冉鵬飛，劉銀華

（青島大學(xué) 自動(dòng)化學(xué)院，青島266071）

從2019年12月開(kāi)始，新型冠狀病毒肺炎（COVID-19）席卷了中國(guó)31 個(gè)省（自治區(qū)、直轄市）和新疆生產(chǎn)建設(shè)兵團(tuán)以及境外的許多國(guó)家[1]。目前中國(guó)已經(jīng)復(fù)工復(fù)學(xué)，但全球疫情尚未得到控制，疫情還沒(méi)有結(jié)束，人們對(duì)發(fā)熱和呼吸道癥狀還要保持警惕。尤其是在人口密集的場(chǎng)合下，正確佩戴口罩是防控工作的重中之重?，F(xiàn)在是否配戴口罩通常是工作人員來(lái)檢查的，這種方法效率低下。本文研究了目標(biāo)檢測(cè)的相關(guān)算法，發(fā)現(xiàn)許多算法都可以用于檢測(cè)是否佩戴口罩，但是復(fù)雜的光照條件會(huì)給佩戴口罩的檢測(cè)過(guò)程帶來(lái)許多問(wèn)題。其檢測(cè)復(fù)雜光照條件下的圖像時(shí)會(huì)得不到理想效果。

現(xiàn)在基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法主要分為兩種。第一種是雙階段的檢測(cè)算法，這種算法將目標(biāo)檢測(cè)分成兩個(gè)步驟，第一步是利用候選區(qū)域生成網(wǎng)絡(luò)獲取一個(gè)候選框，第二步通過(guò)卷積神經(jīng)網(wǎng)絡(luò)完成對(duì)候選框中候選目標(biāo)位置與類(lèi)別的檢測(cè)。常見(jiàn)的雙階段目標(biāo)檢測(cè)算法主要是以Fast R-CNN[2]、Faster R-CNN[3]等為代表的算法。第二種是單階段目標(biāo)檢測(cè)算法，它可以直接回歸預(yù)測(cè)框，具有更快的檢測(cè)速度。常見(jiàn)的單階段目標(biāo)檢測(cè)算法SSD、YOLO 系列[4]等為代表。本文基于YOLOv4 算法為基礎(chǔ)，針對(duì)在復(fù)雜光照條件下，口罩檢測(cè)效果不好的情況，本文主要改善工作有以下幾點(diǎn)：

（1）在YOLOv4 的主干網(wǎng)絡(luò)中引入基于通道和空間注意力機(jī)制，同時(shí)在特征金字塔部分加入跨階段局部網(wǎng)絡(luò)，增強(qiáng)特征圖的表達(dá)能力。

（2）根據(jù)不同系數(shù)的Gamma 變換會(huì)對(duì)圖像進(jìn)行處理，提出了一種可以選取符合復(fù)雜光照條件下的圖像的算法，從而構(gòu)建出復(fù)雜光照條件下的數(shù)據(jù)集并手工標(biāo)注用于口罩佩戴檢測(cè)任務(wù)的網(wǎng)絡(luò)訓(xùn)練與測(cè)試。

1 YOLOv4 算法原理

針對(duì)于兩階段的目標(biāo)檢測(cè)算法普遍存在的運(yùn)算速度慢的缺點(diǎn)，YOLO 創(chuàng)造性地提出了單階段的方法，具備良好的識(shí)別速度和檢測(cè)精度。YOLOv4 在YOLOv3 的基礎(chǔ)上改進(jìn)的，雖然沒(méi)有革命性的改變，但是其網(wǎng)絡(luò)結(jié)構(gòu)更為復(fù)雜，并且使用了許多訓(xùn)練技巧來(lái)提升準(zhǔn)確率。

在主干特征提取網(wǎng)絡(luò)部分，YOLOv4 借鑒跨階段局部網(wǎng)絡(luò)（cross stage partial network，CSPNet）構(gòu)造出了CSPDarknet53 結(jié)構(gòu)。CSPNet 就是將原來(lái)的殘差塊的堆疊進(jìn)行拆解后，主干部分繼續(xù)進(jìn)行原來(lái)殘差塊的操作，另一部分則像一個(gè)殘差邊一樣，少許處理后直接連接到最后。CSPNet 結(jié)構(gòu)如圖1所示。

