python基於Opencv實現人臉口罩檢測

一、開發環境

python 3.6.6

opencv-python 4.5.1

二、設計要求

1、使用opencv-python對人臉口罩進行檢測

三、設計原理

設計流程圖如圖3-1所示,

圖3-1 口罩檢測流程圖

首先進行圖片的讀取,使用opencv的haar鼻子特征分類器,如果檢測到鼻子,則證明沒有戴口罩。如果檢測到鼻子,接著使用opencv的haar眼睛特征分類器,如果沒有檢測到眼睛,則結束。如果檢測到眼睛,則把RGB顏色空間轉為HSV顏色空間。進行口罩區域的檢測。口罩區域檢測流程是首先把距離坐標原點的較近的橫坐標作為口罩區域開始橫坐標,離坐標原點較遠的橫坐標作為口罩區域結束橫坐標。離坐標原點較遠的縱坐標作為口罩區域開始縱坐標,離坐標原點較遠的縱坐標與眼睛高度2倍的和作為口罩區域結束縱坐標。在此敘述的可能不是很清楚,可以見圖3-2,

圖3-2 口罩區域檢測圖

最後,知道口罩區域時,隻需對像素點進行判斷就可以判斷出是否佩戴口罩。

四、程序代碼

"""
# File       : mask_check.py
# Time       :2021/6/10 15:02
# Author     :Meng
# version    :python 3.6
# Description:
"""
import cv2          # 導入opencv
import time         # 導入time
 
"""實現鼻子檢測"""
def nose_dection(img):
    img = cv2.GaussianBlur(img,(5,5),0)#高斯濾波
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)                     # 將圖片轉化成灰度
    nose_cascade = cv2.CascadeClassifier("haarcascade_mcs_nose.xml")
    nose_cascade.load("data/haarcascades/haarcascade_mcs_nose.xml")  # 一定要告訴編譯器文件所在的具體位置
    '''此文件是opencv的haar鼻子特征分類器'''
    noses = nose_cascade.detectMultiScale(gray, 1.3, 5)  # 鼻子檢測
    for(x,y,w,h) in noses:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  # 畫框標識臉部
    flag = 0            # 檢測到鼻子的標志位,如果監測到鼻子,則判斷未帶口罩
    if len(noses)>0:
        flag = 1
    return img,flag
 
""""實現眼睛檢測"""
def eye_dection(img):
    img = cv2.GaussianBlur(img,(5,5),0)#高斯濾波
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)                     # 將圖片轉化成灰度
    eyes_cascade = cv2.CascadeClassifier("haarcascade_eye_tree_eyeglasses.xml")
    eyes_cascade.load("data/haarcascades/haarcascade_eye_tree_eyeglasses.xml")  # 一定要告訴編譯器文件所在的具體位置
    '''此文件是opencv的haar眼鏡特征分類器'''
    eyes = eyes_cascade.detectMultiScale(gray, 1.3, 5)          # 眼睛檢測
    for (x,y,w,h) in eyes:
        frame = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)  # 畫框標識眼部
        print("x y w h is",(x,y,w,h))
        # frame = cv2.rectangle(img, (x, y+h), (x + 3*w, y + 3*h), (255, 0, 0), 2)  # 畫框標識眼部
    return img,eyes
 
