張路達(dá)，鄧 超

河南理工大學(xué) 物理與電子信息學(xué)院，河南 焦作454003

在疫情常態(tài)化的形勢下，佩戴口罩是切斷病毒傳播途徑最簡便有效的方式，可以有效降低人與人相互交叉感染的風(fēng)險。疫情期間，商場、車站等公共場所禁止未佩戴口罩人員進(jìn)入。公共場所多為人群密集區(qū)域，通過人工方式大面積檢查口罩佩戴情況會耗費大量的人力與時間，并且容易造成漏檢，因此實現(xiàn)一種具有實時性的高精度的口罩佩戴檢測算法是十分必要的。

近年來，隨著卷積神經(jīng)網(wǎng)絡(luò)的興起，傳統(tǒng)的利用手工設(shè)計圖像特征的目標(biāo)檢測方法已經(jīng)發(fā)展為基于深度學(xué)習(xí)的目標(biāo)檢測方法[1-2]。相比于傳統(tǒng)的檢測方法，基于深度學(xué)習(xí)的目標(biāo)檢測算法其優(yōu)勢在于無需進(jìn)行人工的特征設(shè)計，具有優(yōu)秀的特征表達(dá)能力以及優(yōu)良的檢測精度。目前基于深度學(xué)習(xí)的主流目標(biāo)檢測算法依據(jù)其設(shè)計思想，主要分為兩類：第一類是基于區(qū)域建議的二階段目標(biāo)檢測算法。此類算法將目標(biāo)檢測分為兩個階段，第一個階段生成可能包含目標(biāo)的候選區(qū)域（Region Proposal），第二個階段利用卷積神經(jīng)網(wǎng)絡(luò)完成對候選區(qū)域的目標(biāo)位置與類別的預(yù)測及識別，得到最終的檢測結(jié)果，其代表有R-CNN[3]、Fast R-CNN[4]、Faster R-CNN[5]等。第二類是基于回歸的一階段目標(biāo)檢測算法。該類算法將目標(biāo)檢測看成一個回歸問題，不再生成候選區(qū)域，直接完成從原始圖像的輸入到物體位置和類別的輸出，是一種端到端的目標(biāo)檢測算法，此類算法擁有更快的檢測速度，其代表作有SSD[6]、YOLO[7]、YOLOv2[8]、YOLOv3[9]等。YOLOv3算法是YOLO算法系列的第三代改進(jìn)版本，與眾多算法相比，具有檢測速度快、精度高、綜合性強(qiáng)等優(yōu)勢，在目標(biāo)檢測領(lǐng)域有著廣泛的應(yīng)用。但由于在一些特定場景下環(huán)境變得復(fù)雜，YOLOv3不能滿足檢測要求，學(xué)者們?yōu)榇颂岢隽艘幌盗懈倪M(jìn)方法，如岳曉新等人[10]提出的道路小目標(biāo)檢測算法，康莊等人[11]提出的行人檢測算法，楊靜等人[12]提出的安全帽佩戴檢測算法，這些在特定場景下改進(jìn)后的YOLOv3算法都有不錯的檢測效果。

本文針對人群環(huán)境下口罩佩戴檢測中存在的密集、遮擋、小尺寸目標(biāo)等問題，通過在YOLOv3算法模型基礎(chǔ)上進(jìn)行改進(jìn)與優(yōu)化，實現(xiàn)人群口罩佩戴檢測任務(wù)。

1 YOLOv3算法模型及其原理

2018年，Redmon等 人在YOLOv2的 基礎(chǔ) 上融 合ResNet、FPN等方法提出了YOLOv3一階目標(biāo)檢測算法，其整體網(wǎng)絡(luò)結(jié)構(gòu)如圖1（a）所示。

