口罩检测识别率惊人，这个Python项目开源了
云栖号：https://yqh.aliyun.com
第一手的上云资讯，不同行业精选的上云企业案例库，基于众多成功案例萃取而成的最佳实践，助力您上云决策！
昨天在 GitHub 上看到一个有趣的开源项目，它能检测我们是否有戴口罩，跑起程序测试后，发现识别率挺高的，也适应不同环境，于是分享给大家。
首先感谢 AIZOOTech 的开源项目 —— FaceMaskDetection😀
测试环境
我们采用：
- Windows 系统；
- 软件：PyCharm；
- 使用模型：TensorFlow。
先看一下效果：
检测出帅气的胡歌没有带口罩。红色框框是圈出人脸部分，上方的字体：NoMask ，准确率 1 （即有 100% 把握认为没带口罩）。
如果在多人的情况下，能检测出来吗？如下图所示。
不错不错，这个模型能同时检测多人的，并且准确高。
有人带口罩，有人没带口罩，能检测出来吗？
哇，这个模型很棒。检测出带口罩大叔，和两个没带口罩的小伙子。
接下来，我们具体分析一下这个项目：
- 支持 5 大主流深度学习框架（PyTorch、TensorFlow、MXNet、Keras 和 Caffe），已经写好接口了；可以根据自身的环境选择合适的框架，比如：TensorFlow；所有模型都在 models 文件夹下。
- 公开了近 8000 张的人脸口罩数据和模型，数据集来自于 WIDER Face 和 MAFA 数据集, 重新修改了标注并进行了校验（主要是 MAFA 和 WIDER Face 的人脸位置定义不一样，所以进行了修改标注）并将其开源出来。
模型结构
在本项目中使用了 SSD 类型的架构，为了让模型可以实时的跑在浏览器以及终端设备上，将模型设计的非常小，只有 101.5 万个参数。模型结构在本文附录部分。
本模型输入大小为 260x260，主干网络只有 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 3264128），所以模型特别小，只有 101.5 万参数。模型对于普通人脸基本都能检测出来，但是对于小人脸，检测效果肯定不如大模型。
网页使用了 Tensorflow.js 库，所以模型是完全运行在浏览器里面的。运行速度的快慢，取决于电脑配置的高低。
模型在五个卷积层上接出来了定位分类层，其大小和 anchor 设置信息如下表。
工程包目录结构分析
下载完 FaceMaskDetection 压缩包后，解压后如下图：
如何运行程序？
以 TensorFlow 模型为例子，代码中 TensorFlow 版本应该是 1.x；
如果是 TensorFlow 版本是 2.x 的朋友，对应函数修改为 tf.compat.v1.xxxx,使函数与 1.x 版本兼容。
如果想运行图片：
python tenforflow_infer.py --img-path /path/to/your/img
比如，img 目录中作者放了一些图片的，选择 demo2.jpg。
python tenforflow_infer.py --img-path img/demo2.jpg
运行结果：
如果想运行运行视频：
python tenforflow_infer.py --img-mode 0 --video-path /path/to/video
/path/to/video 为视频所在的路径+视频名。
如果想实时使用摄像头检测：
python tenforflow_infer.py --img-mode 0 --video-path 0
这里的 0 ，代表在电脑中设备号；0 默认为电脑自带的摄像头。
如果想使用外接摄像头，可以改为 1 （比如外接上一个 USB 摄像头）。
这里看一下 tenforflow_infer.py 代码：
# -*- coding:utf-8 -*-
import cv2
import time
import argparse
import numpy as np
from PIL import Image
from keras.models import model_from_json
from utils.anchor_generator import generate_anchors
from utils.anchor_decode import decode_bbox
from utils.nms import single_class_non_max_suppression
from load_model.tensorflow_loader import load_tf_model, tf_inference
#sess, graph = load_tf_model('FaceMaskDetection-master\models\face_mask_detection.pb')
sess, graph = load_tf_model('models\face_mask_detection.pb')
# anchor configuration
feature_map_sizes = [[33, 33], [17, 17], [9, 9], [5, 5], [3, 3]]
anchor_sizes = [[0.04, 0.056], [0.08, 0.11], [0.16, 0.22], [0.32, 0.45], [0.64, 0.72]]
anchor_ratios = [[1, 0.62, 0.42]] * 5
# generate anchors
anchors = generate_anchors(feature_map_sizes, anchor_sizes, anchor_ratios)
#用于推断，批大小为1，模型输出形状为[1，N，4]，因此将锚点的dim扩展为[1，anchor_num，4]
anchors_exp = np.expand_dims(anchors, axis=0)
id2class = {0: 'Mask', 1: 'NoMask'}
def inference(image, conf_thresh=0.5, iou_thresh=0.4, target_shape=(160, 160), draw_result=True, show_result=True):
''' 检测推理的主要功能
# ：param image：3D numpy图片数组
# ：param conf_thresh：分类概率的最小阈值。
# ：param iou_thresh：网管的IOU门限
# ：param target_shape：模型输入大小。
# ：param draw_result：是否将边框拖入图像。
# ：param show_result：是否显示图像。
'''
# image = np.copy(image)
output_info = []
height, width, _ = image.shape
image_resized = cv2.resize(image, target_shape)
image_np = image_resized / 255.0 # 归一化到0~1
image_exp = np.expand_dims(image_np, axis=0)
y_bboxes_output, y_cls_output = tf_inference(sess, graph, image_exp)