同時(shí)將DarknetConv2D 中的激活函數(shù)由Leaky-ReLU 換成了Mish。Mish 激活函數(shù)如式（1）所示：

圖1 CSPNet 結(jié)構(gòu)Fig.1 CSPNet structure

并且在CSPDarknet53 網(wǎng)絡(luò)中的最后一個(gè)特征層的卷積里加入了空間金字塔池化（spatial pyramid pooling，SPP），可以極大地增加感受野，分離出最顯著的上下文特征。特征金字塔部分，YOLOv4 在3 個(gè)有效特征層上可以做到對(duì)特征的反復(fù)提取，有效提升預(yù)測(cè)精度。YOLOv4 的網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

在最后的預(yù)測(cè)階段，改進(jìn)了損失函數(shù)。因?yàn)閷こ５慕徊⒈龋╥ntersection over union，IoU）無(wú)法直接優(yōu)化沒(méi)有重疊的部分，所以將IoU 改為CIoU，可以讓目標(biāo)框更加有魯棒性，不會(huì)出現(xiàn)訓(xùn)練過(guò)程中的發(fā)散等問(wèn)題。CIoU 公式如下：

式中：ρ2（b，bgt）分別代表了預(yù)測(cè)框和真實(shí)框的中心點(diǎn)的歐式距離；c 代表的是能夠同時(shí)包含預(yù)測(cè)框和真實(shí)框的最小閉包區(qū)域的對(duì)角線距離。而α 和v 的公式如下：

相應(yīng)的損失函數(shù)為

2 改進(jìn)的YOLOv4 算法

2.1 主干特征提取網(wǎng)絡(luò)上的改進(jìn)

卷積塊注意力模塊（convolutional block attention module，CBAM）是一種融合了通道注意力機(jī)制和空間注意力機(jī)制的注意力模塊。通過(guò)輸入的一個(gè)中間特征圖，CBAM 可以按照順序沿著通道和空間兩個(gè)獨(dú)立維度推斷注意圖，然后將注意圖與輸入特征圖相乘以進(jìn)行自適應(yīng)特征細(xì)化。本文在主干特征提取網(wǎng)絡(luò)中引入這一注意力模塊來(lái)提高模型對(duì)復(fù)雜光照特征的表達(dá)能力，使檢測(cè)精度得到提升。并且引入CBAM 使精度提高帶來(lái)的參數(shù)開(kāi)銷(xiāo)問(wèn)題可忽略不計(jì)。

圖2 YOLOv4 網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 YOLOv4 network structure

SENet（squeeze-and-excitation networks）的工作僅利用了平均池化特征，CBAM 的通道注意力模塊在其基礎(chǔ)上增加了最大池化特征，通過(guò)使用兩種池化操作來(lái)聚合特征圖的空間信息，生成兩個(gè)不同的空間上下文描述符：分別表示平均池化和最大池化特征，接著再經(jīng)過(guò)多層感知器（MLP）生成通道注意圖Mc。公式如下：

式中：σ 為sigmoid 函數(shù)W0∈RC/r×C，W1∈RC×C/r；W0和W1分別代表多層感知器的權(quán)重系數(shù)，并且ReLU激活函數(shù)后面W0。

通過(guò)要素之間的空間關(guān)系可以生成空間注意圖，為了計(jì)算空間注意力，首先沿通道軸應(yīng)用兩種池化操作，并將它們連接起來(lái)以生成有效的特征描述符。然后通過(guò)標(biāo)準(zhǔn)卷積層將它們連接起來(lái)并進(jìn)行卷積，從而生成空間注意圖。公式如下：

式中：σ 為sigmoid 函數(shù)；f7×7代表濾波器大小為7×7的卷積運(yùn)算。

本文在YOLOv4 的主干特征提取網(wǎng)絡(luò)的ResBlock中嵌入該注意力模塊，確切位置的結(jié)構(gòu)如圖3 所示。通過(guò)先通道后空間注意力模塊相組合的形式，實(shí)現(xiàn)注意力集中，提高網(wǎng)絡(luò)在復(fù)雜光照中的學(xué)習(xí)能力，在訓(xùn)練中使模型學(xué)習(xí)到更多復(fù)雜光照中人臉佩戴口罩的信息，進(jìn)一步提高了檢測(cè)的準(zhǔn)確性。

圖3 ResBlock 中嵌入雙注意力模塊位置示意圖Fig.3 Location diagram of embedded dual attention module in ResBlock

2.2 特征金字塔上的改進(jìn)

本文研究了一種可以用來(lái)增強(qiáng)CNN 學(xué)習(xí)能力的新型骨干網(wǎng)絡(luò)，在特征金字塔部分，YOLOv4 采用的普通的卷積操作同樣也引入了跨階段局部網(wǎng)絡(luò)（CSPNet）來(lái)加強(qiáng)它的學(xué)習(xí)能力?？梢赃M(jìn)一步提高網(wǎng)絡(luò)特征融合的能力。在特征金字塔上結(jié)構(gòu)改進(jìn)對(duì)比如圖4 所示。

圖4 YOLOv4 和本文在特征金字塔的結(jié)構(gòu)Fig.4 YOLOv4 and the structure of the feature pyramid in this paper

YOLOv4 自帶的特征融合策略使得在普通光照下有著較高的檢測(cè)精度，但是在某些復(fù)雜光照情況下魯棒性卻不高。本文在這一基礎(chǔ)上進(jìn)一步改進(jìn)，在特征金字塔部分應(yīng)用了CSP 結(jié)構(gòu)，讓其在輕量化的同時(shí)保證了準(zhǔn)確性，減少了內(nèi)存成本。CSPNet 解決了網(wǎng)絡(luò)中進(jìn)行優(yōu)化時(shí)，梯度信息會(huì)經(jīng)常覆蓋的問(wèn)題。讓網(wǎng)絡(luò)可以重復(fù)利用特征，從而減少網(wǎng)絡(luò)參數(shù)數(shù)量。

3 復(fù)雜光照?qǐng)D像篩選算法

數(shù)據(jù)集中的圖像數(shù)目很多，僅靠人工篩選費(fèi)時(shí)費(fèi)力。因此本文提出了一種篩選算法來(lái)對(duì)圖像進(jìn)行選擇，來(lái)得到符合本文所需要的數(shù)據(jù)集。

復(fù)雜光照的圖像有許多種，采集的圖像中常見(jiàn)的主要有光照偏強(qiáng)和光照偏弱兩類(lèi)，前者圖像的某些細(xì)節(jié)可能會(huì)由于光照造成圖像前景區(qū)域較亮而喪失，后者圖像的前景區(qū)域會(huì)因?yàn)楣庹兆兊媚：鴣G失細(xì)節(jié)。其中可分成一維熵與二維熵兩種形式的圖像熵是基于圖像內(nèi)平均信息量的統(tǒng)計(jì)形式，二維熵是在一維熵的基礎(chǔ)上加入了空間特征，來(lái)表示圖像的灰度分布的空間特性。這里圖像的總體信息通過(guò)選用二維熵來(lái)進(jìn)行分析。

對(duì)于指定的一張彩色圖像，其色彩矩陣可以表示為如下形式[5]：

式中：x 和y 分別代表方向，然后令矩陣做如下變換：

式中：Qxx，Qyy與Qxy表示相應(yīng)的點(diǎn)積操作，由此本文可以將某一像素點(diǎn)的顏色變化差值?定義為

觀察某一像素點(diǎn)的顏色前后變化的差異，可以確定像素的細(xì)節(jié)信息發(fā)生改變?；诖?，本文可以對(duì)圖像細(xì)節(jié)進(jìn)行檢測(cè)。這里分別求出閾值s 與閾值w，然后就可以將所有的圖像都劃分為前景與背景。并使用Gamma 矯正方法[6]進(jìn)一步提高圖像對(duì)比度。Gamma 矯正公式：

