每次我忘记戴口罩去食堂吃饭的时候，门口都会有志愿者学生提醒你：“你好，麻烦戴下口罩。” 进门后里面那块大屏幕还会发出声音：“请佩戴口罩”。

上次博客仿照宿舍楼下那块大屏幕写了个人脸考勤，所以这次我打算弄一个口罩识别。

实现口罩识别的方式有很多种，也并非是一件难事。重要的是要学会把学到的知识运用到生活中去。为此，我特地翻出了吃灰的“树莓派”主板，打算放到宿舍门口。无他，卷一卷督促室友学习。

一、简单流程思路分析

相信大多数初学人工智能的小伙伴，最早接触的一定是CNN处理图像分类的问题，本次项目的核心也就是CNN分类了。所以，这只是前面所学知识的结合，不做过多赘述。

A. 训练模型 

• 在此之前，我们要弄到数据集：佩戴口罩、未佩戴口罩、佩戴口罩不规范 的图片。
• 然后对数据集进行预处理。
• 搭建CNN网络模型并进行图片分类。
• 此时，我们便拿到了模型权重文件！

B. 处理摄像头输入

• 打开摄像头，然后捕捉到我们的照片。
• 处理输入图片，裁剪出人脸区域。
• 裁剪后的图片作为神经网络的输入，得到网络预测分类结果。
• 将结果显示在屏幕上。

C. 树莓派部署

• 不难，但是有点花时间，这里不做过多说明。

二、CNN实现口罩佩戴图片分类

1. 数据集处理

无论是机器学习还是深度学习，最重要的便是数据集，之后才是相关的模型和算法。

在这里，我们首先处理图片，把每一张佩戴口罩的照片裁剪出人脸部分，之后为了便于计算和训练我们将图片进行压缩。相关方法之前博客已经介绍过这里不做赘述。

大家可以自己到网上下载数据集，也可以使用我参考的这份，数据量比较小，用于演示：链接

# 人脸检测函数
def face_detect(img):#转为Blobimg_blob = cv2.dnn.blobFromImage(img,1,(300,300),(104,177,123),swapRB=True)# 输入face_detector.setInput(img_blob)# 推理detections = face_detector.forward()# 获取原图尺寸img_h,img_w = img.shape[:2]# 人脸框数量person_count = detections.shape[2]for face_index in range(person_count):# 通过置信度选择confidence = detections[0,0,face_index,2]if confidence > 0.5:locations = detections[0,0,face_index,3:7] * np.array([img_w,img_h,img_w,img_h])# 获得坐标 记得取整l,t,r,b = locations.astype('int')return img[t:b,l:r]return None

效果：

# 转为Blob格式函数
def imgBlob(img):# 转为Blobimg_blob = cv2.dnn.blobFromImage(img,1,(100,100),(104,177,123),swapRB=True)# 维度压缩img_squeeze = np.squeeze(img_blob).T# 旋转img_rotate = cv2.rotate(img_squeeze,cv2.ROTATE_90_CLOCKWISE)# 镜像img_flip =  cv2.flip(img_rotate,1)# 去除负数，并归一化img_blob = np.maximum(img_flip,0) / img_flip.max()return img_blob

效果：

 有了这两个函数，我们就可以进行数据集的处理了：

import tqdm
import os,globlabels = os.listdir('images/')img_list = []
label_list = []
for label in labels:# 获取每类文件列表file_list =glob.glob('images/%s/*.jpg' % (label))for img_file in tqdm.tqdm( file_list ,desc = "处理文件夹 %s "  % (label)):# 读取文件img = cv2.imread(img_file)# 裁剪人脸img_crop = face_detect(img)# 转为Blobif img_crop is not None:img_blob = imgBlob(img_crop)img_list.append(img_blob)label_list.append(label)

 最后，我们将其转换为npz格式文件：

X = np.asarray(img_list)
Y = np.asarray(label_list)np.savez('./data/imageData.npz',X,Y)

2. 模型训练

首先我们读取之前保存的npz文件：

import numpy as np
arr = np.load('./data/imageData.npz')
img_list = arr['arr_0']
label_list =arr['arr_1']
print(img_list.shape,label_list.shape)

((5328, 100, 100, 3), (5328,))

设置为onehot独热编码：

from sklearn.preprocessing import OneHotEncoderonehot = OneHotEncoder()
# 编码
y_onehot =onehot.fit_transform(label_list.reshape(-1,1))
y_onehot_arr = y_onehot.toarray()

