9、基于深度学习的口罩检测与社交距离监测系统

基于深度学习的口罩检测与社交距离监测系统

在当今社会，口罩佩戴和社交距离的保持对于公共卫生和安全至关重要。本文将详细介绍一种结合轻量级神经网络 MobileNetV2 和迁移学习策略的解决方案，用于实时视频监控，以识别人们是否佩戴口罩以及是否保持安全的社交距离。

1. 背景与目标

在疫情期间，确保公众遵守口罩佩戴和社交距离规则是一项重要任务。为了实现这一目标，我们采用了深度学习技术，结合现代深度学习方法和经典投影几何策略，开发了一个系统，既能满足实时性要求，又能保持较高的检测精度。

2. 相关工作综述

在口罩检测和社交距离监测领域，已经有许多相关的研究工作。以下是一些具有代表性的研究：
| 研究者 | 方法 | 特点 |
| ---- | ---- | ---- |
| S. Ge 等 | 使用 LLE - CNNs 模型 | 可检测不同方向、不同遮挡程度的戴口罩人脸，能识别多种类型的口罩 |
| Toshanlal Meenpal 等 | 基于语义分割的二元人脸分类器模型 | 利用 VGG - 16 架构的预定义训练权重进行特征提取，在识别正面和非正面人脸方面效果良好 |
| Jian Xiao 等 | 改进的 VGG - 19 网络 | 用扁平层替换 3 个 FC 层中的 1 个，用 2 个标记的 softmax 分类层替换原 softmax 分类器，检测工人是否戴口罩的精度达 97.62% |
| Bosheng Qin 和 Dongxiao Li | 基于深度学习的面部图像分类方法 | 能对正确佩戴、不正确佩戴和未佩戴口罩进行分类，准确率达 98.70% |
| Mahura Inamdar