式中：β 為調(diào)整后對(duì)應(yīng)的像素灰度值；α 為輸入圖像像素的灰度值；αmax為α 的最大值；γ 為自定義的參數(shù)，它決定了Gamma 矯正對(duì)圖像灰度值的改變程度。本文的圖像處理通過(guò)使用不同系數(shù)的Gamma變換，γ 大于1 會(huì)對(duì)光照偏強(qiáng)的圖像降低亮度同時(shí)減少細(xì)節(jié)數(shù)目，γ 小于1 會(huì)對(duì)光照偏弱的圖像提高亮度使圖像細(xì)節(jié)增加。分別求出變換前后圖像的細(xì)節(jié)數(shù)目變化大小和熵值的變化總體幅度，然后對(duì)比相應(yīng)的閾值，從而得出圖像的光照復(fù)雜度情況，就可以據(jù)此篩選出本文需要的圖像。

4 實(shí)驗(yàn)結(jié)果及分析

4.1 數(shù)據(jù)集

本文的數(shù)據(jù)集利用上文提出的篩選算法對(duì)AIZOO 和RMFD 這兩種數(shù)據(jù)集進(jìn)行篩選。一共篩選出11208 張圖片，其中包括3908 張人臉照片和7300張人臉佩戴口罩照片，并且按照9∶1 的比例劃分訓(xùn)練集和驗(yàn)證集。同時(shí)利用LabelImg 可視化圖片標(biāo)注工具對(duì)圖像進(jìn)行人工標(biāo)注，將人臉用方框進(jìn)行標(biāo)注，將標(biāo)注的方框分為是否佩戴口罩兩類(lèi)。數(shù)據(jù)集標(biāo)注圖片如圖5 所示。

圖5 數(shù)據(jù)集示例圖片F(xiàn)ig.5 Sample data set image

4.2 評(píng)價(jià)指標(biāo)

本文采用查準(zhǔn)率（Precision）、召回率（Recall）、平均準(zhǔn)確率（AP）和平均準(zhǔn)確率均值（mAP）作為實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)[7]：

式中：TP 表示檢測(cè)模型檢測(cè)正確的樣本數(shù)量；FP 表示檢測(cè)模型檢測(cè)錯(cuò)誤的樣本數(shù)量；FN 表示沒(méi)有被檢測(cè)出來(lái)的樣本數(shù)量。平均準(zhǔn)確率（AP）和平均準(zhǔn)確率均值（mAP）：

式中：N 表示未佩戴口罩和佩戴口罩兩類(lèi)；i 代表某個(gè)類(lèi)別。

4.3 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)采用筆記本電腦在Pycharm 中通過(guò)Python語(yǔ)言編程實(shí)現(xiàn)，選擇Tensorflow 1.13.2 作為后端的Keras 2.1.5 深度學(xué)習(xí)框架來(lái)搭建網(wǎng)絡(luò)模型。另外使用GPU 加速工具CUDA10.0，GPU 為NVIDIA GeForce RTX 2070 用來(lái)加速訓(xùn)練。為了驗(yàn)證實(shí)際訓(xùn)練效果如何，選用RetinaFace 檢測(cè)算法對(duì)本文數(shù)據(jù)集和隨機(jī)挑選的WiderFace 數(shù)據(jù)集分別進(jìn)行訓(xùn)練，在檢測(cè)模型檢測(cè)錯(cuò)誤的樣本數(shù)量為600 時(shí)，佩戴口罩檢測(cè)的兩種數(shù)據(jù)集的檢出率分別為0.842 和0.785，根據(jù)TP 和FP 的關(guān)系繪制出操作特性曲線如圖6所示。

圖6 不同數(shù)據(jù)集訓(xùn)練后在測(cè)試集的操作特性曲線Fig.6 Operation characteristic curves of different data sets after training in the test set

從圖6 可以看出，在遇到復(fù)雜光照的情況下，普通數(shù)據(jù)集的檢測(cè)精度會(huì)大幅降低，而在經(jīng)過(guò)本文算法所得到的數(shù)據(jù)集進(jìn)行訓(xùn)練后，整個(gè)模型對(duì)復(fù)雜光照條件的泛化能力提升，因此也會(huì)提高檢測(cè)精度。

本文訓(xùn)練方式采用Adam 優(yōu)化器對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化，共分為兩個(gè)階段：第一階段載入預(yù)訓(xùn)練權(quán)重，初始學(xué)習(xí)率設(shè)為0.001，并對(duì)其進(jìn)行動(dòng)態(tài)調(diào)整，批量數(shù)據(jù)樣本數(shù)設(shè)為8；遍歷50 次數(shù)據(jù)集；第二階段遍歷數(shù)據(jù)集次數(shù)到100 結(jié)束，將批量數(shù)據(jù)樣本數(shù)設(shè)為4，連續(xù)遍歷6 次數(shù)據(jù)集數(shù)值不下降則終止訓(xùn)練。最終訓(xùn)練完成后，本文算法的檢測(cè)結(jié)果的查準(zhǔn)率-召回率曲線如圖7 所示。并且和YOLOv4 算法對(duì)于人臉是否佩戴口罩進(jìn)行比較，得到查準(zhǔn)率-召回率曲線如圖8 所示。

圖7 本文算法檢測(cè)各類(lèi)目標(biāo)的查準(zhǔn)率-召回率曲線Fig.7 Precision-recall rate curves of various targets detected by the algorithm in this paper

圖8 本文算法與YOLOv4 算法對(duì)比的查準(zhǔn)率-召回率曲線Fig.8 Precision-recall rate curve of comparison between the algorithm in this paper and YOLOv4 algorithm

之后在相同的實(shí)驗(yàn)環(huán)境下，使用相同的訓(xùn)練方式[8]，訓(xùn)練了多個(gè)網(wǎng)絡(luò)模型，通過(guò)比較以證明本文方法的可行性。實(shí)驗(yàn)結(jié)果如表1 所示。

表1 本文算法與其他算法比較Tab.1 Comparison between the proposed algorithm and other algorithms

從圖8 中可以看出，本文算法和YOLOv4 算法相比未佩戴口罩即人臉檢測(cè)和口罩檢測(cè)分別得到了提升。而且通過(guò)表1 可知，在與別的算法相比較也可以看出有顯著的檢測(cè)效果。包括檢測(cè)精度和速度方面都得到了提升。接下來(lái)對(duì)光照偏強(qiáng)和光照偏弱兩種光照復(fù)雜的情況進(jìn)行具體檢測(cè)效果分析。其檢測(cè)示例效果如圖9 和圖10 所示。

圖9 光照偏強(qiáng)下檢測(cè)結(jié)果Fig.9 Detection results under light intensity bias

圖10 光照偏弱下檢測(cè)結(jié)果Fig.10 Detection results under low light intensity

由圖9 可以看出來(lái)，本文算法相比改進(jìn)之前的檢測(cè)到的目標(biāo)個(gè)數(shù)得到提升，最右邊的目標(biāo)雖然經(jīng)過(guò)太陽(yáng)照射但依然可以檢測(cè)到目標(biāo)。對(duì)于圖10 在光線偏弱的情況下，檢測(cè)到的目標(biāo)數(shù)從6 個(gè)提升到8 個(gè)。雖然沒(méi)有將目標(biāo)全部檢測(cè)出來(lái)，但是相比于改進(jìn)之前，檢測(cè)的結(jié)果有了明顯的改善。綜上所述，本文算法在復(fù)雜光照條件下檢測(cè)人臉佩戴口罩相比之前的算法，其效果更好。

5 結(jié)語(yǔ)

本文以YOLOv4 算法為基礎(chǔ)，提出了一種改進(jìn)的方法用來(lái)解決復(fù)雜光照下人臉佩戴口罩的檢測(cè)任務(wù)。同時(shí)提出了一種圖像篩選算法，制作出符合復(fù)雜光照條件下的數(shù)據(jù)集并進(jìn)行標(biāo)注。最后通過(guò)實(shí)驗(yàn)證明，其平均精度均值達(dá)到92.1%，各方面效果均得到了提升。未來(lái)工作將繼續(xù)對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充，并對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行進(jìn)一步優(yōu)化，來(lái)提高檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。