以下编程在Jupyter notbook平台上进行

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

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。

(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：

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：

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：

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：

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

输入命令创建路径文件

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

have_mask.txt文件位置在正样本数据集文件夹中

(2)创建负样本数据集txt文件(方法同正样本数据集一样)

然后将have_mask.txt和no_mask.txt文件放到mask目录下

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

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：

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：

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：

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

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

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：

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

(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

在这里训练模型的时间会很长，耐心等待…

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：

而佩戴口罩会做出标记

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

希望与广大网友互动？？

点此进行留言吧！