導讀
本期将介紹使用OpenCV實作人臉口罩佩戴檢測的詳細步驟，手把手教你做一個效果還可以的口罩佩戴檢測系統。
口罩檢測思路與常用方法
在動手實作人臉口罩佩戴檢測系統之前，我們常常會思考如何檢測一個人是否佩戴口罩？方法很多，這裡列舉幾個比較典型的方法：
① 用深度學習目标檢測的方法，标注佩戴口罩與未佩戴口罩兩類，然後選擇合适的網絡去訓練檢測，比如YoloV5等；
② 先檢測人臉，然後将人臉ROI圖像做分類，分為佩戴口罩和未佩戴口罩兩類，結合人臉檢測和分類網絡實作；
③ 用OpenCV實作，先檢測人臉，然後判斷人臉ROI是否有佩戴口罩的特征；
④ 其他更好的方法。
本文使用第③種方法，選擇合适的人臉檢測方法與口罩佩戴判斷方法即可。
效果展示
示範從視訊中檢測人臉是否佩戴口罩，未佩戴口罩将語音提示，避免露臉，測試視訊素材來源于網絡，實測使用筆記本自帶攝像頭檢測效果更佳：
實作步驟與對應代碼
程式實作步驟：
(1) 使用OpenCV DNN網絡檢測人臉；
(2) 通過HSV門檻值提取膚色；
(3) 通過膚色輪廓面積與人臉ROI面積比值判斷是否佩戴口罩。
人臉檢測方法對比：
(1) 使用OpenCV Haar分類器檢測人臉，例如使用自帶的haarcascade_frontalface_alt.xml不能适應光線暗的情況和人臉遮擋情況，佩戴了口罩無法檢測到人臉，無法繼續進行後面步驟；
(2) 使用Dlib檢測人臉，例如使用自帶的shape_predictor_5_face_landmarks.dat不能适應人臉遮擋情況，佩戴了口罩無法檢測到人臉，無法繼續進行後面步驟；
(3) 使用OpenCV DNN網絡檢測人臉，使用自帶的opencv_face_detector_uint8.pb能适應部分人臉遮擋和側臉情況，能繼續進行後續檢測。
人臉檢測步驟與代碼：
(1) 下載下傳OpenCV DNN人臉檢測模型：
連結：https://pan.baidu.com/s/1AaLYDjyMn17ZTxOv5f-m5A
提取碼：9396
(2) 加載模型檢測人臉，執行個體代碼與效果如下；
import sys
import numpy as np
import cv2
modelFile = "opencv_face_detector_uint8.pb"
configFile = "opencv_face_detector.pbtxt"
net = cv2.dnn.readNetFromTensorflow(modelFile, configFile)
conf_threshold = 0.7
def detectFaceOpenCVDnn(net, frame):
blob = cv2.dnn.blobFromImage(frame, 1.0, (300, 300), [104, 117, 123], False, False)
frameHeight = frame.shape[0]
frameWidth = frame.shape[1]
net.setInput(blob)
detections = net.forward()
bboxes = []
ret = 0
for i in range(detections.shape[2]):
confidence = detections[0, 0, i, 2]
if confidence > conf_threshold:
x1 = int(detections[0, 0, i, 3] * frameWidth)
y1 = int(detections[0, 0, i, 4] * frameHeight)
x2 = int(detections[0, 0, i, 5] * frameWidth)
y2 = int(detections[0, 0, i, 6] * frameHeight)
ROI = frame[y1:y2,x1:x2].copy()
cv2.rectangle(frame,(x1,y1),(x2,y2),(0,255,0),2)#框出人臉區域
return ret, frame
if __name__ == '__main__':
img = cv2.imread("./2.jpg")
_, result = detectFaceOpenCVDnn(net,img)
cv2.imshow("face_detection", result)
cv2.waitKey()
cv2.destroyAllWindows() (3) 通過HSV門檻值提取膚色輪廓：
ROI = frame[y1:y2,x1:x2].copy()
hsv_img=cv2.cvtColor(ROI,cv2.COLOR_BGR2HSV)
lower_hsv_1 = np.array([0,30,30])#顔色範圍低門檻值
upper_hsv_1 = np.array([40,255,255])#顔色範圍高門檻值
lower_hsv_2 = np.array([140,30,30])#顔色範圍低門檻值
upper_hsv_2 = np.array([180,255,255])#顔色範圍高門檻值
mask1 = cv2.inRange(hsv_img,lower_hsv_1,upper_hsv_1)
mask2 = cv2.inRange(hsv_img,lower_hsv_2,upper_hsv_2)
mask = mask1 + mask2
mask = cv2.blur(mask,(3,3))
mask_color = cv2.cvtColor(mask,cv2.COLOR_GRAY2BGR)
cv2.imshow("mask", mask) (4) 通過膚色輪廓面積與ROI面積比值判斷是否有佩戴口罩，這裡設定比值為0.65，上面三幅圖的比例分别如下：
def cnt_area(cnt):
area = cv2.contourArea(cnt)
return area
def If_Have_Mask(img):
hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
lower_hsv_1 = np.array([0,30,30])#顔色範圍低門檻值
upper_hsv_1 = np.array([40,255,255])#顔色範圍高門檻值
lower_hsv_2 = np.array([140,30,30])#顔色範圍低門檻值
upper_hsv_2 = np.array([180,255,255])#顔色範圍高門檻值
mask1 = cv2.inRange(hsv_img,lower_hsv_1,upper_hsv_1)
mask2 = cv2.inRange(hsv_img,lower_hsv_2,upper_hsv_2)
mask = mask1 + mask2
mask = cv2.blur(mask,(3,3))
mask_color = cv2.cvtColor(mask,cv2.COLOR_GRAY2BGR)
cv2.imshow("mask", mask)
contours,hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
if len(contours) < 1:
return "No Mask"
contours.sort(key = cnt_area, reverse=True)
#print(cv2.contourArea(contours[0]))
area = cv2.contourArea(contours[0])
mask_rate = area / (img.shape[0]*img.shape[1])
print(mask_rate)
if mask_rate < 0.65:
return "Have Mask"
else:
return "No Mask" 結尾語：
文章實作的步驟并非最優，但基本檢測效果還OK，大家跟着上述步驟和代碼完全可以自己做出來。當然如果你懶得動手，那就加入知識星球擷取吧，那裡為你準備了完整源碼和測試素材。
更多實用文章請移步至--精華文章--專題文章分類。