-
Patent Agency Ranking
公开(公告)号：CN113762201A
公开(公告)日：2021-12-07
申请号：CN202111088283.6
申请日：2021-09-16
Applicant: 深圳大学
Abstract: 本发明实施例公开了一种基于yolov4的口罩检测方法，包括：步骤1：采集公共场合下人们佩戴口罩和未佩戴口罩的图像，制作训练集；步骤2：构建预设YOLOV4目标检测模型；步骤3：将训练集放入预设YOLOV4目标检测模型中训练；步骤4：通过所述训练后的预设YOLOV4目标检测模型对待检测视频流或图片进行检测，判断视频流或图片中的每一个人脸目标是否佩戴口罩。本发明针对口罩佩戴检测的一般场景，采用对Backbone网络部分更改为MobileNetV3结构，使用深度可分离卷积代替整个网络结构中的普通卷积，MobileNetV3结构体积小、计算效率高，对MobileNetV3结构里的SE注意力机制模块更改为CA注意力机制，将位置信息嵌入到通道注意力中，增强特征表达能力，加强对图片或视频区域的口罩检测。
-
公开(公告)号：CN113077556A
公开(公告)日：2021-07-06
申请号：CN202110334262.1
申请日：2021-03-29
Applicant: 深圳大学
Abstract: 本发明实施例公开了一种基于行人重识别的检票系统及方法，所述系统包括游客视频采集装置、计算机、比对数据库、检票视频采集装置、通道闸，其中，游客视频采集装置采集已购票游客的视频数据；检票视频采集装置获取各个检票点的待检行人的视频；计算机读取视频数据，并对视频数据进行分帧提取行人图像，将获取到的行人图像，实时存储到比对数据库中；获取各个检票点的视频，实时检测得到行人数据，将行人数据与比对数据库中的数据对比，并将比对结果传递给通道闸；通道闸根据比对结果做出放行或警示动作。本发明将传统的检票流程进行隐藏并用计算机设备代替了人工流程，不仅能够加快购票、检票的效率，还可以保证了游客的游玩体验。
-
公开(公告)号：CN113762200B
公开(公告)日：2023-06-30
申请号：CN202111088278.5
申请日：2021-09-16
Applicant: 深圳大学
IPC: G06V40/10 , G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明实施例公开了一种基于LFFD的口罩检测方法，包括：步骤1：制作训练集；步骤2：构建预设的SP‑LFFD人脸检测网络和分类网络，并进行训练；步骤3：先将输入的图片进行人脸检测，然后获得人脸位置后再送入分类网络判断输入的图片的每一个人脸目标是否佩戴口罩；其中，预设的SP‑LFFD人脸检测网络包括25个卷积层，分为4个部分，各卷积层采用基于Split的SPConv卷积单元代替常规卷积。本发明针对口罩佩戴检测场景采用LFFD检测框架和Resnet18图像分类，采用SPConv卷积替代常规卷积，降低常规卷积中的冗余信息，可以大幅度提升推理速度，同时采用ResNet18网络对检测到的人脸目标进行二分类，判断是否佩戴口罩。整体网络结构模型小，计算效率高。
-
公开(公告)号：CN113762201B
公开(公告)日：2023-05-09
申请号：CN202111088283.6
申请日：2021-09-16
Applicant: 深圳大学
IPC: G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明实施例公开了一种基于yolov4的口罩检测方法，包括：步骤1：采集公共场合下人们佩戴口罩和未佩戴口罩的图像，制作训练集；步骤2：构建预设YOLOV4目标检测模型；步骤3：将训练集放入预设YOLOV4目标检测模型中训练；步骤4：通过所述训练后的预设YOLOV4目标检测模型对待检测视频流或图片进行检测，判断视频流或图片中的每一个人脸目标是否佩戴口罩。本发明针对口罩佩戴检测的一般场景，采用对Backbone网络部分更改为MobileNetV3结构，使用深度可分离卷积代替整个网络结构中的普通卷积，MobileNetV3结构体积小、计算效率高，对MobileNetV3结构里的SE注意力机制模块更改为CA注意力机制，将位置信息嵌入到通道注意力中，增强特征表达能力，加强对图片或视频区域的口罩检测。
-
公开(公告)号：CN113762200A
公开(公告)日：2021-12-07
申请号：CN202111088278.5
申请日：2021-09-16
Applicant: 深圳大学
Abstract: 本发明实施例公开了一种基于LFFD的口罩检测方法，包括：步骤1：制作训练集；步骤2：构建预设的SP‑LFFD人脸检测网络和分类网络，并进行训练；步骤3：先将输入的图片进行人脸检测，然后获得人脸位置后再送入分类网络判断输入的图片的每一个人脸目标是否佩戴口罩；其中，预设的SP‑LFFD人脸检测网络包括25个卷积层，分为4个部分，各卷积层采用基于Split的SPConv卷积单元代替常规卷积。本发明针对口罩佩戴检测场景采用LFFD检测框架和Resnet18图像分类，采用SPConv卷积替代常规卷积，降低常规卷积中的冗余信息，可以大幅度提升推理速度，同时采用ResNet18网络对检测到的人脸目标进行二分类，判断是否佩戴口罩。整体网络结构模型小，计算效率高。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
