python实现人脸口罩检测(基于opencv和深度学习两种方法)
人脸口罩检测GUI系统(基于opencv和深度学习两种方法对比)
由于疫情的影响,人脸口罩检测系统的开发成为很多人争相开发的一种算法。很多公司或者个人都开源了他们很多的代码或者SDK。大家在GitHub或者各种平台上都能够找到很多的资源。
前段时间在博客上看到几个有趣的开源项目,它能检测我们是否有戴口罩,跑起程序测试后,发现识别率挺高的,也适应不同环境;于是分享给大家。我用了其中两种并整合在一个GUI下面,一种是基于深度学习的,一种是基于opencv训练的。
测试环境
windows10 系统;
软件:pyCharm;
使用模型:tenforflow1.15.0 ;
python3.7
下面先看一下整个系统的GUI界面:
GUI程序:
from tkinter import *
from tkinter.filedialog import askdirectory
from tkinter.messagebox import showinfo
import cv2
import numpy as np
from PIL import Image, ImageTk
from tkinter import ttk
import pygame
import time
import tensorflow_infer as flow
file_slogan = r'video/slogan.mp3'
file_slogan_short = r'video/slogan_short.mp3'
pygame.mixer.init(frequency=16000, size=-16, channels=2, buffer=4096)
detector = cv2.CascadeClassifier('haarcascades\\haarcascade_frontalface_default.xml')
mask_detector = cv2.CascadeClassifier('xml\\cascade.xml')
class GUI:
def __init__(self):
self.camera = None # 摄像头
self.root = Tk()
self.root.title('maskdetection')
self.root.geometry('%dx%d' % (800, 600))
self.createFirstPage()
mainloop()
def createFirstPage(self):
self.page1 = Frame(self.root)
self.page1.pack()
Label(self.page1, text='欢迎使用口罩检测跟踪系统', font=('粗体', 20)).pack()
image = Image.open("demo2.jpg") # 随便使用一张图片做背景界面 不要太大
photo = ImageTk.PhotoImage(image = image)
self.data1 = Label(self.page1, width=780,image = photo)
self.data1.image = photo
self.data1.pack(padx=5, pady=5)
self.button11 = Button(self.page1, width=18, height=2, text="深度学习算法", bg='red', font=("宋", 12),
relief='raise',command = self.createSecondPage1)
self.button11.pack(side=LEFT, padx=25, pady = 10)
self.button12 = Button(self.page1, width=18, height=2, text="传统算法", bg='green', font=("宋", 12),
relief='raise', command = self.createSecondPage)
self.button12.pack(side=LEFT, padx=25, pady = 10)
self.button13 = Button(self.page1, width=18, height=2, text="打开本地视频", bg='white', font=("宋", 12), relief='raise',
command = self.select_path)
self.button13.pack(side=LEFT, padx=25, pady = 10)
self.button14 = Button(self.page1, width=18, height=2, text="退出系统", bg='gray', font=("宋", 12),
relief='raise',command = self.quitMain)
self.button14.pack(side=LEFT, padx=25, pady = 10)
def createSecondPage1(self):
self.camera = cv2.VideoCapture(0)
self.page1.pack_forget()
self.page2 = Frame(self.root)
self.page2.pack()
Label(self.page2, text='欢迎使用口罩检测跟踪系统', font=('粗体', 20)).pack()
self.data2 = Label(self.page2)
self.data2.pack(padx=5, pady=5)
self.button21 = Button(self.page2, width=18, height=2, text="返回", bg='gray', font=("宋", 12),
relief='raise',command = self.backFirst)
self.button21.pack(padx=25,pady = 10)
self.video_loop1(self.data2)
def video_loop1(self, panela):
def slogan_short():
timeplay = 1.5
global playflag_short
playflag_short = 1
while playflag_short:
track = pygame.mixer.music.load(file_slogan_short)
print("------------请您戴好口罩")
pygame.mixer.music.play()
time.sleep(timeplay)
playflag_short = 0
time.sleep(0)
success, img = self.camera.read() # 从摄像头读取照片
if success:
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