划分数据集：

from sklearn.model_selection import train_test_splitx_train,x_test,y_train,y_test=train_test_split(img_list,y_onehot_arr,test_size=0.2,random_state=123)x_train.shape,x_test.shape,y_train.shape,y_test.shape

((4262, 100, 100, 3), (1066, 100, 100, 3), (4262, 3), (1066, 3))

构建并编译模型：

from tensorflow       import keras
from tensorflow.keras import layers,models
import tensorflow        as tfgpus = tf.config.list_physical_devices("GPU")if gpus:gpu0 = gpus[0]                                        #如果有多个GPU，仅使用第0个GPUtf.config.experimental.set_memory_growth(gpu0, True)  #设置GPU显存用量按需使用tf.config.set_visible_devices([gpu0],"GPU")model = models.Sequential([layers.Conv2D(16,3,padding='same',input_shape=(100,100,3),activation='relu'),layers.MaxPool2D(),layers.Conv2D(32,3,padding='same',activation='relu'),layers.MaxPool2D(),layers.Conv2D(64,3,padding='same',activation='relu'),layers.MaxPool2D(),layers.Flatten(),layers.Dense(166,activation='relu'),layers.Dense(22,activation='relu'),layers.Dense(3,activation='sigmoid')
])# 编译模型
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss=tf.keras.losses.categorical_crossentropy,metrics=['accuracy'])

model.summary()

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 100, 100, 16)      448       
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 50, 50, 16)        0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 50, 50, 32)        4640      
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 25, 25, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 25, 25, 64)        18496     
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 12, 12, 64)        0         
_________________________________________________________________
flatten (Flatten)            (None, 9216)              0         
_________________________________________________________________
dense (Dense)                (None, 166)               1530022   
_________________________________________________________________
dense_1 (Dense)              (None, 22)                3674      
_________________________________________________________________
dense_2 (Dense)              (None, 3)                 69        
=================================================================
Total params: 1,557,349
Trainable params: 1,557,349
Non-trainable params: 0
_________________________________________________________________

训练模型：

history = model.fit(x=x_train,y=y_train,validation_data=(x_test,y_test),batch_size=30,epochs=15)

模型评估：

acc = history.history['accuracy']
val_acc = history.history['val_accuracy']loss = history.history['loss']
val_loss = history.history['val_loss']epochs_range = range(len(loss))plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(epochs_range, acc, label='Training Accuracy')
plt.plot(epochs_range, val_acc, label='Validation Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')plt.subplot(1, 2, 2)
plt.plot(epochs_range, loss, label='Training Loss')
plt.plot(epochs_range, val_loss, label='Validation Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

保存模型：

model.save('./data/face_mask_model')

三、模型测试

我们上面可以看到，简单的数据集和模型已经可以使准确率达到98%了，我们接下来就可以打开摄像头，然后获取自己的图片放入模型进行预测了！

在这之前，可以简单测试一下模型：

# 加载模型
model = tf.keras.models.load_model('./data/face_mask_model/')# 挑选测试图片
img = cv2.imread('./images/2.no/0_0_caizhuoyan_0009.jpg')plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
plt.axis("off")

由于我们训练的时候，数据集是什么样的，做过什么处理，我们输入就要对其做同样的处理，才能保证预测的准确率：

# 裁剪人脸
img_crop = face_detect(img)# 转为Blob
img_blob = imgBlob(img_crop)# reshape
img_input = img_blob.reshape(1,100,100,3)# 预测
result = model.predict(img_input)

预测结果：

labels = os.listdir('./images/')
labels[result.argmax()]

