识别结果满足预设条件，则判定待识别目标佩戴口罩。通过对同一待识别目标的多个待识别图像分别进行人脸关键点定位获得目标图像，基于佩戴口罩识别模型对目标图像进行处理获得对应的佩戴口罩识别结果，根据多个佩戴口罩识别结果检测待识别目标是否佩戴口罩，减小了计算量，缩短计算所耗时长，提高了检测结果的准确率。

Description

口罩佩戴的检测方法、装置、终端设备及可读存储介质

技术领域

本申请属于神经网络技术领域，尤其涉及一种口罩佩戴的检测方法、装置、终端设备及可读存储介质。

背景技术

在呼吸道传染疾病的预防手段中，佩戴口罩是最简单且有效的预防措施，因此，如何检验人们是否佩戴口罩是一项非常重要的工作。

现有的检测人们是否佩戴口罩的方法的处理过程复杂，计算量大且耗时长，因此无法满足日常生活中的需求。

发明内容

本申请实施例提供了一种口罩佩戴的检测方法、装置、终端设备及可读存储介质，可以解决现有的检测人们是否佩戴口罩方法的处理过程复杂，计算量大且耗时长的问题。

第一方面，本申请实施例提供了一种口罩佩戴的检测方法，包括：

获取同一待识别目标的多个待识别图像；

根据每个待识别图像的人脸关键点确定相应的目标图像；

将目标图像输入佩戴口罩识别模型进行处理，输出每个待识别图像对应的佩戴口罩识别结果；

在多个待识别图像对应的佩戴口罩识别结果满足预设条件时，判定待识别目标佩戴口罩。

第二方面，本申请实施例提供了一种口罩佩戴的检测装置，包括：

第一获取模块，用于获取同一待识别目标的多个待识别图像；

处理模块，用于根据每个待识别图像的人脸关键点确定相应的目标图像；

识别模块，用于将目标图像输入佩戴口罩识别模型进行处理，输出每个待识别图像对应的佩戴口罩识别结果；

判定模块，用于在多个待识别图像对应的佩戴口罩识别结果满足预设条件时，判定待识别目标佩戴口罩。

第三方面，本申请实施例提供了一种终端设备，终端设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的口罩佩戴的检测方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的口罩佩戴的检测方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面的口罩佩戴的检测方法。

通过对同一待识别目标的多个待识别图像分别进行人脸关键点定位获得目标图像，基于佩戴口罩识别模型对目标图像进行处理获得对应的佩戴口罩识别结果，根据多个佩戴口罩识别结果检测待识别目标是否佩戴口罩，减小了计算量，缩短计算所耗时长，提高了检测结果的准确率。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的口罩佩戴的检测方法的流程示意图；

图2是本申请实施例提供的口罩佩戴的检测方法步骤S102的流程示意图；

图3是本申请实施例提供的口罩佩戴的检测方法步骤S103的流程示意图；

图4是本申请实施例提供的佩戴口罩识别模型的结构示意图；

图5是本申请实施例提供的口罩佩戴的检测装置的结构示意图；

图6是本申请实施例提供的终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本申请实施例提供的口罩佩戴的检测方法可以应用于手机、平板电脑、笔记本电脑等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。

图1示出了本申请提供的口罩佩戴的检测方法的示意性流程图，作为示例而非限定，该方法可以应用于上述笔记本电脑中。

S101、获取同一待识别目标的多个待识别图像。

在具体应用中，通过摄像头拍摄所有待识别目标的待识别图像，识别确定同一个待识别目标的多个待识别图像，其中，待识别图像是指用于检测待识别目标是否佩戴口罩的人脸图像数据。

可以理解的是，在获取到大量的待识别图像时，可通过人脸检测算法对每个待识别图像进行人脸识别，以根据人脸识别结果确定同一个待识别目标的多个待识别图像，同时确定待识别目标的身份信息。

S102、根据每个待识别图像的人脸关键点确定相应的目标图像。

在具体应用中，分别对每个待识别图像进行人脸关键点定位，获得人脸关键点定位信息，并根据人脸关键点定位信息对对应的待识别图像进行裁剪，获得包括所有人脸关键点的目标图像。

其中，人脸关键点的预设数目可以根据实际需求进行具体设定。在本实施例中，设定通过人脸关键点定位算法识别待识别图像中每个人脸的两个眼睛，鼻子，以及左嘴角和右嘴角等5个关键点的定位信息。

