摘要：口罩檢測(cè)系統(tǒng)用于日常生活中檢測(cè)行人是否規(guī)范佩戴口罩，利用深度學(xué)習(xí)算法可實(shí)現(xiàn)圖片、視頻、連接攝像頭等方式的口罩檢測(cè)，另外支持和結(jié)果可視化。在介紹算法原理的同時(shí)，給出Python的實(shí)現(xiàn)代碼以及PyQt的UI界面。口罩檢測(cè)系統(tǒng)可用于路口、商場(chǎng)等公共場(chǎng)合檢測(cè)人臉是否佩戴口罩，佩戴和未佩戴口罩的數(shù)目、位置、預(yù)測(cè)置信度等；連接攝像頭設(shè)備可開啟實(shí)時(shí)檢測(cè)功能，另外對(duì)圖片、視頻等文件也可進(jìn)行測(cè)試和檢測(cè)；登錄系統(tǒng)提供用戶注冊(cè)、登錄、管理功能；訓(xùn)練和調(diào)優(yōu)的模型可有效檢測(cè)口罩佩戴情況，模型可選擇切換；可選擇單個(gè)目標(biāo)進(jìn)行單獨(dú)顯示和標(biāo)注，結(jié)果一鍵保存。博文提供了完整的Python代碼和使用教程，適合新入門的朋友參考，完整代碼資源文件請(qǐng)轉(zhuǎn)至下載鏈接。

完整代碼下載：https://mbd.pub/o/bread/mbd-ZJaXk51w

參考視頻演示：https://www.bilibili.com/video/BV1dx4y1N7z8/

離線依賴庫(kù)下載鏈接：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

前言

????????在公眾場(chǎng)合需要佩戴口罩已經(jīng)成為常識(shí)，新型冠狀病毒的主要傳播途徑就是飛沫傳播，戴上口罩就可以有效的阻隔病毒的傳播。口罩是預(yù)防呼吸道傳染病的重要防線，可以降低新型冠狀病毒感染風(fēng)險(xiǎn)。口罩不僅可以防止病人噴射飛沫，降低飛沫量和噴射速度，還可以阻擋含病毒的飛沫核，防止佩戴者吸入。有研究顯示，只要雙方都佩戴口罩且間隔1.8米以上，造成感染的幾率幾乎為0。

????????但是，未規(guī)范佩戴口罩的情況也很常見，無論是進(jìn)出商場(chǎng)、教室、街道、地下停車場(chǎng)等公共場(chǎng)所，還是在人員密集的會(huì)議室里，都可能有人未戴口罩的情況?？谡謾z測(cè)系統(tǒng)基于機(jī)器視覺深度學(xué)習(xí)技術(shù)，運(yùn)用YOLOv5訓(xùn)練出來的口罩檢測(cè)模型進(jìn)行檢測(cè)，能夠?qū)崿F(xiàn)無人值守的不間斷工作，并且系統(tǒng)可以主動(dòng)發(fā)現(xiàn)監(jiān)控區(qū)域內(nèi)的未佩戴口罩情況，并以最及時(shí)的方式進(jìn)行告警，同時(shí)最大限度降低誤報(bào)和漏報(bào)現(xiàn)象；極大的節(jié)約了人員成本，提高了工作效率。

????????近年來，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)取得了較大的發(fā)展，深度學(xué)習(xí)方法在檢測(cè)精度和速度方面與傳統(tǒng)方法相比表現(xiàn)出更良好的性能。YOLOv5是單階段目標(biāo)檢測(cè)算法YOLO的第五代，根據(jù)實(shí)驗(yàn)得出結(jié)論，其在速度與準(zhǔn)確性能方面都有了明顯提升，其論文可參考TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone-captured Scenarios?(https://ieeexplore.ieee.org/document/9607487/)，開源的代碼可見(https://github.com/ultralytics/yolov5)（官方源碼倉(cāng)庫(kù)）。因此，有了應(yīng)用YOLOv5進(jìn)行口罩檢測(cè)的想法，關(guān)注到近期YOLO算法的最新進(jìn)展已有YOLOv6、YOLOv7、YOLOv8等算法相繼出現(xiàn)，將本系統(tǒng)中檢測(cè)算法替換為最新算法的代碼也將在后面發(fā)布，歡迎關(guān)注。

????????說完檢測(cè)算法，對(duì)于界面的展示同樣非常重要，這里給出博主設(shè)計(jì)的軟件界面，與前期發(fā)布的系統(tǒng)界面保持同款的清新簡(jiǎn)約風(fēng)，功能也可以滿足圖片、視頻和攝像頭的識(shí)別檢測(cè)，希望大家可以喜歡，初始界面如下圖：

????????檢測(cè)口罩時(shí)的界面截圖如下圖，可識(shí)別畫面中存在的多個(gè)目標(biāo)的口罩佩戴情況，也可開啟攝像頭或視頻檢測(cè)：

???????? 詳細(xì)的功能演示效果參見博主的B站視頻或下一節(jié)的動(dòng)圖演示，覺得不錯(cuò)的朋友敬請(qǐng)點(diǎn)贊、關(guān)注加收藏！系統(tǒng)UI界面的設(shè)計(jì)工作量較大，界面美化更需仔細(xì)雕琢，大家有任何建議或意見和可在下方評(píng)論交流。

1.?效果演示

????????首先我們還是通過動(dòng)圖看一下識(shí)別的效果，系統(tǒng)設(shè)計(jì)了一個(gè)簡(jiǎn)單的登錄注冊(cè)界面和功能主界面，實(shí)現(xiàn)的主要功能是對(duì)圖片、視頻和攝像頭畫面中的人臉口罩進(jìn)行識(shí)別，識(shí)別的結(jié)果可視化顯示在界面和圖像中，另外提供多個(gè)目標(biāo)的顯示選擇功能，演示效果如下。

（一）用戶注冊(cè)登錄界面

????????這里設(shè)計(jì)了一個(gè)登錄界面，可以注冊(cè)賬號(hào)和密碼，然后進(jìn)行登錄。界面還是參考了當(dāng)前流行的UI設(shè)計(jì)，左側(cè)是一個(gè)動(dòng)圖，右側(cè)輸入賬號(hào)、密碼、驗(yàn)證碼等等。

（二）選擇圖片識(shí)別

????????系統(tǒng)允許選擇圖片文件進(jìn)行識(shí)別，點(diǎn)擊圖片選擇按鈕圖標(biāo)選擇圖片后，顯示所有目標(biāo)識(shí)別的結(jié)果，可通過下拉選框查看單個(gè)目標(biāo)的結(jié)果。本功能的界面展示如下圖所示：

（三）視頻識(shí)別效果展示

????????有時(shí)候我們需要識(shí)別一段視頻中是否佩戴口罩，這里設(shè)計(jì)了視頻選擇功能。點(diǎn)擊視頻按鈕可選擇待檢測(cè)的視頻，系統(tǒng)會(huì)自動(dòng)解析視頻逐幀識(shí)別人臉，并將結(jié)果記錄在右下角表格中，效果如下圖所示：

2.?口罩?jǐn)?shù)據(jù)集及訓(xùn)練

????????以上系統(tǒng)的技術(shù)構(gòu)成主要為兩大塊：YOLOv5算法、UI界面設(shè)計(jì)。YOLOv5算法提供深度學(xué)習(xí)的檢測(cè)模型，這一部分需要構(gòu)建口罩?jǐn)?shù)據(jù)集并訓(xùn)練模型，為后續(xù)界面中口罩識(shí)別提供算法支持；UI界面利用PyQt5進(jìn)行界面設(shè)計(jì)，并為各控件模塊寫入執(zhí)行邏輯，在選中圖片或視頻時(shí)調(diào)用前面訓(xùn)練好的YOLOv5模型進(jìn)行預(yù)測(cè)，將結(jié)果顯示在界面上。整個(gè)系統(tǒng)涉及的主要工作如下圖所示。

????????這里我們使用的口罩識(shí)別數(shù)據(jù)集，每張圖片除包括類別標(biāo)簽外，還有一個(gè)標(biāo)注的物體邊框（Bounding Box），其中包括訓(xùn)練集1200張、驗(yàn)證集400張、測(cè)試集400張，共計(jì)2000張圖片。

????????每張圖像均提供了圖像類標(biāo)記信息，其中的標(biāo)注文件已轉(zhuǎn)換為YOLO算法使用的txt格式，算法可以直接使用其進(jìn)行訓(xùn)練，數(shù)據(jù)集并解壓后得到的部分截圖如下圖所示。

????????數(shù)據(jù)集準(zhǔn)備好，接下來可執(zhí)行訓(xùn)練程序，首先要安裝本系統(tǒng)所需的依賴庫(kù)，配置一個(gè)Python3.8然后按照requirements.txt里面的依賴裝環(huán)境就可以運(yùn)行了。