num,c,img = flow.inference(img, conf_thresh=0.5, iou_thresh=0.4, target_shape=(260, 260), draw_result=True,
show_result=False)
# 语音提示
# if(isinstance(num/5,int)& (c=='NoMask')):
# slogan_short()
# cv2.imshow('image', img)
# img = flow.inference(img, show_result=True, target_shape=(260, 260))
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2image = cv2.cvtColor(img, cv2.COLOR_BGR2RGBA) # 转换颜色从BGR到RGBA
current_image = Image.fromarray(cv2image) # 将图像转换成Image对象
imgtk = ImageTk.PhotoImage(image=current_image)
panela.imgtk = imgtk
panela.config(image=imgtk)
self.root.after(1, lambda: self.video_loop1(panela))
def select_path(self):
self.pash_= askdirectory()
path = StringVar()
path.set(self.pash_)
def createSecondPage(self):
self.camera = cv2.VideoCapture(0)
self.page1.pack_forget()
self.page2 = Frame(self.root)
self.page2.pack()
Label(self.page2, text='欢迎使用口罩检测跟踪系统', font=('粗体', 20)).pack()
self.data2 = Label(self.page2)
self.data2.pack(padx=5, pady=5)
self.button21 = Button(self.page2, width=18, height=2, text="返回", bg='gray', font=("宋", 12),
relief='raise',command = self.backFirst)
self.button21.pack(padx=25,pady = 10)
self.video_loop(self.data2)
def video_loop(self, panela):
success, img = self.camera.read() # 从摄像头读取照片
if success:
faces = detector.detectMultiScale(img, 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(img, 1.1, 5)
for (x2, y2, w2, h2) in mask_face:
cv2.putText(img, 'mask', (x2 - 2, y2 - 2),
cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255))
cv2.rectangle(img, (x2, y2), (x2 + w2, y2 + h2), (0, 0, 255), 2)
#img = mask.facesdetecter(img)
cv2image = cv2.cvtColor(img, cv2.COLOR_BGR2RGBA) # 转换颜色从BGR到RGBA
#faces = detector.detectMultiScale(cv2image, 1.1, 3)
current_image = Image.fromarray(cv2image) # 将图像转换成Image对象
imgtk = ImageTk.PhotoImage(image=current_image)
panela.imgtk = imgtk
panela.config(image=imgtk)
self.root.after(1, lambda: self.video_loop(panela))
def backFirst(self):
self.page2.pack_forget()
self.page1.pack()
# 释放摄像头资源
self.camera.release()
cv2.destroyAllWindows()
def backMain(self):
self.root.geometry('900x600')
self.page3.pack_forget()
self.page1.pack()
def quitMain(self):
sys.exit(0)
if __name__ == '__main__':
demo = GUI()
1.深度学习的效果:
检测出胡歌没有带口罩。红色框框是圈出人脸部分,上方的字体:NoMask ,准确率 1 (即有100%把握认为没带口罩)
如果在多人的情况下,能检测出来吗?
这个模型能同时检测多人的,并且准确高。以上是基于照片的。
下面是基于GUI打开摄像头的,有无口罩的对比:
这个深度学习的项目完全开源,可以自己先到网页上去体验一波:
https://demo.aizoo.com/face-mask-detection.html
深度学习开源项目简单介绍:
1)支持5大主流深度学习框架(PyTorch、TensorFlow、MXNet、Keras和Caffe),已经写好接口了;可以根据自身的环境选择合适的框架,比如:TensorFlow;所有模型都在models文件夹下。
2)公开了进8000张的人脸口罩数据和模型,数据集来自于WIDER Face和MAFA数据集, 重新修改了标注并进行了校验(主要是 MAFA和WIDER Face的人脸位置定义不一样,所以进行了修改标注)并将其开源出来。
另外如果自己想要利用tensorflow训练自己的图片数据集,可参考下面这个博客:
https://blog.csdn.net/jesmine_gu/article/details/81155787
2.基于Opencv的口罩佩戴识别
我是完全参照下面这位博主的训练方法训练的。
附上地址 : 基于Opencv的口罩佩戴识别系统
注:这个方法只能检测有口罩的,无口罩就没法检测,不给任何提示或者标注。
看看有口罩的效果:
演示视频视频好像还不支持。故这里不放演示视频了。需要这两种方法完整的源代码都可以去下面的地址找到:
然后本人整合两种方法有GUI界面的源代码已经放到网盘,有需要的朋友自取:
链接:https://pan.baidu.com/s/14fpFKaa20AKGuAiD9UZC1Q
提取码:bun4
上一篇: C++11智能指针之shared_ptr
下一篇: 2-1 神经网络之感知器