YOLOv3采用去除了全連接層的Darknet-53作為特征提取網(wǎng)絡(luò)。Darknet-53主要由5個分別含有1、2、8、8、4個殘差單元的殘差塊構(gòu)成。殘差單元結(jié)構(gòu)如圖1（c）所示，殘差塊結(jié)構(gòu)如圖1（d）所示，其融合殘差網(wǎng)絡(luò)思想，在網(wǎng)絡(luò)中使用大量的跳躍連接結(jié)構(gòu)，這種設(shè)計可以有效保證網(wǎng)絡(luò)訓(xùn)練時收斂，改善隨著網(wǎng)絡(luò)層數(shù)不斷加深帶來的梯度彌散問題[13]。YOLOv3采用特殊的卷積結(jié)構(gòu)DarknetConv2D，如圖1（b）所示，卷積時加入一個L2批正則化層（Batch Normalization），對輸入數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后采用Leaky Relu激活函數(shù)。圖1中Convolutional Set表示5個1×1、3×3、1×1、3×3、1×1的卷積層。在圖像輸入特征提取網(wǎng)絡(luò)后，選取對輸入圖像8倍、16倍、32倍下采樣后的特征圖，經(jīng)過一系列的上采樣與特征融合，然后通過5次卷積處理，再通過1次DarknetConv2D（3×3）卷積和一次普通Conv（3×3）卷積進(jìn)行通道調(diào)整后送入相應(yīng)檢測層，通過13×13、26×26、52×52三個不同尺度的特征層實現(xiàn)對大、中、小尺度目標(biāo)的檢測。

圖1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv3 network structure

但是直接將YOLOv3算法應(yīng)用于人群環(huán)境下口罩佩戴檢測任務(wù)中仍有不足：一是在Darknet-53特征提取網(wǎng)絡(luò)中，隨著網(wǎng)絡(luò)結(jié)構(gòu)的加深，淺層特征信息沒有得到充分利用，會導(dǎo)致丟失很多小目標(biāo)的位置信息；二是YOLOv3算法對目標(biāo)預(yù)測的準(zhǔn)確性依賴于IoU，隨著IoU的增大，對目標(biāo)位置的預(yù)測精度會下降；三是針對人群場景中的密集、遮擋目標(biāo)與尺度變化等問題，YOLOv3算法有較大提升空間。針對上述問題，本文在YOLOv3算法的基礎(chǔ)上進(jìn)行改進(jìn)與優(yōu)化。

2 改進(jìn)的YOLOv3算法

2.1 多尺度檢測網(wǎng)絡(luò)改進(jìn)

原始YOLOv3網(wǎng)絡(luò)以Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)為骨干，使用3個預(yù)測層以3種不同的尺度檢測對象。該網(wǎng)絡(luò)將輸入的原圖像經(jīng)過8倍下采樣、16倍下采樣、32倍下采樣后的特征圖作為特征融合網(wǎng)絡(luò)的輸入。在一般場景下，由于目標(biāo)大小與距離的不確定性，該方法對正常大小的物體有不錯的檢測效果，但是在人群環(huán)境下，大部分人臉目標(biāo)在圖像中所占比例較小，對目標(biāo)的檢測效果會大大降低，并且由于下采樣操作會丟失目標(biāo)很多的有用信息，會造成一些目標(biāo)漏檢。

在檢測小目標(biāo)時，原YOLOv3網(wǎng)絡(luò)主要通過利用8倍下采樣層的信息來檢測目標(biāo)，因此當(dāng)圖像中目標(biāo)的大小低于8×8時，網(wǎng)絡(luò)幾乎無法預(yù)測，即使目標(biāo)大小剛好大于8×8，由于缺少目標(biāo)的特征信息，網(wǎng)絡(luò)檢測該目標(biāo)的能力也會大大降低。4倍下采樣的特征圖感受野較小，利用該尺寸特征圖的信息去檢測目標(biāo)，可以提升對小尺寸口罩佩戴目標(biāo)的檢測效果。本文將第2個殘差塊輸出的4倍下采樣后的104×104特征圖作為新的特征層與其他3個特征層作為特征融合網(wǎng)絡(luò)的輸入，得到尺寸大小為104×104的新尺度特征檢測層，如圖2所示，最后形成4尺度檢測結(jié)構(gòu)。這樣即使圖像中目標(biāo)的尺度有較大變化，也可以在多個尺度上準(zhǔn)確檢測，提升網(wǎng)絡(luò)對口罩佩戴檢測的準(zhǔn)確率。

圖2 改進(jìn)的多尺度檢測結(jié)構(gòu)Fig.2 Improved multi-scale detection structure

2.2 特征融合網(wǎng)絡(luò)改進(jìn)

卷積神經(jīng)網(wǎng)絡(luò)中，不同層次的特征圖含有目標(biāo)不同的特征信息。淺層特征分辨率更高，含有目標(biāo)更豐富的位置信息，深層特征含有較強(qiáng)的語義信息，但位置信息相對粗糙。利用淺層特征可以將簡單的目標(biāo)區(qū)分開來，利用深層的特征可以區(qū)分開一些復(fù)雜的目標(biāo)，因此構(gòu)建特征金字塔，將高層網(wǎng)絡(luò)與低層網(wǎng)絡(luò)的特征信息融合更有利于對目標(biāo)特征的描述。

