| 基于opencv的人脸口罩识别 | 您所在的位置：网站首页 › python口罩识别PPT › 基于opencv的人脸口罩识别 |
基于opencv的人脸口罩识别
|
一、人脸口罩数据集下载处理
（一）人脸口罩数据集下载
下载人脸口罩数据集的目的是利用OpenCV进行模型训练，这里采用口罩数据集的正负比列为1:3，即500张戴口罩的人脸图片和1500张不戴口罩的人脸图片。 链接：百度网盘 请输入提取码 提取码：n2um 解压之后，将压缩包中的mask文件自行选择文件夹放置，以便之后的操作。
1、将数据集重命名为连续序列 因为数据集中的图片序列是不连续的，因此这里需要编程将数据集的正负样本重命名为连续序列，以便像素调整。 重命名正样本序列Python代码： #对数据集重命名 #coding:utf-8 import os path = "D:\\facemask\\mask\\have_mask" #人脸口罩数据集正样本的路径 filelist = os.listdir(path) count=1000 #开始文件名1000.jpg for file in filelist: Olddir=os.path.join(path,file) if os.path.isdir(Olddir): continue filename=os.path.splitext(file)[0] filetype=os.path.splitext(file)[1] Newdir=os.path.join(path,str(count)+filetype) os.rename(Olddir,Newdir) count+=1命名之后，正样本序列如下：
重命名负样本序列Python代码： #对数据集重命名 #coding:utf-8 import os path = "D:\\facemask\\mask\\no_mask" #人脸口罩数据集的路径 filelist = os.listdir(path) count=10000 #开始文件名1000.jpg for file in filelist: Olddir=os.path.join(path,file) if os.path.isdir(Olddir): continue filename=os.path.splitext(file)[0] filetype=os.path.splitext(file)[1] Newdir=os.path.join(path,str(count)+filetype) os.rename(Olddir,Newdir) count+=1重命名之后，负样本序列如下：
2、正负样本数据集像素处理 正样本数据集的像素最佳设为20x20，这样的模型训练精度更高；负样本数据集像素不低于50x50，这样处理可以加快模型训练的速度。 修改正样本数据集像素为20x20Python代码： #修改正样本像素 import pandas as pd import cv2 for n in range(1000,1606):#代表正数据集中开始和结束照片的数字 path='D:\\facemask\\mask\\have_mask\\'+str(n)+'.jpg' # 读取图片 img = cv2.imread(path) img=cv2.resize(img,(20,20)) #修改样本像素为20x20 cv2.imwrite('D:\\facemask\\mask\\have_mask\\' + str(n) + '.jpg', img) n += 1修改像素之后，序列如下：
修改负样本数据集像素为80x80Python代码： #修改负样本像素 import pandas as pd import cv2 for n in range(10000,11790):#代表负样本数据集中开始和结束照片的数字 path='D:\\facemask\\mask\\no_mask\\'+str(n)+'.jpg' # 读取图片 img = cv2.imread(path) img=cv2.resize(img,(80,80)) #修改样本像素为80*80 cv2.imwrite('D:\\facemask\\mask\\no_mask\\' + str(n) + '.jpg', img) n += 1修改像素之后，序列如下：
3、创建正负样本数据集路径的txt文件（1）创建正样本数据集txt文件win+R打开窗口输入cmd，进入命令提示符界面，进入have_mask文件夹
输入命令创建路径文件 dir /b/s/p/w *.jpg > have_mask.txt
have_mask.txt文件位置在正样本数据集文件夹中
（2）创建负样本数据集txt文件（方法同正样本数据集一样）
然后将have_mask.txt和no_mask.txt文件放到mask目录下
2． 对正负样本txt文档进行预处理 正负样本需要生成 .vec格式的文档进行模型训练，因此需要通过对txt文档进行预处理，向have_mask.txt文件中末尾加入 1 0 0 20 20。 正样本处理Python代码： #正样本文件预处理 没行目录结尾加入 1 0 0 20 20 #coding:utf-8 import os #Houzui="_Apple" Houzui=r" 1 0 0 20 20" #后缀 filelist = open('D:\\facemask\\mask\\have_mask.txt','r+',encoding = 'utf-8') line = filelist.readlines() for file in line: file=file.strip('\n')+Houzui+'\n' print(file) filelist.write(file) 负样本处理Python代码： #负样本文件预处理 没行目录结尾加入 1 0 0 60 60 #coding:utf-8 import os #Houzui="_Apple" Houzui=r" 1 0 0 80 80" #后缀 filelist = open('D:\\facemask\\mask\\no_mask.txt','r+',encoding = 'utf-8') line = filelist.readlines() for file in line: file=file.strip('\n')+Houzui+'\n' print(file) filelist.write(file)这个处理不会自动覆盖之前的文件内容，所以需要手动将之前的内容剪切出来 ，保存为have_mask1.txt文件，have_mask.txt文件中只保留末尾为1 0 0 20 20的内容，如下：
同理，对no_mask.txt文件执行同样的操作手动将之前的内容剪切出来 ，保存为no_mask1.txt文件，no_mask.txt文件中只保留末尾为1 0 0 80 80的内容，如下：
3.生成正样本havemask.vec文件和nomask.vec文件这里操作在cmd终端中进行，进入mask文件夹下，输入以下内容：生成正样本havemask.vec文件： opencv_createsamples.exe -vec havemask.vec -info have_mask.txt -num 410 -w 20 -h 20
生成负样本nomask.vec文件： opencv_createsamples.exe -vec nomask.vec -info no_mask.txt -num 1688 -w 80 -h 80
上述命令内容阐述： info：样本说明文件 vec：样本描述文件名和路径 num：样本个数，这里为410个样本 w h：样本尺寸，这里为20x20 生成文件如下：
训练模型（1）在mask目录下创建txt文件，写入以下内容: opencv_traincascade.exe -data xml -vec havemask.vec -bg no_mask.txt -numPos 350 -numNeg 400 -numStages 20 -w 20 -h 20 -mode ALL pause （2）将创建的txt文件命名为traincascade.bat
（3）删的have_mask.txt和no_mask,txt,然后将have_mask1.txt和no_mask1.txt改为have_mask.txt和no_mask.txt （4）打开traincascade.bat，开始训练人脸口罩数据集模型
在这里训练模型的时间会很长，耐心等待…
训练结束 （五）、成果展示
运行结果： 未佩戴口罩不会做标记：
而佩戴口罩会做出标记
|
将OpenCV安装路径 \opencv\build\x64\vc14\bin下的opencv_createsamples.exe可执行文件和opencv_traincascade.exe可执行文件及另外两个下图文件复制到数据集同级目录，如下所示：
【本文地址】