典型文献
基于深度学习的口罩佩戴检测与跟踪
文献摘要：
佩戴口罩可以有效预防病毒的传播,为减少通过人工方式检查口罩佩戴情况所消耗的大量人力资源,提出一种基于深度学习的口罩佩戴检测与跟踪方法,该方法分为检测和跟踪两个模块.检测模块在YOLOv3网络的基础上引入空间金字塔池化结构,实现不同尺度的特征融合;然后将损失函数改为CIoU损失,减少回归误差,提升检测精度,为后续跟踪模块提供良好的条件.跟踪模块采用多 目标跟踪算法Deep SORT,对检测到的 目标进行实时跟踪,有效防止重复检测,改善被遮挡目标的跟踪效果.测试结果表明,该方法的检测速度为38 f/s,平均精度值达到为85.23％,相比原始YOLOv3算法提高了 4％,能达到实时检测口罩佩戴情况的效果.
文献关键词：
目标检测;目标跟踪;口罩佩戴检测;YOLOv3;Deep SORT
中图分类号：
作者姓名：
王林;南改改
作者机构：
西安理工大学 自动化与信息工程学院,陕西西安710048
文献出处：
引用格式：
[1]王林;南改改-.基于深度学习的口罩佩戴检测与跟踪)[J].电子技术应用,2022(05):21-26
A类：
B类：
口罩佩戴检测,佩戴口罩,防病毒,跟踪方法,检测模块,YOLOv3,空间金字塔池化,不同尺度,特征融合,损失函数,CIoU,检测精度,目标跟踪算法,Deep,SORT,实时跟踪,重复检测,遮挡目标,检测速度,平均精度值,实时检测,目标检测
AB值：
0.328297
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
