5、实时多分类口罩检测器与道路事故数据关联分析

实时多分类口罩检测器与道路事故数据关联分析

1. 实时多分类口罩检测器

在疫情背景下，人们戴口罩的情况参差不齐，有正确佩戴的，也有错误佩戴甚至不戴的。为了有效检测人们是否正确佩戴口罩，相关研究提出了基于卷积神经网络（CNN）的实时多分类口罩检测模型。

1.1 已有研究情况

• 有适用于资源有限和内存占用小的端点的架构，该架构中，若人戴了口罩，智能门就会打开，但未考虑口罩佩戴不正确的情况。
• Khalifa 等人基于 YOLOv2 和 Adam 优化器构建的模型实现了最高平均精度，但仅考虑了医用口罩的情况。
• Shankar 等人利用深度学习、PyTorch 和 OpenCV 创建了一个口罩检测器，它能指示口罩覆盖面部的程度，但不能说明口罩是否佩戴正确。
• Negi 等人使用 Keras - Surgeon 进行模型剪枝并开发了独特的深度学习模型，发现模型剪枝有助于减小模型大小，但未考虑口罩佩戴不当的情况。
• Shah 等人利用卷积神经网络的 Mobile Net v2 架构创建了一个与架构无关的口罩检测模型，其局限性是准确性会因照片的数字处理能力而异。
• Kaur 等人提出了一种使用卷积神经网络经济高效地检测口罩的方法，模型的训练和验证准确率随训练轮数增加，但未考虑口罩不匹配的可能性。

1.2 系统模型

系统模型的训练数据集由 IEEE 数据端口网站的 1222 张图像和志愿者提供的 156 张图像组成，所有图像均为 jpg 格式。数据预处理步骤如下：
1. 重构数据。
2. 将图