计算机与图像技术Computer&MultimediaTechnology电子技术与软件工程ElectronicTechnology&SoftwareEngineering153规范佩戴口罩是国内外公认的一种预防病毒感染的有效途径，口罩作为阻隔病毒传染的物理方式之一，其能阻断病原体经飞沫传播，同时具有双向隔离保护作用，佩戴口罩对于公众防范病毒感染的风险和维持人体基本健康具有重要意义[1]。然而，很多人由于防范意识不够，在公共场合并没有正确佩戴口罩甚至不佩戴口罩，给疫情防范带来很大的安全隐患。为对在疫情防范的公共区域不正确佩戴口罩或并不佩戴口的人群进行自动识别判断并发出预警提醒，越来越来多的专家学者投入到基于机器视觉的口罩人脸识别技术研究中来[2-3]，目前，检测识别用户佩戴口罩的方法有很多，如SSD算法[4]、Mask-Det算法[5]、基于帧间差分的口罩佩戴检测算法[6]、基于YOLOVx[7,8,9,10,11]的口罩佩戴检测算法、基于迁移学习的MaskNet[12]、Anchorfree算法[13]等。现有的算法中，大部分是以提高识别准确度以及识别速度作为主要核心目标展开的。张欣怡[14]等设计了基于改进YOLOv5的口罩佩戴检测算法，将传统卷积换为结合标准卷积和深度可分离卷积并进行通道混洗的鬼影混洗卷积（GSConv），可以在保证精度的前提下，对网络速度进行提升。在改进的YOLOv5s模型neck层最后添加自适应空间特征融合（ASFF），对不同尺度的特征可以进行更好的融合，提高网络检测精度。虽然这些算法在识别速度以及识别精度上有着很大的提升，但对于不同的环境下或者佩戴口罩程度不同的用户却很难进行精准识别，且不能做到对用户口罩佩戴是否规范。为快速精确判断口罩佩戴是否规范，本文提出了基于HaarAdaboost级联分类器的口罩佩戴检测方案，通过图像特征值之间的差值判断用户是否佩戴口罩，采用Adaboost级联分类器训练鼻子及嘴巴特征判断口罩佩戴是否正确。1基于Haar特征的Adaboost级联分类器原理1.1Haar特征及特征值计算Haar[15]特征，也称为Haar-like特征，是计算机视觉领域一种常用的特征描述算子。人脸的Haar-like特征易于区分而且不依赖于外部条件变化，并能将人脸同背景或其他目标区分开来[16]，因此常用来做人脸检测。Haar特征的特征值定义为白色矩形像素的和减去黑色矩形像素的和[17-18]。图1为4类9种形式的部分Haar特征模板。对于(a)(b)(e)(f)(i)五种特征，特征值F1的计算公式如式（1）。F1=Sum白-Sum黑（1）对于(c)(d)两种特征，特征值F2的计算公式如式（2）。F2=Sum白-2Sum黑（2）基于Open...
