具有TensorFlow，Keras和OpenCV的实时口罩检测器

代码医生工作室

发布于 2020-06-01 08:48:54

1.2K00

代码可运行

文章被收录于专栏：相约机器人相约机器人

运行总次数：0

代码可运行

来源 | Medium

编辑 | 代码医生团队

在本文中，将使用Prajna Bhandary创建的口罩数据集。此数据集由属于1376个的图像with mask和without mask2类。

https://www.linkedin.com/feed/update/urn%3Ali%3Aactivity%3A6655711815361761280/

主要重点是在不靠近人员的情况下检测人员是否戴着口罩。

总览

用简单的话来说，首先，获得带有面部的图像，并通过级联分类器对其进行处理。分类器将给出脸部的关注区域（高度和宽度）。其次，将关注区域的大小调整为a 100x100并将其传递给预先训练的CNN，它将提供作为输出的概率。

步骤1：资料预处理

使用的数据集由颜色，大小和方向不同的图像组成。因此，需要将所有图像转换为灰度，因为需要确保颜色不应成为检测遮罩的关键点。之后，100x100在将其应用于神经网络之前，需要使所有图像具有相同的大小。

import cv2,os
import numpy as np
from keras.utils import np_utils
 
data_path='dataset'
categories=os.listdir(data_path)
labels=[i for i in range(len(categories))]
 
label_dict=dict(zip(categories,labels))
 
data=[]
target=[]
 
for category in categories:
    folder_path=os.path.join(data_path,category)
    img_names=os.listdir(folder_path)
        
    for img_name in img_names:
        img_path=os.path.join(folder_path,img_name)
        img=cv2.imread(img_path)
 
        try:
            gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
            resized=cv2.resize(gray,(100, 100))dataset
            data.append(resized)
            target.append(label_dict[category])
 
        except Exception as e:
            print('Exception:',e)
            
 
data=np.array(data)/255.0
data=np.reshape(data,(data.shape[0],100, 100,1))
target=np.array(target)
 
 
 
new_target=np_utils.to_categorical(target)
 
np.save('data',data)
np.save('target',new_target)

数据预处理

步骤2：训练CNN

这包括2个卷积层（两个Convo2D 100 @ 3x3）。首先，必须从数据预处理中加载数据集。然后，必须配置卷积架构。提供model.add(Dropout(0.5))了摆脱过度拟合的功能。由于有两个类别（带遮罩和不带遮罩），因此可以使用binary_crossentropy。当开始使用模型检查点训练20个纪元时。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense,Activation,Flatten,Dropout
from keras.layers import Conv2D,MaxPooling2D
from keras.callbacks import ModelCheckpoint
from sklearn.model_selection import train_test_split
 
data=np.load('data.npy')
target=np.load('target.npy')
 
model=Sequential()
 
model.add(Conv2D(100,(3,3),input_shape=data.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(100,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(50,activation='relu'))
model.add(Dense(2,activation='softmax'))
 
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
 
train_data,test_data,train_target,test_target=train_test_split(data,target,test_size=0.1)
 
checkpoint = ModelCheckpoint(
  'model-{epoch:03d}.model',
  monitor='val_loss',
  verbose=0,
  save_best_only=True,
  mode='auto')
 
history=model.fit(
  train_data,
  train_target,
  epochs=20,
  callbacks=[checkpoint],
  validation_split=0.2)
 
print(model.evaluate(test_data,test_target))

训练CNN

请记住，可以使用更多的Convo图层或使用外部训练器（例如MobileNetV2）来提高准确性。

可以绘制图形以做出更好的验证决策。已将其包含在我的存储库中。请参考。

步骤3：侦测有无面具的人脸

首先，必须加载创建的模型。然后，将想要的相机设置为默认相机。

可选-您可以将移动摄像头（Android / IOS）连接到OpenCV。下载适用于您的手机和PC的DroidCam应用程序。并更改代码source = cv2.VideoCapture(1)

其次，需要标记两个概率（0代表with_mask，1代表without_mask）。之后，需要使用RGB值设置边框矩形的颜色。给红色和绿色作为两种颜色。

在无限循环内，将逐帧从相机读取图像并将其转换为灰度并检测面部。for由于训练网络需要4D输入，因此它将循环运行以针对每个脸部并检测感兴趣的区域，将其调整大小并重塑为4D。对于模型，将使用最佳模型来获得结果。此结果由result=[P1, P2]带遮罩或不带遮罩的的概率组成。此后将被标记。

from keras.models import load_model
import cv2
import numpy as np
 
model = load_model('model-017.model')
face_clsfr=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 
source=cv2.VideoCapture(0)
 
labels_dict={0:'with_mask',1:'without_mask'}
color_dict={0:(0,255,0),1:(0,0,255)}
 
while(True):
 
    ret,img=source.read()
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    faces=face_clsfr.detectMultiScale(gray,1.3,5)  
 
    for x,y,w,h in faces:
    
        face_img=gray[y:y+w,x:x+w]
        resized=cv2.resize(face_img,(100,100))
        normalized=resized/255.0
        reshaped=np.reshape(normalized,(1,100,100,1))
        result=model.predict(reshaped)
 
        label=np.argmax(result,axis=1)[0]
      
        cv2.rectangle(img,(x,y),(x+w,y+h),color_dict[label],2)
        cv2.rectangle(img,(x,y-40),(x+w,y),color_dict[label],-1)
        cv2.putText(
          img, labels_dict[label],
          (x, y-10),
          cv2.FONT_HERSHEY_SIMPLEX,0.8,(255,255,255),2)
        
        
    cv2.imshow('LIVE',img)
    key=cv2.waitKey(1)
    
    if(key==27):
        break
        
cv2.destroyAllWindows()
source.release()