S103、将目标图像输入佩戴口罩识别模型进行处理，输出每个待识别图像对应的佩戴口罩识别结果。

在具体应用中，以待识别图像对应的目标图像为输入数据，输入至训练后的佩戴口罩识别模型进行处理，获得佩戴口罩识别模型输出的每个待识别图像对应的佩戴口罩识别结果。

S104、在多个待识别图像对应的佩戴口罩识别结果满足预设条件时，判定待识别目标佩戴口罩。

在具体应用中，预先设定一个用于根据待识别图像对应的佩戴口罩识别结果，检测待识别目标是否佩戴口罩的预设条件；在检测到多个待识别图像对应的佩戴口罩识别结果满足预设条件时，判定待识别目标佩戴口罩；否则，判定待识别目标未佩戴口罩。

其中，预设条件可根据实际情况进行具体设定；例如，设定预设条件为多个待识别图像对应的佩戴口罩识别结果的平均值大于预设的判断数据。对应，需首先计算多个待识别图像对应的佩戴口罩识别结果的平均值，将多个待识别图像对应的佩戴口罩识别结果的平均值与上述预设的判断数据进行比较，检测到多个待识别图像对应的佩戴口罩识别结果的平均值大于预设的判断数据时，则判定待识别目标佩戴口罩。

在一个实施例中，步骤S104，包括：

在多个待识别图像对应的佩戴口罩识别结果的平均值大于第一预设阈值时，判定待识别目标佩戴口罩。

在具体应用中，计算同一待识别目标的多个待识别图像对应的佩戴口罩识别结果的平均值，比较多个佩戴口罩识别结果的平均值和第一预设阈值(即预设的判断数据)的大小，在检测到多个佩戴口罩识别结果的平均值大于第一预设阈值时，判定待识别目标佩戴口罩。

其中，第一预设阈值为用于根据佩戴口罩识别模型输出的佩戴口罩识别结果，检测待识别图像对应的待识别目标是否佩戴口罩的判断数据。通过大量实验，检测到在设定标准值为0.5时，检测结果的精度最高。因此，设定第一预设阈值为0.5。

例如，设定第一预设阈值为0.5，已获取到同一待识别目标的三个目标图像数据。将待识别目标的第一目标图像输入佩戴口罩识别模型，获得对应的佩戴口罩识别结果为1；将待识别目标的第二目标图像输入佩戴口罩识别模型，获得对应的佩戴口罩识别结果为1；将待识别目标的第三目标图像输入佩戴口罩识别模型，获得对应的佩戴口罩识别结果为0；则可确定该待识别目标的佩戴口罩识别结果的平均值为0.67，进而可以判定该待识别目标已佩戴口罩。

通过获取同一待识别目标的多个待识别图像对应的识别结果，并求取平均值，根据平均值进一步检测待识别目标是否佩戴口罩，可以进一步提高检测结果的精度和稳定性。

在一个实施例中，口罩佩戴的检测方法还包括：

若检测到多个佩戴口罩识别结果的平均值小于或等于第一预设阈值，则判定待识别目标未佩戴口罩。

在具体应用中，若检测到多个佩戴口罩识别结果的平均值小于或等于第一预设阈值，则判定待识别目标未佩戴口罩。

例如，设定第一预设阈值为0.5，已获取到同一待识别目标的三个目标图像数据。将待识别目标的第一目标图像输入佩戴口罩识别模型，获得对应的佩戴口罩识别结果为1；将待识别目标的第二目标图像输入佩戴口罩识别模型，获得对应的佩戴口罩识别结果为0；将待识别目标的第三目标图像输入佩戴口罩识别模型，获得对应的佩戴口罩识别结果为0；则可确定该待识别目标的佩戴口罩识别结果的平均值为0.33，进而可以判定该待识别目标未佩戴口罩。

如图2所示，在一个实施例中，对待识别图像进行人脸关键点定位，获得目标图像，包括：

S1021、对待识别图像进行人脸关键点定位，获得待识别图像中预设数目的人脸关键点的位置信息；

S1022、根据位置信息对待识别图像进行处理，获得待识别图像对应的目标图像。

在具体应用中，对待识别图像进行人脸关键点定位，获得待识别图像中预设数目的人脸关键点的位置信息，根据待识别图像中人脸关键点的位置信息，对待识别图像进行处理，获得待识别图像对应的目标图像。其中，人脸关键点的位置信息是指每个人脸关键点在待识别图像中的坐标信息。

