标签：口罩 入门 img 写文 0.62 人脸 识别 0.42
视觉识别入门之识别 ——口罩识别
时隔多月未动笔写文，一是自己初学很多不明白的地方都在快速地学习，从现在开始定期写文，我是水彩笔一根，但确是对着生活和学习充满极度热情的人，希望能带着读者们一起进步，一起学习，三人行必有我师焉！
都说写文的都是大佬级的人物才写的，我这种水彩笔本不应该淌这趟水，不过在自己学习道路上有很多硕博的朋友以及现在面临着工作的朋友们都在鼓励我开始写文，一是写文的过程中 是一个很好的把自己学过的东西巩固的过程，根据费曼学习法，这写文的过程同时也是一种讲述与分享的过程；二是现在开始培养自己的博客，高质，原创和粉丝量以后也会成为工作简历的一部分。
话不多说，兴趣是学习的引路人，先说说做视觉吧，大致有这几个方向：
人脸（目标）跟踪：在视频中，动态的追踪人脸（目标）位置的变化（高级目标：可预测（预判）目标 的下一步方向）；
人脸（目标）检测：定位人脸或者人脸中关键点（如鼻子、眼睛、嘴唇等）的位置；
人脸（目标）识别：将一张人脸图片输入，判断该人脸属于人脸数据库记录中的哪一个人；（已初步解 决 4月4日）
人脸（目标）验证：输入两张人脸图片，判断是否为同一人；
人脸（目标）聚类：输入一批脸，将属于相似的人脸归为一类。
小白，初学，先接触的是识别，今天分享一下口罩识别：先上图：
其中也可以实时检测，要是训练集数据增强处理，再加上昏暗条件下的数据以及红外传感器，有机会在疫情当下，实用于医院，学校等场所，尤其在无人看管的晚上，再配上热传感检测体温，可以初步满足需求！当然，一个实际用处的项目需要考虑因素太多，在此不打脸充胖子了。
这里是我传入的图片，用过opencv的朋友都知道图中的代码修改一下即可：
imgPath = 'C:\\Users\\acer\\Desktop\\spiders\\pic\\XU\\xusong.jpg'
img = cv2.imread(imgPath)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
inference(img, show_result=True, target_shape=(260, 260))
视频流就0传入：0指的是大家笔记本内置的0号摄像头；
参数0改成视频路径或图片路径 就会传入视频/图片进行检测，甚至可以把手机摄像头传入，例如：
video_path = 'http://admin:admin@'
在@后面加上自己手机摄像头的IP地址就行，可以手机下载一个ip摄像头软件进入即可。
今天给大家介绍几种我接触过的口罩检测方式,上述的使用的是深度学习SSD模型，朋友设计网络只有8个卷积层，加上定位和分类层，一共只有24层（每层的通道数目基本都是32\64\128），所以模型特别小，只有101.5万参数。
因为只需要少数的特征来判断是否佩戴口罩，参数比较少，运行起来也比较快，还在网页做了一个，用的Tensorflow.js库
这是模型网络拓扑层：
| 卷积层 | 特征图大小 | anchor大小 | anchor宽高比（aspect ratio）|
|第一层|33x33|0.04,0.056|1,0.62,0.42||第二层|17x17|0.08,0.11|1,0.62,0.42|
|第三层|9x9|0.16,0.22|1,0.62,0.42||第四层|5x5|0.32,0.45|1,0.62,0.42|
|第五层|3x3|0.64,0.72|1,0.62,0.42|
f[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x7Lg2ljE-1586167427013)(C:\Users\acer\Pictures\1586166387919.png)]
这些是朋友训练好的模型，持久化操作方便再次调用，省时又省力。
其余的方式还有直接调用模型，不经历深度学习框架的，甚至有的只需要几行代码就需要搞定，比如：10行代码进行口罩识别（当然是调用训练好的模型啦），甚至一些自己训练模型的方式，可以只用opencv的trainsample.exe进行，这个里面不涉及很多代码，适合新朋友玩玩，
有时间的话，下次再聊，学业在身，我努力按时写博，希望初学的朋友和我一起努力度过初学的坑，达到入门水平微小博主，在线求关，大家下期再见（下期分享上述内容）
希望好奇心能带着大家向前学习，看到自己训练的模型成功，成功跑出来，看到识别成功，难道不比print “hello world”好玩吗hhhh
标签：口罩,入门,img,写文,0.62,人脸,识别,0.42 来源： https://blog.csdn.net/qq_46098574/article/details/105348401
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。