新冠疫情蔓延全球,对人类生命健康造成巨大威胁,佩戴口罩成为防止新冠病毒传播的重要措施。目前,口罩佩戴检测主要是基于人工的监测,这不仅耗费人力,效率低,还会导致人群排队、聚集,增加病毒传播的风险。极少数的口罩检测是基于计算机视觉的自动检测,且存在复杂背景下抗干扰能力弱,小目标漏检、误检以及检测速度慢等问题。针对上述问题,本文用深度学习方法对基于计算机视觉的口罩佩戴检测开展了研究,具体工作如下:首先,选取目标检测与识别模型Faster R-CNN和YOLOv3作为口罩佩戴检测初始模型,分别在自制的口罩数据集上进行训练并对两者的检测性能进行对比,选取检测精度与速度更优的模型YOLOv3作为后续优化与改进的基准模型。然后,针对现有模型边框回归不精确,前向推理计算冗杂的问题,本文分别提出使用先验框组件的优化策略与DBL基本组件的优化策略。结果表明,上述策略使检测边框与目标的贴合程度更高,前向推理速度更快,相对于基准模型,检测精度为85.5%,提高了2.1个百分点,检测速度为0.02秒/张,提升了6.4个百分点。其次,针对现有模型存在的检测精度不高以及小目标漏检、误检的问题,本文构建一种YOLOv3与Dense Net融合改进的网络,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,对该尺寸目标进行集中优化训练。结果表明,基于稠密网络的改进策略提升了模型对中小目标敏感程度,改善了漏检与误检情况,该模型的检测精度为88.8%,提升了3.3个百分点。再次,为了进一步解决检测精度不高以及对目标搜寻能力不强的问题,本文在骨干网络中添加空间注意力机制模块,使其精确地关注较为重要的位置特征信息。结果表明,基于注意力机制的改进策略提升了模型对小目标、难以检出目标的搜索能力,进一步改善了漏检情况,检测精度为90.7%,提升了1.9个百分点。最后,针对现有模型在复杂场景下易受背景干扰的问题,本文构建一种自适应多尺度特征融合的网络结构,使每个用于预测的特征图都包含了3个尺度的特征信息,通过对特征通道重新分配权重,增强目标特征信息表达。结果表明,基于自适应特征融合的改进策略可以使模型在各种复杂环境中完成检测任务,在保持高检测速度的同时检测精度达到了93.4%,提升了2.7个百分点。