什么是N95口罩？

Posted 2023-05-07

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了什么是N95口罩？相关的知识，希望对你有一定的参考价值。

由于疫情的原因，口罩成了紧俏的商品，不论是药店还是淘宝都在销售口罩。在疫情刚刚兴起的时候，口罩是十分不好买的。全国的口罩生产厂家都在加班加点才生产出这么多口罩来。现在购买口罩虽然不是一件难事儿，但是药店里销售的口罩和淘宝上销售的口罩都有哪些区别呢？

我来告诉你，药店里销售的口罩是有身份的口罩，保证都是正规生产厂家生产的，厂家也都通过的相应的检测得到了生产许可。口罩也都经过严格消毒和检测，都是合格产品。当然也不排除有些药店经营不合格产品，但是毕竟还是少数。

而淘宝上的商品，当然不能一棍子打死，也有正规厂家生产的合格口罩。如果是网上药房，经营的也是正规产品，如果是其他店铺，就可以经营一些没有医疗器械注册证号的产品的。

说到口罩，什么普通护理口罩、外科口罩、N95口罩等等，我们就来看一下琳琅满目的口罩，都是怎么回事儿吧。

我们先来看看普通口罩和医用防护口罩的区别，医用防护口罩除了卫生要求较高以外，医用防护口罩还具有有效阻隔液体喷溅的功能，手术过程中，血液或者其他传染性液体喷溅可能性较大，这种喷溅还有一定的压力，并非一般的液体浸润，所以，医用防护口罩有需要有隔离压力液体的能力，这样才能保证医护人员的健康安全。

在医用防护口罩的标准中，就需要检测这类产品的阻隔液体的性能，而一般的工业性环境中的防护口罩，就不需要这种特殊的要求，检测项目中也没有这类的规定。

医用防护口罩也不允许与呼吸阀，因为外科手术的时候，呼吸阀会让呼气中所携带的微生物直接排除口罩外，对患者是一种威胁，而工业防护口罩是有呼吸阀的。

一般的医疗活动，可佩戴纱布口罩或者是一次性使用的外科口罩。手术室工作或者是护理免疫功能低下的病人时，需要佩戴外科口罩。外科口罩分3层，外层阻水、中层阻隔空气中5μm颗粒＞90％，内层吸湿。

N95口罩，N95是美国职业安全卫生研究所认证。N指非油性颗粒物，95指在标准规定检测条件下过滤率达到95%，有较好密合性。

在预防新型冠状病毒传播可以用N95口罩和医用外科口罩。

我们再来看看，正确佩戴口罩：

不论是外科口罩和N95口罩，都有正反面的。拿一次性口罩来说，颜色深的一面朝外，颜色浅的一面朝内，金属条的一面朝上，不要颠倒了。洗净双手后，将口罩的浅色一面朝内，金属条朝上，将两端的绳子挂在耳朵上，压紧鼻梁上的金属条，让口罩紧贴于鼻梁，然后向下拉开口罩的褶皱，盖住鼻子嘴巴和下巴，不要留有较大缝隙。一次性口罩需要一次性使用，不超过4个小时为宜。

说到这，您已经对口罩有一些了解了吧！

参考技术A N95是美国职业安全与健康研究所，即NiosH制定的标准，通过该标准的口罩都可称为N95口罩，N95是NIOSH所制定的标准中感染防护的最低标准，因此被大多医疗机构采用。N95口罩是指在NIOSH规定的标准实验条件下，可以抵挡95%的细菌、病毒、微尘等，N95型口罩过滤层使用N95静电熔喷材料，它最大的特点就是可以预防通过飞沫传播传染。N95口罩对疫情防护有重要作用，医务工作者佩戴N95口罩可有效防止病情的传播、扩散。N95口罩在进行测试的时候阻隔率需达95%以上，并经戴用者脸庞紧密度测试时，确保在紧密贴脸部边缘的状况下空气可以顺畅通过

戴口罩人脸数据集和戴口罩人脸生成方法

4. 戴口罩人脸检测和戴口罩识别(含Python Android源码)

