基于jupyter notebook的python编程（Win10通过OpenCv-3.4.1进行人脸口罩数据集的模型训练并进行戴口罩识别检测）

新冠疫情的影响下，人民群众*戴上口罩，相信各位小伙伴们也不例外，但在戴口罩的情况下，我们会遇到各种不方便的问题，例如在进出校园或者是小区的时候，需要将口罩摘下来，然后进行人脸识别，特别麻烦，本次博客，林君学长主要带大家了解如何对口罩数据集进行模型训练，然后进行戴口罩识别

• 操作系统：Win10
• 编程环境：Jupyter Notebook
• 模型训练环境：Opencv-3.4.1
• Python版本：python3.6

一、OpenCv的下载及安装

在进行OpenCv的安装同时，大家会有几个选择，一个是新版本 的OpenCv-4.xx，另一种选择便是OpenCv-3.xx，在林君学长经过各种测试之后，发现对于模型训练的需要，选择OpenCv-3.4.1版本的进行win下的安装，因为该版本会具有数据集模型训练的exe文件，因此，建议大家选择OpenCv-3.4.1进行下载安装！

1、OpenCv的下载

1）、OpenCv-3.4.1官网下载链接
https://opencv.org/opencv-3-4-1/

2）、选择Win pack进行win10安装包下载

3）、在弹出的页面等待5秒，进行路径选择下载

2、OpenCv的安装

1）、点击下载好的OpenCv-3.4.1.exe进行自定义安装

2）、双击，自定义路径暗转

3）、安装成功

3、查看是否具有模型训练环境

1）、找到opencv的安装路径，然后查到路径 \opencv\build\x64\vc14\bin下是否具有下图标记的的两个exe文件

2）、如果具有上面两个工具，我们便可以进行下一步，当然，如果安装林君学长推荐的OpenCv-3.4.1,一定会有以上两个模型训练exe文件的，接下来，我们便进入下一步，口罩数据集的下载吧！

二、人脸口罩数据集的下载及处理

人脸口罩数据集主要是为了进行模型训练，OpenCv通过神经网络进行模型训练，通过网络查找而言，口罩数据集的正负比例为1:3，及解释为，500张戴口罩的数据集，需要1500张不戴口罩的数据集进行模型训练，在这里，林君学长已经准备好了我们需要的大致为1:3正负样本比例的数据集，小伙伴可以通过如下链接进行下载。

1、人脸口罩数据集下载

1）、通过如下链接进行人脸口罩数据集的下载，包括600张正样本(戴口罩)和1800多张负样本(不带口罩)
https://download.csdn.net/download/qq_42451251/12566250
2）、CSDN下载后的样本如下所示，我们解压后将里面的mask文件夹放在F盘或者其他方便操作的盘下面；

提取到F盘之后如下所示：

2、数据集重命名为连续序列

通过样本，我们可以发现，数据集里面的图片是不连续的，，因此，我们需要将正负样本数据集重命名，命名为连续增加的图片格式，为了后面的图片像素调整
1）、通过如下python代码对正负样本进行重命名

#对数据集重命名
#coding:utf-8
import os
path = "F:\\mask\\have_mask" #你的路径
filelist = os.listdir(path)
count=1000 #开始文件名1000.jpg
for file in filelist:   
    Olddir=os.path.join(path,file)  
    if os.path.isdir(Olddir):  
        continue
    filename=os.path.splitext(file)[0]   
    filetype=os.path.splitext(file)[1]
 
    Newdir=os.path.join(path,str(count)+filetype)  
    os.rename(Olddir,Newdir)
    count+=1

正样本重命名结果如下所示：

2）、同样的，在上面修改路径，为负样本同样重命名

#对负样本数据集重命名
#coding:utf-8
import os
path = "F:\\mask\\no_mask" #你的路径
filelist = os.listdir(path)
count=10000 #开始文件名10000.jpg
for file in filelist:   
    Olddir=os.path.join(path,file)  
    if os.path.isdir(Olddir):  
        continue
    filename=os.path.splitext(file)[0]   
    filetype=os.path.splitext(file)[1]
 
    Newdir=os.path.join(path,str(count)+filetype)  
    os.rename(Olddir,Newdir)
    count+=1

负样本重命名结果如下所示：

值得注意的是，当我们设置的开始命名需要大于数据集中最后一张图片的数据，不然会报错，例如，数据集中最后一张为1000.jpg，那我们设置的count应该大于1000