原始YOLOv3算法采用的特征融合網(wǎng)絡(luò)為特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN），如圖3所示，將52×52、26×26、13×13三個不同尺度的特征信息通過特征金字塔結(jié)構(gòu)進(jìn)行融合，實現(xiàn)多尺度檢測。FPN采用的是自頂向下的融合方式，將深層的強(qiáng)語義特征信息傳遞下來，對整個金字塔進(jìn)行增強(qiáng)，但是只對語義信息進(jìn)行了增強(qiáng)，沒有傳遞定位信息。PANet[14]針對這一點進(jìn)行了補(bǔ)充，其采用自上而下與自上而下的路徑增強(qiáng)，在FPN的后面添加了自底向上的金字塔，利用淺層特征包含的豐富的定位信息，實現(xiàn)特征增強(qiáng)。

圖3 特征金字塔網(wǎng)絡(luò)Fig.3 Feature pyramid network

在人群口罩佩戴檢測中存在目標(biāo)密集、尺寸小、容易相互遮擋等問題，網(wǎng)絡(luò)模型需要利用更多的目標(biāo)特征信息。本文對原始YOLOv3算法的FPN進(jìn)行改進(jìn)，使用特征提取網(wǎng)絡(luò)的4個降采樣特征圖作為特征融合網(wǎng)絡(luò)的輸入，并將FPN與路徑增強(qiáng)策略結(jié)合，通過自上而下和自下而上的融合方式可以進(jìn)一步利用特征信息，讓模型更好地學(xué)習(xí)目標(biāo)特征，更有利于模型對小目標(biāo)和被遮擋目標(biāo)的檢測。改進(jìn)的特征融合網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖4 改進(jìn)的特征融合網(wǎng)絡(luò)Fig.4 Improved feature fusion network

2.3 改進(jìn)的YOLOv3算法模型

本文將YOLOv3通過對多尺度檢測網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)、損失函數(shù)進(jìn)行改進(jìn)，其改進(jìn)后的YOLOv3整體結(jié)構(gòu)如圖5所示。輸入圖像經(jīng)過Darknet-53特征提取網(wǎng)絡(luò)多次下采樣后輸出4層不同尺度的特征圖，殘差塊5輸出的32倍下采樣特征圖在經(jīng)過Convolutional Set1的5次卷積處理后進(jìn)行上采樣與殘差塊4輸出的16倍下采樣特征圖進(jìn)行拼接融合，融合后的16倍下采樣特征圖用同樣的方法與殘差塊3輸出的8倍下采樣特征圖拼接融合；然后將融合后的8倍下采樣特征圖用相同的操作與殘差塊2輸出的4倍下采樣特征圖進(jìn)行融合，完成自上而下的特征融合；融合后的4倍下采樣特征圖通過Convolutional Set4的5次卷積處理后進(jìn)行下采樣操作，與Convolutional Set3輸出的8倍下采樣特征圖進(jìn)行第2次融合，融合后的8倍下采樣特征圖通過5次卷積處理后進(jìn)行下采樣與Convolutional Set2輸出的16倍下采樣特征圖第2次融合，同樣的方式得到2次融合后的32倍下采樣特征圖，完成自下而上的特征融合；最后將4種不同尺度的特征圖都通過1次DarknetConv2D（3×3）卷積和1次普通Conv（3×3）卷積進(jìn)行通道調(diào)整后輸入YOLO Head進(jìn)行預(yù)測，形成具有104×104、52×52、26×26、13×13檢測層的4尺度檢測網(wǎng)絡(luò)。

圖5 改進(jìn)的YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 Improved YOLOv3 network structure

2.4 改進(jìn)損失函數(shù)

YOLOv3損失函數(shù)公式如式（1）所示，其由類別損失、置信度損失、位置損失三部分組成；其中在邊框回歸過程中采用的是均方差（MSE）損失函數(shù)，如式（2）所示；在置信度和分類損失上采用的是二元交叉熵?fù)p失函數(shù)，如式（3）和式（4）所示：

