给做护士的老妹写了一个戴口罩检测脚本！医院给她发了六千奖金！分了我一半！！

Posted 2021-09-12 顾木子吖

导语

​

​

一如不见，如隔三秋，哈喽！大家好，我是木子。

往下看：||||||

​放这张图，就是想告诉大家，疫情虽然得到范围控制，但是大家还是记得出门戴好口罩，做好个人的防护措施！！！

积极接种新冠疫苗。接种新冠疫苗，提高个体和群体免疫水平，也是预防新冠病毒感染的最有效措施之一。

大家都打了撒！小编肯定是打了不过目前是只有2针滴。就是打的时候还是有点儿扎肩膀，是不是第二针有点儿疼~

​嗯哼~大家上班出门期间是不是看到疫情期间都是需要戴口罩的，那社区的人员尤其是医院的医生护士都是口罩不离手的，进医院的化也是一样，没戴口罩是不能进去的，为了减少大家的工作量：

今天小编带大家做一款人脸检测戴没戴口罩的小程序！！

顺便提下戴口罩的好处：

​​​

​​​​

口罩戴了，那戴对了嘛？

要分清楚口罩的正面、反面、上端、下端后，先将手洗干净，确定口罩是否正确之后，将两端的绳子挂在耳朵上。最后一步，将口罩佩戴完毕后，需要用双手压紧鼻梁两侧的金属条，使口罩上端紧贴鼻梁，然后向下拉伸口罩，使口罩不留有褶皱，最好覆盖住鼻子和嘴巴。

​​​

正文

（1）首先创建的口罩数据集。

（2）其次，将关注区域的大小调整为a 100x100并将其传递给预先训练的CNN，它将提供作为输出的概率。

步骤1：资料预处理：

使用的数据集由颜色，大小和方向不同的图像组成。因此，需要将所有图像转换为灰度，因为需要确保颜色不应成为检测遮罩的关键点。之后，100x100在将其应用于神经网络之前，需要使所有图像具有相同的大小。

import cv2,os
import numpy as np
from keras.utils import np_utils
 
data_path='dataset'
categories=os.listdir(data_path)
labels=[i for i in range(len(categories))]
 
label_dict=dict(zip(categories,labels))
 
data=[]
target=[]
 
for category in categories:
    folder_path=os.path.join(data_path,category)
    img_names=os.listdir(folder_path)
        
    for img_name in img_names:
        img_path=os.path.join(folder_path,img_name)
        img=cv2.imread(img_path)
 
        try:
            gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
            resized=cv2.resize(gray,(100, 100))dataset
            data.append(resized)
            target.append(label_dict[category])
 
        except Exception as e:
            print('Exception:',e)
            
 
data=np.array(data)/255.0
data=np.reshape(data,(data.shape[0],100, 100,1))
target=np.array(target)
 
 
 
new_target=np_utils.to_categorical(target)
 
np.save('data',data)
np.save('target',new_target)

步骤2：训练CNN

这包括2个卷积层。首先，必须从数据预处理中加载数据集。然后，必须配置卷积架构。提供model.add(Dropout(0.5))了摆脱过度拟合的功能。由于有两个类别（带遮罩和不带遮罩），因此可以使用binary_crossentropy。当开始使用模型检查点训练20个纪元时。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense,Activation,Flatten,Dropout
from keras.layers import Conv2D,MaxPooling2D
from keras.callbacks import ModelCheckpoint
from sklearn.model_selection import train_test_split
 
data=np.load('data.npy')
target=np.load('target.npy')
 
model=Sequential()
 
model.add(Conv2D(100,(3,3),input_shape=data.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(100,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(50,activation='relu'))
model.add(Dense(2,activation='softmax'))
 
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
 
train_data,test_data,train_target,test_target=train_test_split(data,target,test_size=0.1)
 
checkpoint = ModelCheckpoint(
  'model-{epoch:03d}.model',
  monitor='val_loss',
  verbose=0,
  save_best_only=True,
  mode='auto')
 
history=model.fit(
  train_data,
  train_target,
  epochs=20,
  callbacks=[checkpoint],
  validation_split=0.2)
 
print(model.evaluate(test_data,test_target))

步骤3：侦测有无面具的人脸：

from keras.models import load_model
import cv2
import numpy as np
 
model = load_model('model-017.model')
face_clsfr=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
 
source=cv2.VideoCapture(0)
 
labels_dict={0:'with_mask',1:'without_mask'}
color_dict={0:(0,255,0),1:(0,0,255)}
 
while(True):
 
    ret,img=source.read()
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    faces=face_clsfr.detectMultiScale(gray,1.3,5)  
 
    for x,y,w,h in faces:
    
        face_img=gray[y:y+w,x:x+w]
        resized=cv2.resize(face_img,(100,100))
        normalized=resized/255.0
        reshaped=np.reshape(normalized,(1,100,100,1))
        result=model.predict(reshaped)
 
        label=np.argmax(result,axis=1)[0]
      
        cv2.rectangle(img,(x,y),(x+w,y+h),color_dict[label],2)
        cv2.rectangle(img,(x,y-40),(x+w,y),color_dict[label],-1)
        cv2.putText(
          img, labels_dict[label],
          (x, y-10),
          cv2.FONT_HERSHEY_SIMPLEX,0.8,(255,255,255),2)
        
        
    cv2.imshow('LIVE',img)
    key=cv2.waitKey(1)
    
    if(key==27):
        break
        
cv2.destroyAllWindows()
source.release()

效果图：出现绿色的with_mask 就是戴上口罩的，出现红色的 without_mask就是没戴上口罩。

​​​

​​​

总结

一个口罩不能保证不被感染，却可以降低大众不被感染的机率。戴上口罩，不单是保护自己，更多的是在保护别人，也是在保护家人。

不要片面考虑口罩对本人的意义，多想想戴上口罩给大众的意义。所以，在新冠疫情下戴口罩的意义：不是人人为我，而是我为人人，大家都记得做好防护，疫苗都打完哈~

“口罩一带，谁都爱~”源码基地：#959755565# 记得三连哦~