def empty(a):
    pass
 
def main():
    image = cv2.imread("images/backgound.png")      # 讀取背景照片
    cv2.imshow('skin', image)                       # 展示
    cv2.createTrackbar("Hmin", "skin", 0, 90, empty)    # 創建bar
    cv2.createTrackbar("Hmax", "skin", 25, 90, empty)
    capture = cv2.VideoCapture(0)               # 打開攝像頭,其中0為自帶攝像頭,
    while True:
        ref,img=capture.read()                  # 打開攝像頭
        # img = cv2.imread("./images/005.jpg")      # 讀取一張圖片
        img_hsv = img
        image_nose,flag_nose = nose_dection(img)       # 進行口罩檢測,返回檢測之後的圖形以及標志位
        if flag_nose == 1:              # 當檢測到鼻子的時候,判斷未戴口罩
            frame = cv2.putText(image_nose, "NO MASK", (10, 30), cv2.FONT_HERSHEY_COMPLEX, 0.9,(0, 0, 255), 1)  # 在圖片上寫字
            cv2.imshow('img', image_nose)       # 展示圖片
        if flag_nose == 0:              # 未檢測鼻子,進行眼睛檢測
            img_eye,eyes = eye_dection(img)         # 進行眼睛檢測,返回檢測之後的圖形以及標志位
            hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)        # 將圖片轉化成HSV格式
            H, S, V = cv2.split(hsv)                          #
            minH = cv2.getTrackbarPos("Hmin", 'skin')           # 獲取bar
            maxH = cv2.getTrackbarPos("Hmax", 'skin')
            if minH > maxH:
                maxH = minH
            thresh_h = cv2.inRange(H, minH, maxH)       # 提取人體膚色區域
            if len(eyes) > 1:                           # 判斷是否檢測到兩個眼睛,其中eyes[0]為左眼坐標
                # 口罩區域的提取
                mask_x_begin = min(eyes[0][0],eyes[1][0])               # 把左眼的x坐標作為口罩區域起始x坐標
                mask_x_end = max(eyes[0][0],eyes[1][0]) + eyes[list([eyes[0][0], eyes[1][0]]).index(max(list([eyes[0][0], eyes[1][0]])))][2]   # 把右眼x坐標 + 右眼寬度作為口罩區域x的終止坐標
                mask_y_begin = max(eyes[0][1] + eyes[0][3],eyes[1][1] + eyes[1][3]) + 20    # 把眼睛高度最大的作為口罩區域起始y坐標
                if mask_y_begin > img_eye.shape[1]:     # 判斷是否出界
                    mask_y_begin = img_eye.shape[1]
                mask_y_end = max(eyes[0][1] + 3 * eyes[0][3],eyes[1][1] + 3 * eyes[1][3]) + 20  # 同理
                if mask_y_end > img_eye.shape[1]:
                    mask_y_end = img_eye.shape[1]
                frame = cv2.rectangle(img_eye, (mask_x_begin, mask_y_begin), (mask_x_end, mask_y_end), (255, 0, 0), 2)  # 畫口罩區域的框
                total_mask_pixel = 0
                total_face_pixel = 0
                # 遍歷二值圖,為0則total_mask_pixel+1,否則total_face_pixel+1
                for i in range(mask_x_begin,mask_x_end):
                    for j in range(mask_y_begin,mask_y_end):
                        if thresh_h[i,j] == 0:
                            total_mask_pixel += 1
                        else:
                            total_face_pixel += 1
                print("total_mask_pixel",total_mask_pixel)
                print("total_face_pixel", total_face_pixel)
                if total_mask_pixel > total_face_pixel:
                    frame = cv2.putText(img_eye, "HAVE MASK", (mask_x_begin, mask_y_begin - 10),cv2.FONT_HERSHEY_COMPLEX, 0.9, (0, 0, 255), 1)  # 繪制
                if total_mask_pixel < total_face_pixel:
                    frame = cv2.putText(img_eye, "NO MASK", (mask_x_begin, mask_y_begin - 10), cv2.FONT_HERSHEY_COMPLEX,0.9, (0, 0, 255), 1)  # 繪制
            cv2.imshow("skin", thresh_h)  # 顯示膚色圖
            cv2.imshow("img", img_eye)  # 顯示膚色圖
            # cv2.imwrite('005_result.jpg',img_eye)     保存圖片
        c = cv2.waitKey(10)
        if c==27:
            break
    capture.release()       #
    cv2.destroyAllWindows() # 關閉所有窗口
 
 
if __name__ == '__main__':
    main()

五、結果展示

檢測結果如下:

圖5-1 HSV轉換結果圖

圖5-2 口罩檢測結果圖

圖5-3 口罩檢測結果圖(竟然把耳朵誤判為鼻子)

六、結論

本實驗使用瞭opencv-python進行瞭人臉口罩檢測。進行鼻子、眼睛檢測使用的時opencv自帶的.xml文件。從結果來看,這種方法是可行的。是可以應用在地鐵站、火車站出入口進行人臉口罩檢測的。

本實驗也有一定局限性,例如圖片中有兩個人、眼睛被遮擋等特殊情況。如果感興趣可以自己訓練.xml文件。當然,也可以使用基於深度學習的目標檢測模型例如R-CNN系列、YOLO系列、SSD等進行模型的訓練。

到此這篇關於python基於Opencv實現人臉口罩檢測的文章就介紹到這瞭,更多相關Opencv 人臉口罩檢測內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: