基于YOLOv3和YCrCb的人脸口罩检测与规范佩戴识别

2020年初,新冠病毒席卷全球,为防止其传播,在很多公共场合要求佩戴口罩。利用计算机视觉检测人脸是否佩戴口罩以及识别是否佩戴规范,可以避免检测人员与他人接触感染的风险且更加高效。针对人脸口罩检测问题,提出了基于YOLOv3的目标检测算法,实现对佩戴口罩的人脸和未佩戴口罩的人脸的检测。针对口罩规范佩戴识别问题,则基于前者检测结果,提取佩戴口罩的人脸区域,利用YCrCb的椭圆肤色模型对该区域进行肤色检测,依据人脸中鼻和嘴周围区域的皮肤暴露状况来判断口罩是否佩戴规范。实验结果表明,人脸口罩检测的mAP达到89.04%,口罩规范佩戴的识别率达到82.48%,满足实际应用的需求。

基于不同光照条件的人体手势识别新方法

针对不同光照条件下基于摄像头的人体手势识别所存在的识别率、实时性和鲁棒性等问题,提出一种基于不同光照条件的人体手势识别新方法。首先利用传统图像处理技术与光线补偿、色彩平衡、对比度受限自适应直方图均衡(CLAHE)进行视频帧预处理,然后运用基于Haar分类器的前期检测与基于YCr Cb肤色模型的后期验证进行手势识别分类,并提取质心特征进行方向跟踪判断,最终完成静态与动态实时人体手势识别任务。实验结果表明,在几种不同光照条件下,实时识别率达90%以上,且在手势扭曲、侧对与旋转一定程度下仍具良好识别效果。