四、处理摄像头输入

就像上面说的，模型的输入要与训练时一致，所以我们同样要对其进行裁剪、格式转换、压缩、归一化的操作。

下面直接附上完整代码。

五、项目代码

权重文件和数据集：链接

大家可以根据自己需求更改代码。 

import cv2
import time
import numpy as np
import tensorflow as tfclass MaskDetection:def __init__(self,mode='rasp'):"""加载人脸检测模型 和 口罩模型"""gpus = tf.config.list_physical_devices("GPU")if gpus:gpu0 = gpus[0]                                        #如果有多个GPU，仅使用第0个GPUtf.config.experimental.set_memory_growth(gpu0, True)  #设置GPU显存用量按需使用tf.config.set_visible_devices([gpu0],"GPU")self.mask_model = tf.keras.models.load_model('./data/face_mask_model.h5')# 类别标签self.labels = ['正常','未佩戴','不规范']# 标签对应颜色，BGR顺序，绿色、红色、黄色self.colors = [(0,255,0),(0,0,255),(0,255,255)]# 获取label显示的图像self.zh_label_img_list = self.getLabelPngList()def getLabelPngList(self):"""获取本地label显示的图像的列表"""overlay_list = []for i in range(3):fileName = './label_img/%s.png' % (i)overlay = cv2.imread(fileName,cv2.COLOR_RGB2BGR)overlay = cv2.resize(overlay,(0,0), fx=0.3, fy=0.3)overlay_list.append(overlay)return overlay_listdef imageBlob(self,face_region):"""将图像转为blob"""if face_region is not None:blob = cv2.dnn.blobFromImage(face_region,1,(100,100),(104,117,123),swapRB=True)blob_squeeze = np.squeeze(blob).Tblob_rotate = cv2.rotate(blob_squeeze,cv2.ROTATE_90_CLOCKWISE)blob_flip = cv2.flip(blob_rotate,1)# 对于图像一般不用附属，所以将它移除# 归一化处理blob_norm = np.maximum(blob_flip,0) / blob_flip.max()return blob_normelse:return Nonedef detect(self):"""识别"""face_detector = cv2.dnn.readNetFromCaffe('./weights/deploy.prototxt.txt','./weights/res10_300x300_ssd_iter_140000.caffemodel')cap = cv2.VideoCapture(0)frame_w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))frame_h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))frameTime = time.time()videoWriter = cv2.VideoWriter('./record_video/out'+str(time.time())+'.mp4', cv2.VideoWriter_fourcc(*'H264'), 10, (960,720))while True:ret,frame = cap.read()frame = cv2.flip(frame,1)frame_resize = cv2.resize(frame,(300,300))img_blob = cv2.dnn.blobFromImage(frame_resize,1.0,(300,300),(104.0, 177.0, 123.0),swapRB=True)face_detector.setInput(img_blob)detections = face_detector.forward()num_of_detections = detections.shape[2]# 记录人数(框)person_count = 0# 遍历多个for index in range(num_of_detections):# 置信度detection_confidence = detections[0,0,index,2]# 挑选置信度if detection_confidence>0.5:person_count+=1# 位置坐标 记得放大locations = detections[0,0,index,3:7] * np.array([frame_w,frame_h,frame_w,frame_h])l,t,r,b  = locations.astype('int')# 裁剪人脸区域face_region = frame[t:b,l:r]# 转为blob格式blob_norm = self.imageBlob(face_region)if blob_norm is not None:# 模型预测img_input = blob_norm.reshape(1,100,100,3)result = self.mask_model.predict(img_input)# softmax分类器处理result = tf.nn.softmax(result[0]).numpy()# 最大值索引max_index = result.argmax()# 最大值max_value = result[max_index]# 标签label = self.labels[max_index]# 对应中文标签overlay = self.zh_label_img_list[max_index]overlay_h,overlay_w = overlay.shape[:2]# 覆盖范围overlay_l,overlay_t = l,(t - overlay_h-20)overlay_r,overlay_b = (l + overlay_w),(overlay_t+overlay_h)# 判断边界if overlay_t > 0 and overlay_r < frame_w:overlay_copy=cv2.addWeighted(frame[overlay_t:overlay_b, overlay_l:overlay_r ],1,overlay,20,0)frame[overlay_t:overlay_b, overlay_l:overlay_r ] = overlay_copycv2.putText(frame, str(round(max_value*100,2))+"%", (overlay_r+20, overlay_t+40), cv2.FONT_ITALIC, 0.8, self.colors[max_index], 2)# 人脸框cv2.rectangle(frame,(l,t),(r,b),self.colors[max_index],5)now = time.time()fpsText = 1 / (now - frameTime)frameTime = nowcv2.putText(frame, "FPS:  " + str(round(fpsText,2)), (20, 40), cv2.FONT_ITALIC, 0.8, (0, 255, 0), 2)cv2.putText(frame, "Person:  " + str(person_count), (20, 60), cv2.FONT_ITALIC, 0.8, (0, 255, 0), 2)videoWriter.write(frame)cv2.imshow('demo',frame)if cv2.waitKey(10) & 0xFF == ord('q'):breakvideoWriter.release()cap.release()cv2.destroyAllWindows()mask_detection = MaskDetection()
mask_detection.detect()

效果如下：