摘要
本发明涉及一种基于YOLOv8抗遮挡伪冒攻击的人脸口罩检测方法,属于人工智能安全应用领域。本发明通过构建高样本容量、高分辨率的人脸口罩检测图片数据集,提高了检测模型的精度和泛化性;通过采用自定义卷积模块改进了原始YOLOv8目标检测模型,提高了检测模型的卷积效率,增强了模型的特征提取能力,并降低了计算复杂度;通过采用自定义模块和损失函数改进原始YOLOv8人体姿态估计模型,增强了模型的特征融合能力和目标定位能力;通过自主设计基于YOLOv8抗遮挡伪冒攻击的人脸口罩检测方法,实现对待检测图片进行高精度、高鲁棒性、高实时性的人脸口罩检测。本发明可以实现实时人脸口罩检测,能够防御真实检测场景下的遮挡伪冒攻击,同时设计自定义的数据集和模型网络结构,使得本发明具有良好的检测精度和检测实时性。
技术关键词
人体姿态估计
口罩
人脸
检测模型训练
搭建模块
模型训练模块
图像采集模块
攻击检测模块
图片
检测头
卷积模块
网络
分支
注意力机制
通道
训练集数据
分布式系统
拼接模块
系统为您推荐了相关专利信息
人脸认证方法
SM4算法
客户端
对称加密算法
人脸特征向量
自动扶梯控制
视频分析
检测自动扶梯
远程安全控制装置
人体姿态估计技术
容错控制方法
容错控制器
变换器
平均驻留时间
矩阵
人脸图像特征
视频生成方法
音频
多模态特征融合
语义特征