# remove the batch dimension, for batch is always 1 for inference.
y_bboxes = decode_bbox(anchors_exp, y_bboxes_output)[0]
y_cls = y_cls_output[0]
# 为了加快速度，请执行单类NMS，而不是多类NMS。
bbox_max_scores = np.max(y_cls, axis=1)
bbox_max_score_classes = np.argmax(y_cls, axis=1)
# keep_idx是nms之后的活动边界框。
keep_idxs = single_class_non_max_suppression(y_bboxes, bbox_max_scores, conf_thresh=conf_thresh,iou_thresh=iou_thresh)
for idx in keep_idxs:
conf = float(bbox_max_scores[idx])
class_id = bbox_max_score_classes[idx]
bbox = y_bboxes[idx]
# 裁剪坐标，避免该值超出图像边界。
xmin = max(0, int(bbox[0] * width))
ymin = max(0, int(bbox[1] * height))
xmax = min(int(bbox[2] * width), width)
ymax = min(int(bbox[3] * height), height)
if draw_result:
if class_id == 0:
color = (0, 255, 0)
else:
color = (255, 0, 0)
cv2.rectangle(image, (xmin, ymin), (xmax, ymax), color, 2)
cv2.putText(image, "%s: %.2f" % (id2class[class_id], conf), (xmin + 2, ymin - 2),
cv2.FONT_HERSHEY_SIMPLEX, 1, color)
output_info.append([class_id, conf, xmin, ymin, xmax, ymax])
if show_result:
Image.fromarray(image).show()
return output_info
def run_on_video(video_path, output_video_name, conf_thresh):
cap = cv2.VideoCapture(video_path)
height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
fps = cap.get(cv2.CAP_PROP_FPS)
fourcc = cv2.VideoWriter_fourcc(*'XVID')
#writer = cv2.VideoWriter(output_video_name, fourcc, int(fps), (int(width), int(height)))
total_frames = cap.get(cv2.CAP_PROP_FRAME_COUNT)
if not cap.isOpened():
raise ValueError("Video open failed.")
return
status = True
idx = 0
while status:
start_stamp = time.time()
status, img_raw = cap.read()
img_raw = cv2.cvtColor(img_raw, cv2.COLOR_BGR2RGB)
read_frame_stamp = time.time()
if (status):
inference(img_raw,
conf_thresh,
iou_thresh=0.5,
target_shape=(260, 260),
draw_result=True,
show_result=False)
cv2.imshow('image', img_raw[:, :, ::-1])
cv2.waitKey(1)
inference_stamp = time.time()
# writer.write(img_raw)
write_frame_stamp = time.time()
idx += 1
print("%d of %d" % (idx, total_frames))
print("read_frame:%f, infer time:%f, write time:%f" % (read_frame_stamp - start_stamp,
inference_stamp - read_frame_stamp,
write_frame_stamp - inference_stamp))
# writer.release()
if __name__ == "__main__":
parser = argparse.ArgumentParser(description="Face Mask Detection")
parser.add_argument('--img-mode', type=int, default=0, help='set 1 to run on image, 0 to run on video.') #这里设置为1：检测图片；还是设置为0：视频文件（实时图像数据）检测
parser.add_argument('--img-path', type=str, help='path to your image.')
parser.add_argument('--video-path', type=str, default='0', help='path to your video, `0` means to use camera.')
# parser.add_argument('--hdf5', type=str, help='keras hdf5 file')
args = parser.parse_args()
if args.img_mode:
imgPath = args.img_path
#img = cv2.imread("imgPath")
img = cv2.imread(imgPath)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
inference(img, show_result=True, target_shape=(260, 260))
else:
video_path = args.video_path
if args.video_path == '0':
video_path = 0
run_on_video(video_path, '', conf_thresh=0.5)
测试集 PR 曲线
因为 WIDER face 是一个任务比较复杂的数据集，模型又设计的非常小，所以对于人脸的 PR 曲线并不是那么性感。这点可以通过设计大模型来提升对于小人脸的检测效果。
再次感谢 AIZOOTech 的开源项目 —— FaceMaskDetection。
云栖号：https://yqh.aliyun.com
第一手的上云资讯，不同行业精选的上云企业案例库，基于众多成功案例萃取而成的最佳实践，助力您上云决策！
原文发布时间：2020-03-08
本文作者：一颗小树x
本文来自：“AI科技大本营公众号”，了解相关信息可以关注“AI科技大本营”
