欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

基于Python+OpenCV的人脸口罩识别检测

程序员文章站 2023-11-28 15:54:22
以下编程在Jupyter notbook平台上进行目录一、OpenCV下载安装二、人脸口罩数据集下载处理(一)人脸口罩数据集下载(二)人脸口罩数据集的处理三、训练人脸口罩数据集模型四、进行人脸口罩检测一、OpenCV下载安装参考网址:https://blog.csdn.net/cungudafa/article/details/84451066二、人脸口罩数据集下载处理(一)人脸口罩数据集下载下载人脸口罩数据集的目的是利用OpenCV进行模型训练,这里采用口罩数据集的正负比列为1:3,即500...

以下编程在Jupyter notbook平台上进行

一、OpenCV下载安装

参考网址:
https://blog.csdn.net/cungudafa/article/details/84451066

二、人脸口罩数据集下载处理

(一)人脸口罩数据集下载

下载人脸口罩数据集的目的是利用OpenCV进行模型训练,这里采用口罩数据集的正负比列为1:3,即500张戴口罩的人脸图片和1500张不戴口罩的人脸图片。
链接:https://pan.baidu.com/s/11PBCmDDx7Dtx_ckjwZR2uw
提取码:n2um
解压之后,将压缩包中的mask文件自行选择文件夹放置,以便之后的操作。
基于Python+OpenCV的人脸口罩识别检测

(二)人脸口罩数据集的处理

1、将数据集重命名为连续序列
因为数据集中的图片序列是不连续的,因此这里需要编程将数据集的正负样本重命名为连续序列,以便像素调整。
重命名正样本序列Python代码:

#对数据集重命名
#coding:utf-8
import os
path = "D:\\facemask\\mask\\have_mask" #人脸口罩数据集正样本的路径
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

命名之后,正样本序列如下:
基于Python+OpenCV的人脸口罩识别检测
重命名负样本序列Python代码:

#对数据集重命名
#coding:utf-8
import os
path = "D:\\facemask\\mask\\no_mask" #人脸口罩数据集的路径
filelist = os.listdir(path)
count=10000 #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

重命名之后,负样本序列如下:
基于Python+OpenCV的人脸口罩识别检测
2、正负样本数据集像素处理

正样本数据集的像素最佳设为20x20,这样的模型训练精度更高;负样本数据集像素不低于50x50,这样处理可以加快模型训练的速度。
修改正样本数据集像素为20x20Python代码:

#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='D:\\facemask\\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('D:\\facemask\\mask\\have_mask\\' + str(n) + '.jpg', img)
    n += 1

修改像素之后,序列如下:
基于Python+OpenCV的人脸口罩识别检测
修改负样本数据集像素为80x80Python代码:

#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='D:\\facemask\\mask\\no_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(80,80)) #修改样本像素为60x60
    cv2.imwrite('D:\\facemask\\mask\\no_mask\\' + str(n) + '.jpg', img)
    n += 1

修改像素之后,序列如下:
基于Python+OpenCV的人脸口罩识别检测
3、创建正负样本数据集路径的txt文件
(1)创建正样本数据集txt文件
win+R打开窗口输入cmd,进入命令提示符界面,进入have_mask文件夹
基于Python+OpenCV的人脸口罩识别检测
输入命令创建路径文件

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

基于Python+OpenCV的人脸口罩识别检测
have_mask.txt文件位置在正样本数据集文件夹中

基于Python+OpenCV的人脸口罩识别检测
(2)创建负样本数据集txt文件(方法同正样本数据集一样)
基于Python+OpenCV的人脸口罩识别检测
基于Python+OpenCV的人脸口罩识别检测
然后将have_mask.txt和no_mask.txt文件放到mask目录下
基于Python+OpenCV的人脸口罩识别检测

三、训练人脸口罩数据集模型

1、创建xml文件夹存放训练好的模型
基于Python+OpenCV的人脸口罩识别检测
2、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:
基于Python+OpenCV的人脸口罩识别检测
基于Python+OpenCV的人脸口罩识别检测
3、对正负样本txt文档进行预处理
正负样本需要生成 .vec格式的文档进行模型训练,因此需要通过对txt文档进行预处理,向have_mask.txt文件中末尾加入 1 0 0 20 20。
正样本处理Python代码:

#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('D:\\facemask\\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)

负样本处理Python代码:

#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 80 80" #后缀
filelist = open('D:\\facemask\\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)

这个处理不会自动覆盖之前的文件内容,所以需要手动将之前的内容剪切出来 ,保存为have_mask1.txt文件,have_mask.txt文件中只保留末尾为1 0 0 20 20的内容,如下:
基于Python+OpenCV的人脸口罩识别检测
同理,对no_mask.txt文件执行同样的操作手动将之前的内容剪切出来 ,保存为no_mask1.txt文件,no_mask.txt文件中只保留末尾为1 0 0 80 80的内容,如下:
基于Python+OpenCV的人脸口罩识别检测
4、生成正样本havemask.vec文件和nomask.vec文件
这里操作在cmd终端中进行,进入mask文件夹下,输入以下内容:
生成正样本havemask.vec文件:

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

基于Python+OpenCV的人脸口罩识别检测
生成负样本nomask.vec文件:

opencv_createsamples.exe -vec nomask.vec -info no_mask.txt -num 1688 -w 80 -h 80

基于Python+OpenCV的人脸口罩识别检测
上述命令内容阐述:

  • info:样本说明文件
  • vec:样本描述文件名和路径
  • num:样本个数,这里为410个样本
  • w h:样本尺寸,这里为20x20

生成文件如下:
基于Python+OpenCV的人脸口罩识别检测
5、训练模型
(1)在mask目录下创建txt文件,写入以下内容:

opencv_traincascade.exe -data xml -vec havemask.vec -bg no_mask.txt -numPos 350 -numNeg 400 -numStages 20 -w 20 -h 20 -mode ALL

pause

(2)将创建的txt文件命名为traincascade.bat
基于Python+OpenCV的人脸口罩识别检测
(3)删的have_mask.txt和no_mask,txt,然后将have_mask1.txt和no_mask1.txt改为have_mask.txt和no_mask.txt
(4)打开traincascade.bat,开始训练人脸口罩数据集模型
基于Python+OpenCV的人脸口罩识别检测
在这里训练模型的时间会很长,耐心等待…
基于Python+OpenCV的人脸口罩识别检测
训练结束

四、进行人脸口罩检测

Python代码:

import cv2
detector= cv2.CascadeClassifier('C:\\Users\\asus\\AppData\\Local\\Programs\\Python\\Python35\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
mask_detector=cv2.CascadeClassifier('D:\\facemask\\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 Detector', img)
    cv2.waitKey(3)
cap.release()
cv2.destroyAllWindows()

haarcascade_frontalface_default.xml是Python安装目录下的模型,自带人脸识别模型文件,在此之前需要安装opencv-python库。
运行结果:
未佩戴口罩不会做标记:
基于Python+OpenCV的人脸口罩识别检测
而佩戴口罩会做出标记
基于Python+OpenCV的人脸口罩识别检测
这中间有问题,识别精度有点低,原因在于训练的数据集太少了,有条件的话可以多找一点图片来进行训练。

本文地址:https://blog.csdn.net/weixin_45137708/article/details/107098266