基于检测与回归的方法在佩戴口罩比例估计中的有效性
计算机视觉与模式识别
2021-12-06 v3 人工智能
摘要
估计公共场所的佩戴口罩比例非常重要，因为它使卫生部门能够及时分析并实施政策。已有文献报道了基于图像分析来估计佩戴口罩比例的方法。然而，在方法和数据集方面仍缺乏全面的研究。最近的报告大多直接提出应用传统的目标检测和分类方法来估计该比例。使用基于回归的方法来估计佩戴口罩的人数是可行的，特别是对于具有微小且被遮挡面部的拥挤场景，但这尚未得到充分研究。大规模且标注良好的数据集仍然需求迫切。在本文中，我们提出了两种利用基于检测或基于回归的方法进行比例估计的方法。对于基于检测的方法，我们改进了用于估计比例的 SOTA 人脸检测器 RetinaFace。对于基于回归的方法，我们微调了基线网络 CSRNet，用于估计戴口罩和未戴口罩面部的密度图。我们还提出了首个大规模数据集“NFM 数据集”，其中包含从 17 个街景视频的 18,088 个视频帧中提取的 581,108 个人脸标注。实验表明，基于 RetinaFace 的方法在各种情况下均具有更高的准确性，而基于 CSRNet 的方法由于其紧凑性而具有更短的运行时间。
引用
@article{arxiv.2111.12888,
title = {Effectiveness of Detection-based and Regression-based Approaches for Estimating Mask-Wearing Ratio},
author = {Khanh-Duy Nguyen and Huy H. Nguyen and Trung-Nghia Le and Junichi Yamagishi and Isao Echizen},
journal= {arXiv preprint arXiv:2111.12888},
year = {2021}
}