在一个实施例中，步骤S1022，获得目标图像，包括：

根据位置信息确定目标仿射变换参数；

根据目标仿射变换参数确定待识别图像对应的目标图像。

在具体应用中，根据待识别图像中人脸关键点的位置信息，计算获得待识别图像中人脸关键点到人脸识别标准模板的仿射变换参数，通过仿射变换参数对对应的待识别图像进行裁剪，获得与待识别图像对应的预设大小的目标图像。其中，预设大小可以根据实际需求进行设定。例如，设定预设大小为40*40px。

如图3所示，在一个实施例中，步骤S103，包括：

S1031、将待识别图像对应的目标图像输入佩戴口罩识别模型进行处理，输出待识别图像对应的佩戴口罩概率；

S1032、若佩戴口罩概率大于第二预设阈值，则确定待识别图像对应的佩戴口罩识别结果为第一数值；

S1033、或者，若佩戴口罩概率小于或等于第二预设阈值，则确定待识别图像对应的佩戴口罩识别结果为第二数值。

在具体应用中，以待识别图像对应的目标图像为输入数据，输入至佩戴口罩识别模型进行处理，获得佩戴口罩识别模型输出的待识别图像对应的待识别目标佩戴口罩的概率，比较输出的佩戴口罩概率和第二预设阈值的大小，若检测到佩戴口罩概率大于第二预设阈值，则确定待识别图像对应的佩戴口罩识别结果为第一数值；若检测到佩戴口罩概率小于或等于第二预设阈值，则确定待识别图像对应的佩戴口罩识别结果为第二数值。第一数值大于第二数值。其中，由于识别结果包含待识别目标佩戴口罩或待识别目标未佩戴口罩两个识别结果，对应可设定第一数值为1，第二数值为0。

在本实施例中，通过将大量的测试数据集输入佩戴口罩识别模型，获得每个测试数据对应的佩戴口罩的概率，以0.001为间隔，取1000个数据作为第二预设阈值，检测到在第二预设阈值为0.832时，佩戴口罩识别模型的识别精度最高，判别精度达到98.93％。因此，在本实施例中，设定第二预设阈值为0.832。

例如，第二预设阈值为0.832，获取到同一待识别目标的三个目标图像数据，将待识别目标的第一目标图像输入佩戴口罩识别模型，获得的佩戴口罩的概率为0.85，对应确定待识别图像对应的佩戴口罩识别结果为1(即第一数值)；将待识别目标的第二目标图像输入佩戴口罩识别模型，获得的佩戴口罩的概率为0.9，对应确定待识别图像对应的佩戴口罩识别结果为1(即第一数值)；将待识别目标的第三目标图像输入佩戴口罩识别模型，获得的佩戴口罩的概率为0.75，对应确定待识别图像对应的佩戴口罩识别结果为0(即第二数值)。

在一个实施例中，步骤S101之前，方法还包括：

获取多个人脸图像数据，多个人脸图像数据包括佩戴口罩的人脸图像数据和未佩戴口罩的人脸图像数据；

对每个人脸图像数据进行人脸关键点定位，获得目标训练图像，以及将目标训练图像划分为训练数据集和测试数据集；

根据训练数据集和测试数据集对预设神经网络模型进行训练，获得佩戴口罩识别模型。

在具体应用中，获取大量的包括佩戴口罩的人脸图像数据和未佩戴口罩的人脸图像数据，用于进行模型训练；对每个人脸图像数据进行人脸关键点定位，根据每个人脸图像数据中的人脸关键点定位信息计算对应的放射变换参数，根据放射变换参数对每个人脸图像数据进行裁剪，获得对应的目标训练图像，将所有目标训练图像按照预设比例划分为训练数据集和测试数据集，根据训练数据集对预设神经网络模型进行训练，根据测试数据集对预设神经网络模型进行测试，完成预设神经网络模型的预训练过程，获得训练后的佩戴口罩识别模型。其中，在通过训练数据集和测试数据集对预设神经网络模型进行训练时，超参设置为lr＝0.1，batchsize＝128，学习率下降策略为自然指数下降，优化器为MomentumOptimizer。

其中，预设比例可根据实际需求进行具体设定，一般情况下，训练数据集应大于测试数据集。例如，以80％佩戴口罩的人脸图像数据和80％未佩戴口罩的人脸图像数据，作为训练数据集；以20％佩戴口罩的人脸图像数据和20％未佩戴口罩的人脸图像数据，作为测试数据集。

