极客教程在Python中使用TensorFlow进行脸部面具检测
在这篇文章中，我们将讨论我们的两阶段COVID-19面罩检测器，详细说明我们的计算机视觉/深度学习管道将如何实现。
我们将使用这个Python脚本来训练一个人脸面具检测器，并审查其结果。考虑到训练好的COVID-19人脸面具检测器，我们将继续实现另外两个Python脚本，用于。
- 检测图像中的COVID-19面罩
- 检测实时视频流中的面罩
面罩检测系统的流程图
为了训练一个自定义的人脸面具检测器，我们需要将我们的项目分成两个不同的阶段，每个阶段都有各自的子步骤（如上图1所示）。
- 训练。在这里，我们将专注于从磁盘加载我们的人脸面具检测数据集，在这个数据集上训练一个模型（使用Keras/TensorFlow），然后将人脸面具检测器序列化到磁盘上。
- 部署。一旦脸部面具检测器被训练好，我们就可以继续加载面具检测器，进行脸部检测，然后将每张脸分类为有面具或无面具。
我们将使用这些图像，使用TensorFlow建立一个CNN模型，通过你的PC的网络摄像头来检测你是否戴了面罩。此外，你也可以使用你的手机摄像头来做同样的事情!
一步一步实现
第1步：数据可视化
第一步，让我们直观地看到我们的数据集中两个类别的图像总数。我们可以看到，”是 “类中有690张图片，”否 “类中有686张图片。
面罩上标有 “是 “字样的图片数量：690张
面罩被标记为 “不 “的图像数量：686张
第2步：数据扩增
在下一步，我们增加我们的数据集，以包括更多数量的图像用于我们的训练。在这一步的数据增强中，我们旋转和翻转数据集中的每一张图片。我们看到，在数据增强之后，我们总共有2751张图片，其中1380张图片属于 “是 “类，1371张图片属于 “否 “类。
Number of examples: 2751
Percentage of positive examples: 50.163576881134134%, number of pos examples: 1380
Percentage of negative examples: 49.836423118865866%, number of neg examples: 1371
第3步：拆分数据
在这一步，我们将数据分成训练集和测试集，前者包含CNN模型将被训练的图像，后者包含我们模型将被测试的图像。在这里，我们采用split_size=0.8，这意味着80%的图像将进入训练集，其余20%的图像将进入测试集。
The number of images with facemask in the training set labelled ‘yes’: 1104
The number of images with facemask in the test set labelled ‘yes’: 276
The number of images without facemask in the training set labelled ‘no’: 1096
The number of images without facemask in the test set labelled ‘no’: 275
分割后，我们看到，如上所述，所需比例的图像已被分配到训练集和测试集。
第4步：建立模型。
在下一步，我们用Conv2D、MaxPooling2D、Flatten、Dropout和Dense等不同层建立我们的序列CNN模型。在最后的密集层中，我们使用 “softmax “函数来输出一个向量，该向量给出了两类中每一类的概率。
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(100, (3, 3), activation='relu',
input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(100, (3, 3), activation='relu'),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dropout(0.5),
tf.keras.layers.Dense(50, activation='relu'),
tf.keras.layers.Dense(2, activation='softmax')
])
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['acc'])
这里，我们使用’adam’优化器和’binary_crossentropy’作为我们的损失函数，因为只有两个类。此外，你甚至可以使用MobileNetV2来获得更好的准确性。
第5步：预训练CNN模型
在建立了我们的模型之后，让我们创建’train_generator’和’validation_generator’，以便在下一步将它们与我们的模型相适应。我们看到，训练集里共有2200张图片，测试集里有551张图片。
Found 2200 images belonging to 2 classes.
Found 551 images belonging to 2 classes.
第6步：训练CNN模型
这一步是主要步骤，我们将训练集和测试集中的图像与我们使用keras库建立的序列模型相匹配。我已经对模型进行了30个epochs（迭代）的训练。然而，我们可以训练更多的epochs以达到更高的精度，以免出现过度拟合。
history = model.fit_generator(train_generator,
epochs=30,
validation_data=validation_generator,
callbacks=[checkpoint])Epoch 30/30
220/220 [==============================] – 231s 1s/step – loss: 0.0368 – acc: 0.9886 – val_loss: 0.1072 – val_acc: 0.9619
我们看到，在第30个历时后，我们的模型在训练集上的准确率为98.86%，在测试集上的准确率为96.19%。这意味着该模型训练有素，没有任何过度拟合。
第7步：给信息贴标签
在建立模型之后，我们为我们的结果标注两个概率。[‘0’为’without_mask’，’1’为’with_mask’] 。我也在使用RGB值设置边界矩形的颜色。[‘RED’代表’without_mask’，’GREEN’代表’with_mask’] 。
labels_dict={0:’without_mask’,1:’with_mask’}
color_dict={0:(0,0,255),1:(0,255,0)}
第8步：导入面部检测程序
在这之后，我们打算用它来检测我们是否使用PC的网络摄像头佩戴了面罩。为此，首先，我们需要实现人脸检测。在这方面，我们使用基于Haar特征的级联分类器来检测面部特征。
face_clsfr=cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml’)
这个级联分类器是由OpenCV设计的，通过训练数以千计的图像来检测正面的脸。这方面的.xml文件需要下载并用于检测人脸。我们已经将该文件上传到GitHub仓库。
第9步：检测有面具和无面具的面孔
在最后一步，我们使用OpenCV库来运行一个无限循环，以使用我们的网络摄像头，其中我们使用级联分类器检测人脸。代码webcam = cv2.VideoCapture(0) 表示使用webcam。
该模型将预测两个类别（[without_mask, with_mask]）中每个类别的可能性。基于较高的概率，标签将被选择并显示在我们的脸上。
main.py
# import the necessary packages
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input
from tensorflow.keras.preprocessing.image import img_to_array
from tensorflow.keras.models import load_model
from imutils.video import VideoStream
import numpy as np
import imutils
import time
import cv2
import os
def detect_and_predict_mask(frame, faceNet, maskNet):
# grab the dimensions of the frame and
# then construct a blob from it
(h, w) = frame.shape[:2]
blob = cv2.dnn.blobFromImage(frame, 1.0, (224, 224),
(104.0, 177.0, 123.0))
# pass the blob through the network
# and obtain the face detections
faceNet.setInput(blob)
detections = faceNet.forward()
print(detections.shape)
# initialize our list of faces, their
# corresponding locations, and the list
# of predictions from our face mask network
faces = []
locs = []
preds = []
# loop over the detections
for i in range(0, detections.shape[2]):
# extract the confidence (i.e.,
# probability) associated with
# the detection
confidence = detections[0, 0, i, 2]
# filter out weak detections by
# ensuring the confidence is
# greater than the minimum confidence
if confidence > 0.5:
# compute the (x, y)-coordinates
# of the bounding box for
# the object
box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
(startX, startY, endX, endY) = box.astype("int")
# ensure the bounding boxes fall
# within the dimensions of
# the frame
(startX, startY) = (max(0, startX), max(0, startY))
(endX, endY) = (min(w - 1, endX), min(h - 1, endY))
# extract the face ROI, convert it
# from BGR to RGB channel
# ordering, resize it to 224x224,
# and preprocess it
face = frame[startY:endY, startX:endX]
face = cv2.cvtColor(face, cv2.COLOR_BGR2RGB)
face = cv2.resize(face, (224, 224))
face = img_to_array(face)
face = preprocess_input(face)
# add the face and bounding boxes
# to their respective lists
faces.append(face)
locs.append((startX, startY, endX, endY))
# only make a predictions if at least one
# face was detected
if len(faces) > 0:
# for faster inference we'll make
# batch predictions on *all*
# faces at the same time rather
# than one-by-one predictions
# in the above `for` loop
faces = np.array(faces, dtype="float32")
preds = maskNet.predict(faces, batch_size=32)
# return a 2-tuple of the face locations
# and their corresponding locations
return (locs, preds)
# load our serialized face detector model from disk
prototxtPath = r"face_detector\deploy.prototxt"
weightsPath = r"face_detector\res10_300x300_ssd_iter_140000.caffemodel"
faceNet = cv2.dnn.readNet(prototxtPath, weightsPath)
# load the face mask detector model from disk
maskNet = load_model("mask_detector.model")
# initialize the video stream
print("[INFO] starting video stream...")
vs = VideoStream(src=0).start()
# loop over the frames from the video stream
while True:
# grab the frame from the threaded
# video stream and resize it
# to have a maximum width of 400 pixels
frame = vs.read()
frame = imutils.resize(frame, width=400)
# detect faces in the frame and
# determine if they are wearing a
# face mask or not
(locs, preds) = detect_and_predict_mask(frame, faceNet, maskNet)
# loop over the detected face
# locations and their corresponding
# locations
for (box, pred) in zip(locs, preds):
# unpack the bounding box and predictions
(startX, startY, endX, endY) = box
(mask, withoutMask) = pred
# determine the class label and
# color we'll use to draw
# the bounding box and text
label = "Mask" if mask > withoutMask else "No Mask"
color = (0, 255, 0) if label == "Mask" else (0, 0, 255)
# include the probability in the label
label = "{}: {:.2f}%".format(label, max(mask, withoutMask) * 100)
# display the label and bounding box
# rectangle on the output frame
cv2.putText(frame, label, (startX, startY - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.45, color, 2)
cv2.rectangle(frame, (startX, startY), (endX, endY), color, 2)
# show the output frame
cv2.imshow("Frame", frame)
key = cv2.waitKey(1) & 0xFF
# if the `q` key was pressed, break from the loop
if key == ord("q"):
break
# do a bit of cleanup
cv2.destroyAllWindows()
vs.stop()
输出:
