%0 Journal Article %A 王艺皓 %A 丁洪伟 %A 李波 %A 杨志军 %A 杨俊东 %T 复杂场景下基于改进YOLOv3的口罩佩戴检测算法 %D %R 10.19678/j.issn.1000-3428.0058802 %J 计算机工程 %P 12-22 %V 46 %N 11 %X 新型冠状病毒可以通过呼吸道飞沫等方式传播,正确佩戴口罩可以有效防止病毒传染,但是自然场景中通常存在遮挡、密集人群和小尺度目标等复杂因素,对人脸佩戴口罩的检测效果产生影响。针对该问题,在YOLOv3算法的基础上,提出复杂场景下的口罩佩戴检测算法。结合跨阶段局部网络对DarkNet53骨干网络进行改进,以降低计算消耗并提高训练速度。在YOLOv3算法中引入改进的空间金字塔池化结构,通过自上而下和自下而上的特征融合策略优化多尺度预测网络,从而实现特征增强。选取CIoU作为损失函数,考虑目标与检测框之间的中心点距离、重叠率以及长宽比信息。实验结果表明,与YOLOv3算法相比,该算法在人脸目标和人脸佩戴口罩目标上的检测精度分别提高7.3%和14.9%,检测速度平均提高6FPS。 %U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0058802