式中，λcoord表示坐標(biāo)損失權(quán)重系數(shù)，λnoobj表示不包含目標(biāo)的置信度損失權(quán)重系數(shù)，分別表示預(yù)測框的坐標(biāo)信息、置信度和類別概率分別表示目標(biāo)真實框的坐標(biāo)信息、置信度和類別概率表示第i個網(wǎng)格的第j個先驗框是否負(fù)責(zé)該object（如果負(fù)責(zé)則為1，否則為0）表示第i個網(wǎng)格的第j個先驗框是否不負(fù)責(zé)該object（如果不負(fù)責(zé)則為1，否則為0）。IoU[15]是目標(biāo)檢測中常用的評價指標(biāo)，計算方式如圖6所示。其中A表示預(yù)測框的面積，B表示真實框的面積，IoU是通過計算預(yù)測框與真實框的交集與并集的比值來反映預(yù)測的邊框與真實的邊框的重疊程度。

圖6 IoU計算Fig.6 IoU calculation

YOLOv3進(jìn)行邊框回歸時依賴于IoU，雖然IoU考慮了重疊面積，但是僅依靠IoU進(jìn)行邊框回歸會存在一些問題。一是從圖6中可以看出，IoU只有在兩個邊框有重疊區(qū)域時才能發(fā)揮作用，當(dāng)預(yù)測框與真實框不相交時，IoU始終為0，無法反映兩個邊框距離遠(yuǎn)近，進(jìn)而無法優(yōu)化；二是在使用IoU計算損失時，其結(jié)果僅僅與兩個框的交并比即重疊面積有關(guān)，如圖7所示，這三種情況下兩個框的相交面積一樣，但重合度卻相差很多，使用IoU不能將此類情況區(qū)分開。由此可見，在一些情況下IoU不能作為重疊程度的衡量指標(biāo)。

圖7 IoU相同的三種情況Fig,7 Three cases of same IoU

為了解決這些問題，本文引入CIoU[16]代替IoU作為邊框回歸損失函數(shù)。CIoU將邊框回歸損失應(yīng)該注意的三個重要的幾何因素“重疊面積、中心點距離、長寬比”都考慮了進(jìn)來，使得邊框回歸更加穩(wěn)定，收斂的精度更高，其損失函數(shù)公式如式（5）所示：

其中，b和bgt分別表示預(yù)測邊框與真實邊框的中心點，ρ()?表示歐式距離，c表示預(yù)測框與真實框的最小外接矩形的對角線距離。αν為懲罰因子，這個因子把預(yù)測框長寬比擬合目標(biāo)框的長寬比考慮進(jìn)去，其中α是用來作trade-off的參數(shù)，ν是用來衡量長寬比一致性的參數(shù)。α與ν的計算公式分別如式（6）和式（7）所示：

2.5 先驗框尺寸計算

YOLOv3算法使用先驗框的思想是基于Fast R-CNN的設(shè)計，其通過固定數(shù)量的固定大小的初始先驗框來檢測對象。先驗框尺寸的選擇會直接影響網(wǎng)絡(luò)檢測目標(biāo)的速度與精度，合適的先驗框的尺寸能夠加快模型訓(xùn)練時的收斂速度，而且能夠使定位更加精準(zhǔn)。YOLOv3使用K-means方法對數(shù)據(jù)集中的對象進(jìn)行聚類分析得到9個先驗框的尺寸大小，分給3個不同尺度的檢測層，每個預(yù)測框生成3個不同比例的先驗框，選取與真實目標(biāo)框交并比最大的先驗框去進(jìn)行損失計算。聚類中Kmeans算法通過IoU來計算標(biāo)注框與聚類中心的距離，計算公式如式（8）所示：

本文改進(jìn)的網(wǎng)絡(luò)采用4尺度檢測結(jié)構(gòu)，相比于原YOLOv3網(wǎng)絡(luò)多了1個尺度，因此原有的3×3先驗框已不再適用，需要重新聚類。在本文的人臉口罩佩戴數(shù)據(jù)集上進(jìn)行聚類分析，經(jīng)過多次實驗，權(quán)衡平均交并比（Avg IoU）與聚類中心數(shù)K，實驗過程圖8所示，隨著K的增加，平均交并比變的逐漸平穩(wěn)。

圖8 K-means聚類分析結(jié)果圖Fig.8 K-means cluster analysis result

本文的聚類中心數(shù)K設(shè)為12個，通過聚類分析得到12組不同尺寸大小的先驗框。因為大尺度特征圖用來檢測小目標(biāo)，小尺度特征層用來檢測大目標(biāo)，所以小尺寸的先驗框要分配給大尺度的特征圖，大尺寸的先驗框要分配給小尺度的特征圖來進(jìn)行邊框的回歸。4個尺度的先驗框尺寸分配如表1所示。

