基于Mask- YOLOv3的口罩检测模型

作者：杨芳; 秦建军; 孟圆; 郑皓冉

来源：北京建筑大学学报, 2022, 38(06): 88-95.

DOI：10.19740/j.2096-9872.2022.06.10

• 移动人群
• 口罩检测
• YOLOv3
• DenseNet
• 空间金字塔池化模型

在常态化疫情防控中，针对公共场所流动人群进行口罩佩戴检测存在的受检测目标小、背景复杂等因素影响，导致常规算法存在口罩目标准确率不高的问题，基于YOLOv3算法改进的网络结构Mask-YOLOv3模型融合了密集型卷积神经网络和YOLOv3算法，解决了小目标提取特征不够充分的问题，增强了卷积层网络特征传播能力，提高了网络检测目标精度。通过添加网络空间金字塔池化结构模型增强了特征的复用，用K-means修改目标先验框加强网络对小目标的检测能力。结果表明，基于Mask-YOLOv3的口罩检测模型在步行街、食堂、商场等复杂环境能够更准确地检测出人群口罩佩戴情况，改进模型的平均检测率达到91.3%,与原始YOLOv3算法相比提高了5.6%,召回率达到89.2%,表明该网络模型对口罩检测更加有效。

• 单位
  北京建筑大学