Python使用 opencv 和 Haarcascade 进行人脸口罩检测

Face Mask Detection Using Opencv & Haarcascade | High On Techshttps://highontechs.com/computer-vision/face-mask-detection-using-opencv-haarcascade/

希望您在学习 opencv 时玩得开心。如果您还没有查看我们以前的帖子，请单击此处。今天我们将继续同样有趣的学习路径，并实现“使用 opencv 和 Haarcascade 进行人脸口罩检测”。因此，不要浪费任何时间，让我们开始吧。这篇文章也将包括上一篇文章的一些部分。你可以在这里查看。

介绍：

随着冠状病毒成为人类历史上最致命的流行病之一，口罩已成为人类最不可或缺的一部分。仍然有很多人对口罩的使用不屑一顾。技术有没有办法帮助我们找到这些粗心的人。当然是的。在计算机视觉的帮助下，我们可以检测一个人是否戴口罩。如何？让我们来了解一下

让我们编码：

我们将首先导入库并加载基本的 XML 文件。

import numpy as np
import cv2
import random

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
mouth_cascade = cv2.CascadeClassifier('Mouth.xml')

 

• 前三行导入库
• 在第四行，我们从 haarcascade_frontalface_default.xml 文件中读取人脸级联分类器
• 在最后一行中，我们从 Mouth.xml 中读取了口部级联分类器

初始化其他参数：

bw_threshold = 80

font = cv2.FONT_HERSHEY_SIMPLEX
org = (30, 30)
weared_mask_font_color = (0, 255, 0)
not_weared_mask_font_color = (0, 0, 255)
noface = (255, 255, 255)
thickness = 2
font_scale = 1
weared_mask = "Thank You for wearing MASK"
not_weared_mask = "Please wear MASK to defeat Corona"

cap = cv2.VideoCapture(0)

• 设置阈值以根据阈值转换图像像素
• 设置字体样式和原点坐标以在框架上书写文本
• 接下来的两行代码来设置像素颜色值
• 设置粗细和字体比例
• 在从相机读取帧的最后一行

检测口罩：

while True:
    ret, img = cap.read()
    img = cv2.flip(img,1)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    (thresh, black_and_white) = cv2.threshold(gray, bw_threshold, 255, cv2.THRESH_BINARY)
    faces = face_cascade.detectMultiScale(gray, 1.1, 4)
    faces_bw = face_cascade.detectMultiScale(black_and_white, 1.1, 4)

While True 循环从相机连续读取帧。

• 从相机读取帧并使用 cv2.flip 函数水平翻转帧。该函数以frame作为输入，参数值为0或1。0表示垂直翻转图像，1表示水平翻转图像。
• 将输入帧转换为灰度
• 将灰度图像转换为黑白格式
• 在接下来的两个步骤中，我们使用面部级联分类器检测面部特征。

    if(len(faces) == 0 and len(faces_bw) == 0):
        cv2.putText(img, "No face found...", org, font, font_scale, noface, thickness, cv2.LINE_AA)
    elif(len(faces) == 0 and len(faces_bw) == 1):
        cv2.putText(img, weared_mask, org, font, font_scale, weared_mask_font_color, thickness, cv2.LINE_AA)
    else:
        for (x, y, w, h) in faces:
            cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 255), 2)
            roi_gray = gray[y:y + h, x:x + w]
            roi_color = img[y:y + h, x:x + w]
            mouth_rects = mouth_cascade.detectMultiScale(gray, 1.5, 5)

现在我们检查是否检测到任何人脸。if 条件会检查这一点。

• 如果人脸列表的长度为零，则意味着我们在框架中没有任何人脸，我们将文本写在框架的顶部
• 否则我们以矩形的形式在面部周围绘制边界
• 在下一步中，我们使用口腔级联分类器检测口腔特征。
• 如果分类器能够检测到嘴部特征/嘴部特征的长度不为零，则表示该人没有戴口罩。但如果长度为零，则表示该人穿着一件

        if(len(mouth_rects) == 0):
            cv2.putText(img, weared_mask, org, font, font_scale, weared_mask_font_color, thickness, cv2.LINE_AA)
        else:
            for (mx, my, mw, mh) in mouth_rects:
                if(y < my < y + h):
                    cv2.putText(img, not_weared_mask, org, font, font_scale, not_weared_mask_font_color, thickness, cv2.LINE_AA)
                    break

• 在第一行，我们检查嘴部特征的长度。如果为零，我们在框架顶部放一个文字，如“感谢您戴口罩”。
• 否则，我们会发布诸如“请戴口罩”之类的文字。

没有面具 v/s 有面具 v/s 没有人

输出应该是这样的。在实现这个之后，我很想知道如果我用我的手而不是面具这个代码是否会起作用（我想这个问题在这篇博客的过程中也一定会出现在你的脑海中）。这是它的外观。

嗯，这就是它的样子。该程序传达了一个信息，即一个人虽然没有戴口罩。这是因为我们使用了简单的逻辑，即只检查嘴部特征是否可用于可用的面部特征，这些特征可以使用任何面具/手或任何其他对象隐藏。这就是我们遇到这个误报案例的原因。如何解决这个问题？。我们需要训练一个自定义的神经网络模型来只检测带面具的人脸，而不是其他任何东西。好吧，这是另一个博客的主题。在此处查看本博客的下一部分，了解如何为您的深度学习解决方案收集图像数据。

结尾：

这就是在 opencv 中使用 Haarcascades 进行掩码检测的方法。希望现在您对它有一个清晰的了解。请在此处查看完全结构化的代码。请关注我们的Instagram和Telegram帐户，每天获取此类信息丰富的内容。

import numpy as np
import cv2
import random

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
mouth_cascade = cv2.CascadeClassifier('Mouth.xml')

bw_threshold = 80

font = cv2.FONT_HERSHEY_SIMPLEX
org = (30, 30)
weared_mask_font_color = (0, 255, 0)
not_weared_mask_font_color = (0, 0, 255)
noface = (255, 255, 255)
thickness = 2
font_scale = 1
weared_mask = "Thank You for wearing MASK"
not_weared_mask = "Please wear MASK to defeat Corona"

cap = cv2.VideoCapture(0)

while True:
    ret, img = cap.read()
    img = cv2.flip(img,1)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    (thresh, black_and_white) = cv2.threshold(gray, bw_threshold, 255, cv2.THRESH_BINARY)
    faces = face_cascade.detectMultiScale(gray, 1.1, 4)
    faces_bw = face_cascade.detectMultiScale(black_and_white, 1.1, 4)
    if(len(faces) == 0 and len(faces_bw) == 0):
        cv2.putText(img, "No face found...", org, font, font_scale, noface, thickness, cv2.LINE_AA)
    elif(len(faces) == 0 and len(faces_bw) == 1):
        cv2.putText(img, weared_mask, org, font, font_scale, weared_mask_font_color, thickness, cv2.LINE_AA)
    else:
        for (x, y, w, h) in faces:
            cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 255), 2)
            roi_gray = gray[y:y + h, x:x + w]
            roi_color = img[y:y + h, x:x + w]
            mouth_rects = mouth_cascade.detectMultiScale(gray, 1.5, 5)
        if(len(mouth_rects) == 0):
            cv2.putText(img, weared_mask, org, font, font_scale, weared_mask_font_color, thickness, cv2.LINE_AA)
        else:
            for (mx, my, mw, mh) in mouth_rects:
                if(y < my < y + h):
                    cv2.putText(img, not_weared_mask, org, font, font_scale, not_weared_mask_font_color, thickness, cv2.LINE_AA)
                    break
    cv2.imshow('Mask Detection', img)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()