#請(qǐng)按照給定的python版本配置環(huán)境，否則可能會(huì)因依賴不兼容而出錯(cuò)conda create -n env_rec python=3.8#激活環(huán)境activate env_rec#使用pip安裝所需的以來，可通過requirements.txtpip install -r requirements.txt

????????有些人可能會(huì)在裝pycocotools>=2.0這個(gè)包有問題，這里博主在文章底部也提供了離線庫(kù)的鏈接，也可通過離線包安裝。到這，深度學(xué)習(xí)所需的環(huán)境和依賴包就準(zhǔn)備好了。

????????現(xiàn)在對(duì)YOLO代碼的部分做一個(gè)介紹，下圖為本項(xiàng)目的目錄：

????????data：主要是存放一些超參數(shù)的配置文件（這些文件（yaml文件）是用來配置訓(xùn)練集和測(cè)試集還有驗(yàn)證集的路徑的，其中還包括目標(biāo)檢測(cè)的種類數(shù)和種類的名稱）

????????里面主要是一些網(wǎng)絡(luò)構(gòu)建的配置文件和函數(shù)，其中包含了該項(xiàng)目的四個(gè)不同的版本，分別為是s、m、l、x。從名字就可以看出，這幾個(gè)版本的大小。他們的檢測(cè)測(cè)度分別都是從快到慢，但是精確度分別是從低到高。如果訓(xùn)練自己的數(shù)據(jù)集的話，就需要修改這里面相對(duì)應(yīng)的yaml文件來訓(xùn)練自己模型。

????????utils：存放的是工具類的函數(shù)，里面有l(wèi)oss函數(shù)，metrics函數(shù)，plots函數(shù)等等。

????????weights：放置訓(xùn)練好的權(quán)重參數(shù)。

????????detect.py：利用訓(xùn)練好的權(quán)重參數(shù)進(jìn)行目標(biāo)檢測(cè)，可以進(jìn)行圖像、視頻和攝像頭的檢測(cè)。

????????UI_rec：這個(gè)文件夾下存放有UI界面、圖標(biāo)及界面相關(guān)的代碼程序，可運(yùn)行runMain.py進(jìn)入主界面，使用loginUI.py進(jìn)入登錄注冊(cè)界面。

????????train.py：訓(xùn)練自己的數(shù)據(jù)集的函數(shù)。

????????testPicture.py：讀取設(shè)置的圖片進(jìn)行預(yù)測(cè)；testVideo.py：讀取自定義路徑的視頻文件進(jìn)行檢測(cè)。

????????requirements.txt：這是一個(gè)文本文件，里面寫著使用本項(xiàng)目的環(huán)境依賴包的一些版本，可以利用該文本導(dǎo)入相應(yīng)版本的包。

????????以上就是本項(xiàng)目代碼的整體介紹。我們訓(xùn)練和測(cè)試自己的數(shù)據(jù)集就是利用到如上的代碼。

????????在深度學(xué)習(xí)中，我們通常通過損失函數(shù)下降的曲線來觀察模型訓(xùn)練的情況。而YOLOv5訓(xùn)練時(shí)主要包含三個(gè)方面的損失：矩形框損失(box_loss)、置信度損失（obj_loss）和分類損失(cls_loss)，在訓(xùn)練結(jié)束后，我們也可以在logs目錄下找到生成對(duì)若干訓(xùn)練過程統(tǒng)計(jì)圖。下圖為博主訓(xùn)練口罩類識(shí)別的模型訓(xùn)練曲線圖。

????????一般我們會(huì)接觸到兩個(gè)指標(biāo)，分別是召回率recall和精度precision，兩個(gè)指標(biāo)p和r都是簡(jiǎn)單地從一個(gè)角度來判斷模型的好壞，均是介于0到1之間的數(shù)值，其中接近于1表示模型的性能越好，接近于0表示模型的性能越差，為了綜合評(píng)價(jià)目標(biāo)檢測(cè)的性能，一般采用均值平均密度map來進(jìn)一步評(píng)估模型的好壞。我們通過設(shè)定不同的置信度的閾值，可以得到在模型在不同的閾值下所計(jì)算出的p值和r值，一般情況下，p值和r值是負(fù)相關(guān)的，繪制出來可以得到如下圖所示的曲線，其中曲線的面積我們稱AP，目標(biāo)檢測(cè)模型中每種目標(biāo)可計(jì)算出一個(gè)AP值，對(duì)所有的AP值求平均則可以得到模型的mAP值。