表1 先驗框尺寸分配Table 1 Prior box size assignment

3 實驗與結(jié)果分析

3.1 數(shù)據(jù)集

本文從WIDER Face、MAFA（Masked Faces）、RMFD（Real-World Masked Face Dataset）三個公開數(shù)據(jù)集和網(wǎng)絡(luò)搜集中篩選出含有多人場景的佩戴口罩人臉與未佩戴口罩人臉圖片，共5 000張。將數(shù)據(jù)集制作成VOC格式，并用標(biāo)記軟件LabelImg對圖像中的人臉進(jìn)行標(biāo)注，標(biāo)注信息有兩個類別have_mask（佩戴口罩人臉）和no_mask（未佩戴口罩人臉），將標(biāo)注好的信息保存為VOC格式需要的xml文件。數(shù)據(jù)集標(biāo)注示例如圖9所示，其中圖9（a）為標(biāo)注圖片示例，圖9（b）為標(biāo)注好的xml文件信息，表示類別，表示目標(biāo)框的坐標(biāo)信息。

圖9 數(shù)據(jù)集標(biāo)注示例Fig.9 Example of data set annotation

3.2 實驗環(huán)境與模型訓(xùn)練

本實驗采用Window平臺通過python編程語言實現(xiàn)，硬件環(huán)境為Intel?CoreTMi5-10400F CPU@2.90 GHz、16 GB RAM、NVIDIA GeForce RTX 2070S，使用Tensorflow/Keras深度學(xué)習(xí)框架。訓(xùn)練模型時，將數(shù)據(jù)集按照9∶1比例劃分為訓(xùn)練集與測試集。訓(xùn)練過程中對學(xué)習(xí)率（Learn Rate）采用動態(tài)調(diào)整策略，初始學(xué)習(xí)率設(shè)為0.001，當(dāng)模型連續(xù)3個Epoch的損失不再下降時，將學(xué)習(xí)率減少為原來的1/2。訓(xùn)練批次大小為4，進(jìn)行150個Epoch的訓(xùn)練，模型訓(xùn)練的損失值收斂曲線見圖10。從中可以看出，模型訓(xùn)練在前60個Epoch時損失下降迅速，訓(xùn)練80個Epoch后損失逐漸平穩(wěn)，迭代150個Epoch后損失幾乎不再變化，模型達(dá)到收斂。

圖10 訓(xùn)練損失下降曲線Fig.10 Training loss decline curve

3.3 評價指標(biāo)與實驗結(jié)果分析

本文采取平均精度（Average Precision，AP）、平均精度均值（mean Average Precision，mAP）以及每秒檢測圖片的幀數(shù)（Frames Per Second，F(xiàn)PS）三種目標(biāo)檢測算法中公用的性能指標(biāo)來評估本文算法的性能。計算平均精度還需引入查準(zhǔn)率（Precision）和召回率（Recall），計算公式如下：

式中，TP代表預(yù)測是正樣本且確實是正樣本的數(shù)量，F(xiàn)P代表預(yù)測是正樣本但實際上不是正樣本的數(shù)量，F(xiàn)N代表預(yù)測是負(fù)樣本但實際上不是負(fù)樣本的數(shù)量。通過計算不同召回率下最高的查準(zhǔn)率繪制P-R曲線，然后計算P-R曲線圍成的面積即可得到某一類別的AP值。mAP值是對所有類別的AP求均值得到，mAP越大則算法性能越好，識別精度越高。

在數(shù)據(jù)集中隨機(jī)劃分的500張測試集圖片上進(jìn)行測試。本文改進(jìn)的YOLOv3算法檢測結(jié)果的P-R曲線如圖11所示，have_mask與no_mask兩種目標(biāo)類別的AP值分別達(dá)到了95.19%、92.13%。

圖11 改進(jìn)的YOLOV3算法各類目標(biāo)P-R曲線Fig.11 P-R curves of various targets of improved YOLOv3 algorithm

為了進(jìn)一步驗證本文算法的有效性，將本文算法與原始YOLOv3、Faster R-CNN、SSD、YOLOv4[17]、Efficient-Det[18]等主流的目標(biāo)檢測算法性能指標(biāo)進(jìn)行比較，對比結(jié)果如表2所示。

表2 算法結(jié)果性能對比Table 2 Performance comparison of algorithm results

從表2可以看出，相比于其他主流目標(biāo)檢測算法，本文算法在人群口罩佩戴檢測上有更高的檢測精度，mAP值達(dá)到了93.66%，與原始YOLOv3算法相比，兩種類別AP值分別提高了5.92個百分點和5.30個百分點，mAP值提高了5.61個百分點。在檢測速率上，本文算法FPS為28.5，速度不及SSD與YOLOv4算法，與原YOLOv3相比，檢測單張圖片時間增加了7 ms，幀率降低了7.2，但仍大于25，可以達(dá)到實時性要求。本文算法與原始YOLOv3、SSD、Faster R-CNN、YOLOv4、Efficient-Det目標(biāo)檢測算法檢測效果對比如圖12所示。

從圖12（a）（b）（c）檢測結(jié)果中可以看出，SSD算法在小目標(biāo)檢測上效果較差，且預(yù)測置信度普遍較低；Faster R-CNN算法在檢測結(jié)果上表現(xiàn)優(yōu)于SSD算法，并且預(yù)測置信度明顯提升，但整體表現(xiàn)依然不是很好，如圖12（d）（e）（f）所示；相比于前兩種算法，EfficientDet、原始YOLOv3、YOLOv4算法在檢測中表現(xiàn)相對較好，但是在小目標(biāo)和被遮擋目標(biāo)上會存在漏檢的情況，如圖12（i）（l）（o）所示；與其他算法相比，本文算法在人群口罩佩戴檢測中效果有較大提升，在目標(biāo)密集環(huán)境下漏檢率明顯降低。圖12（j）中，原始YOLOv3算法漏檢了2個未佩戴口罩人臉目標(biāo)，圖12（p）為本文算法檢測結(jié)果，成功將其檢測出來且置信度幾乎為1；圖12（k）中，原模型共檢測出15個目標(biāo)，本文改進(jìn)后的模型檢測結(jié)果如圖12（q）所示，共檢測出了20個目標(biāo)；圖12（l）中，YOLOv3原模型共檢測出了13個佩戴口罩的人臉，本文改進(jìn)算法模型共檢測出了18個目標(biāo)，如圖12（r）所示，比原模型多檢測出5個目標(biāo)，成功檢測出了原模型漏檢的一些小目標(biāo)與被遮擋目標(biāo)。從圖12（p）（q）（r）中可以看出，本文模型在檢測目標(biāo)的置信度上有了顯著提升，有著更高的預(yù)測準(zhǔn)確率。綜上所述，與其他算法相比，本文算法更適用于人群口罩佩戴檢測，在密集小目標(biāo)與被遮擋目標(biāo)的檢測效果上有著顯著提升。

圖12 不同算法的檢測效果對比Fig.12 Comparison of detection results of different algorithms

4 結(jié)束語

針對人群環(huán)境下存在的口罩佩戴檢測中密集、遮擋目標(biāo)與小目標(biāo)檢測效果差等問題，本文以YOLOv3網(wǎng)絡(luò)為基礎(chǔ)提出一種改進(jìn)的YOLOv3算法。首先，改進(jìn)YOLOv3的多尺度檢測網(wǎng)絡(luò)，在原網(wǎng)絡(luò)中增加新的淺層檢測尺度構(gòu)成4尺度檢測結(jié)構(gòu)，并在數(shù)據(jù)集上重新聚類生成新的先驗框尺寸分配給各個檢測層；然后，引入自上而下和自下而上的特征融合策略將低層特征圖細(xì)節(jié)信息與高層特征圖語義信息融合，進(jìn)一步利用特征信息；接著，采用CIoU損失函數(shù)進(jìn)行邊框回歸，增加模型定位的準(zhǔn)確性；最后，在本文建立的數(shù)據(jù)集上進(jìn)行訓(xùn)練與測試。實驗結(jié)果表明，本文算法在人群口罩佩戴檢測中平均精度均值達(dá)到了93.66%，比原YOLOv3算法提高了5.61個百分點，與其他主流目標(biāo)檢測算法相比有較大優(yōu)勢，同時檢測速率上滿足實時性要求，有一定的實用性與有效性。由于改進(jìn)算法使網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜化，增加了模型參數(shù)，檢測速率有所下降，后續(xù)將考慮輕量化網(wǎng)絡(luò)結(jié)構(gòu)，提升檢測速率。