深度学习：25行代码实现口罩识别

效果展示

逻辑设计

1. 通过循环语句一直读取摄像头的每一帧。
2. 把这一帧图像转换成tensor。
3. 送入模型。
4. 模型返回人脸框的四个坐标，与True或False（是否佩戴口罩的结果）。
5. 通过返回结果在视频上可视化展示。

安装依赖

!pip install paddlehub -i https://pypi.tuna.tsinghua.edu.cn/simple

PaddleHub 介绍

PaddleHub 是基于 PaddlePaddle 开发的预训练模型管理工具，可以借助预训练模型更便捷地开展迁移学习工作，旨在让 PaddlePaddle 生态下的开发者更便捷体验到大规模预训练模型的价值。

PaddleHub 目前的预训练模型覆盖了图像分类、目标检测、词法分析、Transformer、情感分析五大类别。未来会持续开放更多类型的深度学习模型，如语言模型、视频分类、图像生成等预训练模型。

模型简述

PaddleHub口罩检测提供了两种预训练模型，pyramidbox_lite_mobile_mask和pyramidbox_lite_server_mask。二者均是基于2018年百度发表于计算机视觉顶级会议ECCV 2018的论文PyramidBox而研发的轻量级模型，模型基于主干网络FaceBoxes，对于光照、口罩遮挡、表情变化、尺度变化等常见问题具有很强的鲁棒性。
不同点在于：pyramidbox_lite_mobile_mask是针对于移动端优化过的模型，适合部署于移动端或者边缘检测等算力受限的设备上。

代码实现

导入依赖

import cv2
import paddlehub as hub

导入预训练

module = hub.Module(name="pyramidbox_lite_mobile_mask")

读取摄像头

module = hub.Module(name="pyramidbox_lite_mobile_mask")

定义字体

font = cv2.cv2.FONT_HERSHEY_SIMPLEX

读取视频流并预测

while True:
    ret, frame = video_capture.read()
    results = module.face_detection(images=[frame], confs_threshold=0.5,shrink = 0.1)
    try:
        print(results)
        for i in results[0]['data']:
            if 'NO' not in i['label']:
                cv2.rectangle(frame, (i['left'], i['top']), (i['right'], i['bottom']), (0, 255, 0), 2)
                cv2.putText(frame, i['label']+str(round(i['confidence'],2)), (i['left'], i['top']), font, 1, (0, 255, 0), 1)
            else:
                cv2.rectangle(frame, (i['left'], i['top']), (i['right'], i['bottom']), (0, 0, 255), 2)
                cv2.putText(frame, i['label']+str(round(i['confidence'],2)), (i['left'], i['top']), font, 1, (0, 0, 255), 1)
    except:
        pass
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break
    cv2.imshow('Video', frame)

接口文档

参考

opencv
paddlepaddle