目前网上已经开源了很多免费的人脸识别/人脸检测数据集，比如常见的LFW，FDDB，WIDER FACE，300W等，估计加起来都有好几个忆了。但这些人脸数据绝大部分都是不戴口罩的人脸，不能直接用于戴口罩识别中。网上也有少许开源的戴口罩人脸数据集，鄙人花了点时间，整理一下目前常见的戴口罩人脸数据集，以及戴口罩人脸数据的合成/生成方法。

包含5个数据集： facemask-train1， facemask-train2，facemask-train3， synthetic-train1，synthetic-train2 ，facemask-test ，总共约有50000+的数据：
生成戴口罩人脸代码： python create_facemask.py

项目数据和生成戴口罩人脸源码下载地址：戴口罩人脸数据集和生成戴口罩人脸数据

1.戴口罩人脸数据集

（1）开源数据集-戴口罩人脸数据集

一些开源的，免费的戴口罩人脸数据集，download下来，发现这些开源的数据比较脏，有挺多也是标注错误的，需求自己清洗一下哦~

数据集	说明
virus-mask-dataset	数据集总共有三类标签:mask 此人佩戴了可预防病毒口罩；nomask 未佩戴口罩;wrongmask 此人佩戴了无预防病毒作用的口罩；标注方式为:标注人体全头部+肩膀上部地址：https://github.com/hikariming/virus-mask-dataset
MaskedFace-Net	正确遮挡人脸数据集(CMFD)，错误遮挡人脸数据集(IMFD)及其全局遮挡人脸检测(MaskedFace-Net)的组合。地址：https://github.com/cabani/MaskedFace-Net
Real-World Masked Face Datase	地址：https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset 说明：https://blog.csdn.net/HyperAI/article/details/105154132

（2）生成戴口罩人脸的数据集

网上绝大部分人脸数据都是不戴口罩的人脸，不能直接用于戴口罩识别中。鉴于此，我们可以考虑自己合成/生成戴口罩的人脸数据，以下是鄙人收藏和整理的戴口罩人脸数据集和合成的数据集，总共约有50000+的数据：

数据集	说明
facemask-train1	从网上收集的戴口罩人脸数据集(如virus-mask-dataset)，约7000+张图片，并清洗了部分标注错误的样本每张图片都被标注了mask(戴口罩)和nomask(未佩戴口罩)的检测框标注格式为标准的VOC xml格式，可用于人脸检测训练数据使用已经裁剪了人脸区域，并清洗了部分标注错误的样本；其中mask(戴口罩)人脸有3000+张，nomask(未佩戴口罩)人脸有10000+张，可作为分类训练数据集，
facemask-train2	从网上收集的戴口罩人脸数据集，约3500+张图片，每张图片都被标注了mask(戴口罩)和nomask(未佩戴口罩)的检测框标注格式为标准的VOC格式，但标注的人脸框比较大，不建议用于人脸检测训练数据使用已经裁剪了人脸区域图像，并清洗了部分标注错误的样本；其中mask(戴口罩)人脸有2000+张，nomask(未佩戴口罩)人脸有6000+张，可作为分类训练数据集
facemask-train3	从网上收集的戴口罩人脸数据集，其中mask(戴口罩)人脸有600+张，nomask(未佩戴口罩)人脸有1700+张，可作为分类训练数据集原始图片都被裁剪为人脸图像了，所以不合适用于人脸检测；可作为分类训练数据集
synthetic-train1	这是合成的戴口罩人脸数据其中mask(戴口罩)人脸有7000+张，nomask(未佩戴口罩)人脸有7000+张，可作为分类训练数据集
synthetic-train2	这是合成的戴口罩人脸数据其中mask(戴口罩)人脸有6000+张，nomask(未佩戴口罩)人脸有6000+张，可作为分类训练数据集
facemask-test	这是戴口罩人脸测试集其中mask(戴口罩)人脸有300+张，nomask(未佩戴口罩)人脸有300+张，用于分类模型测试

2.戴口罩人脸生成方法

（1）生成戴口罩人脸思路

首先进行人脸检测和人脸关键点检测
根据人脸关键点，计算脸颊的宽度和鼻梁位置等位置信息，同理，需要计算出口罩模板的大小、方向和位置；
最后把口罩模板贴在人脸位置上，等到合成的戴口罩人脸图片

一些戴口罩生成代码参考：

GitHub - sevenHsu/FaceMask_CelebA: Simulated masked face with dataset CelebA

给人脸戴上口罩，Python实战项目来了_我爱Python数据挖掘的博客-CSDN博客

我测试了目前网上的生成戴口罩代码，对于已经矫正的人脸，生成效果还是不错的，但如果原始人脸本身就是倾斜(歪头)，这时直接使用原始代码，合成的效果就很差了，在此基础上，我做了优化工作：

增加了口罩模板，共有29种不同类型的口罩模板，提供合成口罩数据的多样性
优化了口罩倾斜角度，使得人脸倾斜(歪头)时，合成的效果也不错
优化了人脸检测，采用轻量化人脸检测，加速生成速度

原始图片	原始代码生成戴口罩	优化后生成戴口罩

对于已经矫正的人脸，生成效果还是不错的，但如果原始人脸本身就是倾斜(歪头)，这时直接使用原始代码，合成的效果就很差了

（2）口罩模板

口罩模板即口罩Mask图像（PNG格式），可以通过Photoshop抠图的方式，把背景去除；目前已经提供了共有29种不同类型的口罩模板，保证了口罩数据的多样性。

（3）戴口罩人脸生成Demo

安装好python相关依赖包

pybaseutils
opencv-python==4.5.1.48
face_recognition
tqdm
torch
torchvision

代码已经自带了测试图片和数据，你也可以更换成自己的人脸数据集：

python create_facemask.py

# -*-coding: utf-8 -*-
"""
    @Author : panjq
    @E-mail : pan_jinquan@163.com
    @Date   : 2022-06-25 22:23:11
    @Brief  : 生成戴口罩人脸数据集
"""
import os
import sys

sys.path.insert(0, os.getcwd())
sys.path.insert(0, "libs")
from tqdm import tqdm
from facemask.wearmask import FaceMaskCreator
from pybaseutils import file_utils, image_utils


class FaceMaskDemo(object):
    def __init__(self):
        self.mask_creator = FaceMaskCreator(detect_face=True, alignment=False)

    def create_wear_mask_faces(self, image_dir, out_dir=None, vis=True):
        """
        生成戴口罩人脸数据集
        :param image_dir: 人脸图片目录
        :param out_dir:  生成戴口罩人脸输出目录
        :param vis: 是否可视化效果
        :return:
        """
        image_list = file_utils.get_files_lists(image_dir)
        for image_path in tqdm(image_list):
            image_id = os.path.basename(image_path).split(".")[0]
            image = image_utils.read_image(image_path, size=(512, None), use_rgb=True)
            mask, face_rects = self.mask_creator.create_masks(image, mask_type="random", vis=vis)
            if out_dir:
                self.mask_creator.save_image(image, mask, face_rects, out_dir, image_id)


if __name__ == '__main__':
    image_dir = "./facemask/test_image"  # 人脸图片
    out_dir = "./output"  # 生成戴口罩人脸输出目录
    fm = FaceMaskDemo()
    fm.create_wear_mask_faces(image_dir, out_dir, vis=True)

（4）生成戴口罩人脸效果展示

原图	合成带口罩图

3. 生成戴口罩数据集和源码下载

下载地址包含内容有：

https://mp.weixin.qq.com/s/4dtC9CeP50M-3nn3xel1Ow

包含5个数据集： facemask-train1， facemask-train2，facemask-train3， synthetic-train1，synthetic-train2 ，facemask-test ，总共约有50000+的数据：
生成戴口罩人脸代码： python create_facemask.py

4. 戴口罩人脸检测和戴口罩识别(含Python Android源码)