????????以PR-curve為例，可以看到我們的模型在驗(yàn)證集上的均值平均準(zhǔn)確率為0.727。當(dāng)然我們這里沒有過多的調(diào)優(yōu)訓(xùn)練過程，所以訓(xùn)練模型的結(jié)果還有待提升。

3.?口罩檢測(cè)識(shí)別

????????在訓(xùn)練完成后得到最佳模型，接下來我們將幀圖像輸入到這個(gè)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，從而得到預(yù)測(cè)結(jié)果，預(yù)測(cè)方法（predict.py）部分的代碼如下所示：

????????得到預(yù)測(cè)結(jié)果我們便可以將幀圖像中的口罩框出，然后在圖片上用opencv繪圖操作，輸出口罩的類別及口罩的預(yù)測(cè)分?jǐn)?shù)。以下是讀取一個(gè)口罩圖片并進(jìn)行檢測(cè)的腳本，首先將圖片數(shù)據(jù)進(jìn)行預(yù)處理后送predict進(jìn)行檢測(cè)，然后計(jì)算標(biāo)記框的位置并在圖中標(biāo)注出來。

????????執(zhí)行得到的結(jié)果如下圖所示，圖中口罩的種類和置信度值都標(biāo)注出來了，預(yù)測(cè)速度較快?；诖四Ｐ臀覀兛梢詫⑵湓O(shè)計(jì)成一個(gè)帶有界面的系統(tǒng)，在界面上選擇圖片、視頻或攝像頭然后調(diào)用模型進(jìn)行檢測(cè)。

????????跑通了這個(gè)預(yù)測(cè)程序，我們可以將其封裝到界面中，利用PyQt5設(shè)計(jì)一個(gè)UI界面，在運(yùn)行圖片、視頻檢測(cè)時(shí)調(diào)用這個(gè)方法。博主對(duì)整個(gè)系統(tǒng)進(jìn)行了詳細(xì)測(cè)試，最終開發(fā)出一版流暢得到清新界面，就是博文演示部分的展示，完整的UI界面、測(cè)試圖片視頻、代碼文件，以及Python離線依賴包（方便安裝運(yùn)行，也可自行配置環(huán)境），均已打包上傳，感興趣的朋友可以通過參考文章里面給出的下載鏈接或B站視頻簡(jiǎn)介處的下載鏈接獲取。

下載鏈接

????若您想獲得博文中涉及的實(shí)現(xiàn)完整全部程序文件（包括測(cè)試圖片、視頻，py, UI文件等，如下圖），這里已打包上傳至博主的面包多平臺(tái)，可見參考博客與視頻，已將所有涉及的文件同時(shí)打包到里面，點(diǎn)擊即可運(yùn)行，完整文件截圖如下：

????在文件夾下的資源顯示如下，其中包含了Python的離線依賴包，讀者可在正確安裝Anaconda和Pycharm軟件后，進(jìn)行安裝，詳細(xì)演示也可見本人B站視頻。

注意：該代碼采用Pycharm+Python3.8開發(fā)，經(jīng)過測(cè)試能成功運(yùn)行，運(yùn)行界面的主程序?yàn)閞unMain.py和LoginUI.py，測(cè)試圖片腳本可運(yùn)行testPicture.py，測(cè)試視頻腳本可運(yùn)行testVideo.py。為確保程序順利運(yùn)行，請(qǐng)按照requirements.txt配置Python依賴包的版本。Python版本：3.8，請(qǐng)勿使用其他版本，詳見requirements.txt文件；

環(huán)境配置與界面中文字、圖片、logo等的修改方法請(qǐng)見視頻，項(xiàng)目完整文件下載：???

完整代碼下載：https://mbd.pub/o/bread/mbd-ZJaXk51w

參考視頻演示：https://www.bilibili.com/video/BV1dx4y1N7z8/

離線依賴庫(kù)下載鏈接：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

結(jié)束語(yǔ)

????????由于博主能力有限，博文中提及的方法即使經(jīng)過試驗(yàn)，也難免會(huì)有疏漏之處。希望您能熱心指出其中的錯(cuò)誤，以便下次修改時(shí)能以一個(gè)更完美更嚴(yán)謹(jǐn)?shù)臉幼樱尸F(xiàn)在大家面前。同時(shí)如果有更好的實(shí)現(xiàn)方法也請(qǐng)您不吝賜教。