当数据集重命名成功之后，我们便可以对图片的的像素进行处理了！看下面步骤吧！

3、正负样本数据集像素处理

官方推荐，正样本数据集的像素最好设置为20x20的像素，让训练的模型精度更高；而负样本数据集应该不低于50x50的样本，这样设置的原因是方便OpenCv加快模型训练，因此我们需要对刚刚的数据集进行 像素修改，具体操作如下；
1）、通过如下python代码，修改正样本数据集的像素为20x20

#修改正样本像素
import pandas as pd
import cv2
for n in range(1000,1606):#代表正数据集中开始和结束照片的数字
    path='F:\\mask\\have_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(20,20)) #修改样本像素为20x20
    cv2.imwrite('F:\\mask\\have_mask\\' + str(n) + '.jpg', img)
    n += 1

正样本数据集修改后如下所示：

2）、同样的，修改负样本的像素为60x60，知道大于50x50便好

#修改负样本像素
import pandas as pd
import cv2
for n in range(10000,11790):#代表负样本数据集中开始和结束照片的数字
    path='F:\\mask\\no_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(60,60)) #修改样本像素为60x60
    cv2.imwrite('F:\\mask\\no_mask\\' + str(n) + '.jpg', img)
    n += 1

负样本数据集修改后像素如下所示：

4、创建正负样本数据集路径txt文档

创建正负样本路径的txt文档是为了后面模型训练而使用，接下来我们便通cmd终端命令行进行路径文档创建吧！
1）、正样本数据集路径文档创建
（1）、打开打开cmd，进入到存放正样本的have_mask文件夹

F:
cd mask\have_mask

（2）、cmd终端输入如下命令创建路径文档

dir /b/s/p/w *.jpg > have_mask.txt

这时候，在正样本数据集的末尾，你就会发现已经创建一个have_mask.txt的路径正样本文件，文件内容如下所示：

2）、负样本数据集路径文档创建
对于负样本路径文档的创建，和上面方式一下如下：
（1）、进入负样本文件夹

cd /mask/no_mask/

（2）、输入如下命令，创建负样本路径txt文档

dir /b/s/p/w *.jpg > no_mask.txt

负样本路径文档内容如下所示：

5、将正负样本txt文档复制到数据集同级目录

将上面我们创建的路径文档分别复制到数据集的同级目录，如下所示：

三、口罩数据集的模型训练

1、创建XML文件夹

1）、创建xml文件夹，存放OpenCV训练好的模型

2、复制训练exe文件

1）、将OpenCV安装路径 \opencv\build\x64\vc14\bin下的opencv_createsamples.exe可执行文件和opencv_traincascade.exe可执行文件及另外两个下图文件复制到数据集同级目录，如下所示：

3、对正负样本txt文档进行预处理

1）、由于正负样本需要生成 .vec格式的文档进行模型训练，因此，我们需要通过对txt文档进行预处理，向have_mask.txt文件没行中加入 1 0 0 20 20，通过如下代码添加：

#正样本文件预处理 没行目录结尾加入 1 0 0 20 20 
#coding:utf-8
import os
#Houzui="_Apple"
Houzui=r" 1 0 0 20 20" #后缀
filelist = open('F:\\mask\\have_mask.txt','r+',encoding = 'utf-8')
line = filelist.readlines()
for file in line:
    file=file.strip('\n')+Houzui+'\n'
    print(file)
    filelist.write(file)

2）、该代码由于不会覆盖之间的文件，只能添加到文件末尾，所以添加之后需要打开该文件将之前的删除然后保存即可，如果小伙伴能够改进以上代码就更好哦，改正之后希望能够给学长说啦！


这里1表示当前图片重复出现的次数是1， 0 0 20 20表示目标图片大小是矩形框从（0，0）到（20，20）。
3）、再次将have_mask目录下的have_mask.txt复制出来，命名为have_mask1.txt，后面训练会需要，如下所示：

该内容是没有预处理的哦，只有路径内容：

4）、对负样本同样执行以上操作

#负样本文件预处理 没行目录结尾加入 1 0 0 60 60
#coding:utf-8
import os
#Houzui="_Apple"
Houzui=r" 1 0 0 60 60" #后缀
filelist = open('F:\\mask\\no_mask.txt','r+',encoding = 'utf-8')
line = filelist.readlines()
for file in line:
    file=file.strip('\n')+Houzui+'\n'
    print(file)
    filelist.write(file)

（1）、再次将no_mask目录下的no_mask.txt复制出来，命名为no_mask1.txt，后面训练会需要，如下所示：

4、生成正样本mask.vec文件和负样本mask1.vec文件

1）、在刚刚的cmd终端，输入一下命令，生成mask.vec文件

cd /mask/
opencv_createsamples.exe -vec mask.vec -info have_mask.txt -num 605 -w 20 -h 20

• info，指样本说明文件
• vec，样本描述文件的名字及路径
• num，总共几个样本，要注意，这里的样本数是指标定后的30x30的样本数,数据集中有605张照片，因此选择605
• w -h指明想让样本缩放到什么尺寸。这里的奥妙在于你不必另外去处理第1步中被矩形框出的图片的尺寸，因为这个参数帮你统一缩放！(我们这里准备的样本都是20*20)

2）、运行出现如下错误：

这表明，数据集中可用模型只有410张，因此，我们将上面的命令中num改为410再次执行
3）、执行成功如下所示：

opencv_createsamples.exe -vec mask.vec -info have_mask.txt -num 410 -w 20 -h 20

4）、mask.vec 文件已经创建

5）、同样生成负样本的mask1.vec

opencv_createsamples.exe -vec mask1.vec -info no_mask.txt -num 1688 -w 60 -h 60

5、进行模型训练

1）、在数据集同级目录创建一个txt文档，写入如下内容，写入后保存然后关闭：

opencv_traincascade.exe -data xml -vec mask.vec -bg no_mask.txt -numPos 385 -numNeg 400 -numStages 20 -w 20 -h 20 -mode ALL

pause

• numPos：只正样本数据集张数，上面是411张，但设置应该比他小，不然会报错，建议设置成350
• numNeg：负样本数据集张数，数据集为1688张

2）、各个参数含义如下所示：

3）、重命名刚刚创建的txt名称为traincascade.bat

4）、删除之前的have_mask.txt和no_mask,txt,然后将have_mask1.txt和no_mask1.txt该为have_mask.txt和no_mask.txt,如下所示：


5）、双击traincascade.bat文件，进行人脸口罩模型训练
（1）、出现如下图则表示为正在进行模型训练

在训练途中，程序可能会暂停，当不动的时候，在cmd终端按一下键盘的回车键就好！
（2）、该模型训练需要花费的时间较长，由于需要训练20层，因此花费大量时间，到这里，小伙伴可以静静等待就好，大约需要50分钟左右，模型便会训练完成！
（3）、训练结束后会在xml目录下生成如图文件（其中cascade.xml就是我们训练得到的分类器）如下所示：

四、戴口罩检测

1、通过如下python代码，进行口罩模型训练的监测

1）、python代码如下所示：

import cv2
detector= cv2.CascadeClassifier('D:/python/python1/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
mask_detector=cv2.CascadeClassifier('F:/mask/xml/cascade.xml')
cap = cv2.VideoCapture(0)
while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.1, 3)
    for (x, y, w, h) in faces:
        #参数分别为 图片、左上角坐标，右下角坐标，颜色，厚度
        face=img[y:y+h,x:x+w]  # 裁剪坐标为[y0:y1, x0:x1]
        mask_face=mask_detector.detectMultiScale(gray, 1.1, 5)
        for (x2,y2,w2,h2) in mask_face:
            cv2.rectangle(img, (x2, y2), (x2 + w2, y2 + h2), (0, 0, 255), 2)
    cv2.imshow('mask', img)
    cv2.waitKey(3)
cap.release()
cv2.destroyAllWindows()

上面D:/python/python1/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml是opencv-python下载得时候里面的一个xml模型，自带的人脸识别模型文件，当然还有自带其他的xml文件，比如笑脸识别，猫脸识别，眼睛识别等等，在python安装路径下就能够找到该文件，前提你安装了opencv-python库哦！
2）、运行结果如下所示：
（1）、佩戴口罩识别出人脸

（2）、不佩戴口罩便不能识别出来

哈哈，经过以上多次试验的发现，林君学长给的数据集数目过少，识别效率实在是过低，错误大，因此，小伙伴在进行口罩识别的时候，请务必提升数据集中图片的数量哦！
以上就是本次博客的全部内容，整体过程在熟悉之后便不会太复杂，相对简单，难点是对于环境的搭建，和在cmd中操作的不熟悉，但如果熟悉Ubuntn系统的操作，便不会反感在Win上的cmd中使用命令操作，后续林君学长将发布在Ubuntu系统上的口罩人脸识别，本次作为实践项目吧！
遇到问题的小伙伴请在评论去进行留言，林君学长看到会为大家进行解答的，这个学长不太冷！
陈一月的又一天编程岁月^ _ ^

本文地址：https://blog.csdn.net/qq_42451251/article/details/107057643