在一个实施例中，佩戴口罩识别模型包括N1个卷积层、N1个批标准化层、N1个缩放层、N1个激活函数层、N1个池化层和N2个全连接层，每个卷积层依次与一个批标准化层、一个缩放层和一个激活函数层连接，构成一个识别网络结构，N1个识别网络结构顺次连接后，与N2个全连接层连接，构成佩戴口罩识别模型；N1和N2均为正整数。

在具体应用中，佩戴口罩识别模型为基于深度学习的神经网络模型，其包括N1个卷积层(Convolutional layer)、N1个批标准化层(Batch Normalization，BN)、N1个缩放层(Scale)、N1个激活函数层(Relu)、N1个池化层(pooling)和N2个全连接层(fullyconnected layers，FC)。每个卷积层依次与一个批标准化层、一个缩放层和一个激活函数层连接，构成一个识别网络结构，N1个识别网络结构顺次连接后，与N2个全连接层连接，构成佩戴口罩识别模型。其中，N1和N2均为正整数，N1和N2的数值可根据实际需求进行具体设定。

如图4所示，示例性的示出了佩戴口罩识别模型的结构示意图。

图4中，佩戴口罩识别模型中包含包括4个卷积层、4个批标准化层、4个缩放层、4个激活函数层、4个池化层和2个全连接层；每个卷积层(其中，各卷积层的滤波器数如图中所示)后依次连接有一个批标准化层、一个缩放层、一个激活函数层、一个池化层，构成一个识别网络结构；4个识别网络结构顺次连接后，再与2个全连接层和一个损失函数连接(具体为交叉熵函数)构成佩戴口罩识别模型。

本实施例通过对同一待识别目标的多个待识别图像分别进行人脸关键点定位获得目标图像，基于佩戴口罩识别模型对目标图像进行处理获得对应的佩戴口罩识别结果，根据多个佩戴口罩识别结果检测待识别目标是否佩戴口罩，减小了计算量，缩短计算所耗时长，提高了检测结果的准确率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例的口罩佩戴的检测方法，图5示出了本申请实施例提供的口罩佩戴的检测装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图5，该口罩佩戴的检测装置100包括：

第一获取模块101，用于获取同一待识别目标的多个待识别图像；

处理模块102，用于根据每个待识别图像的人脸关键点确定相应的目标图像；

识别模块103，用于将目标图像输入佩戴口罩识别模型进行处理，输出每个待识别图像对应的佩戴口罩识别结果；

判定模块104，用于在多个待识别图像对应的佩戴口罩识别结果满足预设条件时，判定待识别目标佩戴口罩。

在一个实施例中，判定模块具体用于：

在多个待识别图像对应的佩戴口罩识别结果的平均值大于第一预设阈值时，判定待识别目标佩戴口罩。

在一个实施例中，处理模块包括：

关键点定位单元，用于对待识别图像进行人脸关键点定位，获得待识别图像中预设数目的人脸关键点的位置信息；

信息处理单元，用于根据位置信息对待识别图像进行处理，获得待识别图像对应的目标图像。

在一个实施例中，信息处理单元具体用于：

根据位置信息确定目标仿射变换参数；

根据目标仿射变换参数确定待识别图像对应的目标图像。

在一个实施例中，识别模块，包括：

图像处理单元，用于将待识别图像对应的目标图像输入佩戴口罩识别模型进行处理，输出待识别图像对应的佩戴口罩概率；

第一检测单元，用于若佩戴口罩概率大于第二预设阈值，则确定待识别图像对应的佩戴口罩识别结果为第一数值；

第二检测单元，用于或者，若佩戴口罩概率小于或等于第二预设阈值，则确定待识别图像对应的佩戴口罩识别结果为第二数值。

在一个实施例中，口罩佩戴的检测装置还包括：

第二获取模块，用于获取多个人脸图像数据，多个人脸图像数据包括佩戴口罩的人脸图像数据和未佩戴口罩的人脸图像数据；

预处理模块，用于对每个人脸图像数据进行人脸关键点定位，获得目标训练图像，以及将目标训练图像划分为训练数据集和测试数据集；

训练模块，用于根据训练数据集和测试数据集对预设神经网络模型进行训练，获得佩戴口罩识别模型。

在一个实施例中，佩戴口罩识别模型包括N1个卷积层、N1个批标准化层、N1个缩放层、N1个激活函数层、N1个池化层和N2个全连接层，每个卷积层依次与一个批标准化层、一个缩放层和一个激活函数层连接，构成一个识别网络结构，N1个识别网络结构顺次连接后，与N2个全连接层连接，构成佩戴口罩识别模型；N1和N2均为正整数。

本实施例通过对同一待识别目标的多个待识别图像分别进行人脸关键点定位获得目标图像，基于佩戴口罩识别模型对目标图像进行处理获得对应的佩戴口罩识别结果，根据多个佩戴口罩识别结果检测待识别目标是否佩戴口罩，减小了计算量，缩短计算所耗时长，提高了检测结果的准确率。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图6为本申请一实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在存储器61中并可在至少一个处理器60上运行的计算机程序62，处理器60执行计算机程序62时实现上述任意各个口罩佩戴的检测方法实施例中的步骤。

终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器61在一些实施例中可以是终端设备6的内部存储单元，例如终端设备6的硬盘或内存。存储器61在另一些实施例中也可以是终端设备6的外部存储设备，例如终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字卡(SecureDigital,SD)，闪存卡(Flash Card)等。进一步地，存储器61还可以既包括终端设备6的内部存储单元也包括外部存储设备。存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种口罩佩戴的检测方法，其特征在于，包括：

获取同一待识别目标的多个待识别图像；

根据每个待识别图像的人脸关键点确定相应的目标图像；

将所述目标图像输入佩戴口罩识别模型进行处理，输出所述每个待识别图像对应的佩戴口罩识别结果；

在多个所述待识别图像对应的佩戴口罩识别结果满足预设条件时，判定所述待识别目标佩戴口罩。

2.如权利要求1所述的方法，其特征在于，所述根据每个待识别图像的人脸关键点确定相应的目标图像，包括：

对待识别图像进行人脸关键点定位，获得所述待识别图像中预设数目的人脸关键点的位置信息；

根据所述位置信息对所述待识别图像进行处理，获得所述待识别图像对应的目标图像。

3.如权利要求2所述的方法，其特征在于，所述根据所述位置信息对所述待识别图像进行处理，获得所述待识别图像对应的目标图像，包括：

根据所述位置信息确定目标仿射变换参数；

根据所述目标仿射变换参数确定所述待识别图像对应的目标图像。

4.如权利要求1-3任一项所述的方法，其特征在于，所述将所述目标图像输入佩戴口罩识别模型进行处理，输出所述每个待识别图像对应的佩戴口罩识别结果，包括：

将所述待识别图像对应的目标图像输入佩戴口罩识别模型进行处理，输出所述待识别图像对应的佩戴口罩概率；

若所述佩戴口罩概率大于第二预设阈值，则确定所述待识别图像对应的佩戴口罩识别结果为第一数值；或者，

若所述佩戴口罩概率小于或等于所述第二预设阈值，则确定所述待识别图像对应的佩戴口罩识别结果为第二数值。

5.如权利要求4所述的方法，其特征在于，所述获取同一待识别目标的多个待识别图像之前，所述方法还包括：

获取多个人脸图像数据，所述多个人脸图像数据包括佩戴口罩的人脸图像数据和未佩戴口罩的人脸图像数据；

对每个人脸图像数据进行人脸关键点定位，获得目标训练图像，以及将所述目标训练图像划分为训练数据集和测试数据集；

根据所述训练数据集和所述测试数据集对预设神经网络模型进行训练，获得所述佩戴口罩识别模型。

6.如权利要求5所述的方法，其特征在于，所述佩戴口罩识别模型包括N1个卷积层、N1个批标准化层、N1个缩放层、N1个激活函数层、N1个池化层和N2个全连接层，每个所述卷积层依次与一个所述批标准化层、一个所述缩放层和一个所述激活函数层连接，构成一个识别网络结构，N1个所述识别网络结构顺次连接后，与N2个所述全连接层连接，构成所述佩戴口罩识别模型；所述N1和所述N2均为正整数。

7.如权利要求1所述的方法，其特征在于，所述在多个所述待识别图像对应的佩戴口罩识别结果满足预设条件时，判定所述待识别目标佩戴口罩，包括：

在多个所述待识别图像对应的佩戴口罩识别结果的平均值大于第一预设阈值时，判定所述待识别目标佩戴口罩。

8.一种口罩佩戴的检测装置，其特征在于，包括：

第一获取模块，用于获取同一待识别目标的多个待识别图像；

处理模块，用于根据每个待识别图像的人脸关键点确定相应的目标图像；

识别模块，用于将所述目标图像输入佩戴口罩识别模型进行处理，输出所述每个待识别图像对应的佩戴口罩识别结果；

判定模块，用于在多个所述待识别图像对应的佩戴口罩识别结果满足预设条件时，判定所述待识别目标佩戴口罩。

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。

Images