- 综合排序
- 最热优先
- 最新优先
- 来自专栏陶陶计算机
实时口罩佩戴检测
接下来就来分享一个实时口罩检测小demo 实现环境 Linux或者windows皆可 anaconda pytorch>=1.0 opencv>=3.0 工程目录 [请添加图片描述] Load_model
44720编辑于 2022-05-11 - 来自专栏机器学习AI算法工程
fasterrcnn深度学习口罩检测
提取出合理的建议框后，就开始训练分类层，后面的损失函数之和就是分类层的综合损失，只有2个损失，1个分类损失，1个回归损失 在很多个epoch后，损失减小，训练结束，权重保存到.h5文件 使用labelimg标注口罩数据及后得到训练结果 ，使用tensorboard查看计算图： fasterRCNN整体比较庞大，只展示出部分 损失函数之和的减小过程为： 平均的检测准确率为： 使用训练好的权重进行测试：
89650编辑于 2021-12-10 - 来自专栏GPUS开发者
MaskCam：Jetson Nano AIoT口罩检测相机
MaskCam可检测并跟踪其视野中的人员，并通过对象检测，跟踪和投票算法确定他们是否戴着口罩。 它将检测统计信息上载到云中，在其中可以使用Web GUI监视摄像头正在观看的区域中的口罩合规性。 1883:1883 -p 8080:8080 -p 8554:8554 maskcam/maskcam-beta MaskCam容器将maskcam_run.py使用USB相机作为默认输入设备（），开始运行口罩检测脚本 让它保持运行状态（不要按Ctrl+C，但要注意设备将开始加热）并继续进行下一部分，以查看实时口罩检测视频流！ 如果一切顺利，您应该获得Nano视频流的奖励，脸上戴着口罩的绿色框和不戴着口罩的面部红色框。实时直播视频的示例如下所示。 该视频流给出了MaskCam如何工作的一般演示。 但是，MaskCam还具有其他功能，例如能够将口罩检测统计信息发送到云并通过Web浏览器查看它们。
1.7K20发布于 2021-04-21 - 来自专栏GPUS开发者
MaskCam：Jetson Nano AIoT口罩检测相机
MaskCam可检测并跟踪其视野中的人员，并通过对象检测，跟踪和投票算法确定他们是否戴着口罩。 它将检测统计信息上载到云中，在其中可以使用Web GUI监视摄像头正在观看的区域中的口罩合规性。 1883:1883 -p 8080:8080 -p 8554:8554 maskcam/maskcam-beta MaskCam容器将maskcam_run.py使用USB相机作为默认输入设备（），开始运行口罩检测脚本 让它保持运行状态（不要按Ctrl+C，但要注意设备将开始加热）并继续进行下一部分，以查看实时口罩检测视频流！ 如果一切顺利，您应该获得Nano视频流的奖励，脸上戴着口罩的绿色框和不戴着口罩的面部红色框。实时直播视频的示例如下所示。 该视频流给出了MaskCam如何工作的一般演示。 但是，MaskCam还具有其他功能，例如能够将口罩检测统计信息发送到云并通过Web浏览器查看它们。
1.7K20发布于 2021-04-14 - 来自专栏深度学习和计算机视觉
使用TensorFlow和OpenCV实现口罩检测
在这段艰难的疫情期间，我们决定建立一个非常简单和基本的卷积神经网络(CNN)模型，使用TensorFlow与Keras库和OpenCV来检测人们是否佩戴口罩。 ? 我们将使用这些图像悬链一个基于TensorFlow框架的CNN模型，之后通过电脑端的网络摄像头来检测人们是否戴着口罩。此外，我们也可以使用手机相机做同样的事情。 在此之后，我们打算使用PC的网络摄像头来检测我们是否佩戴口罩。 代码中需要的.xml文件可以在公众号后台回复“口罩检测”获得。 检测是否戴口罩 在最后一步中，我们通过OpenCV库运行一个无限循环程序，使用我们的网络摄像头，在其中我们使用Cascade Classifier检测人脸。
3K12发布于 2020-06-12 - 来自专栏雨过天晴
基于飞浆Paddlehub的口罩检测
最早接触百度的飞浆（PaddlePaddle）是因为 口罩检测 的文章，年初的口罩检测项目，也就是本篇文件的样例代码。 口罩识别 安装 安装 Paddlepaddle 和 Paddlehub: pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple paddlehub as hub module = hub.Module(name="pyramidbox_lite_server_mask") 可以再 HubList 找到更多的模型，尝试更多的检测方法 预测 基于文件路径检测: input_dict = {"image": test_img_path} # 口罩检测预测 results = module.face_detection(data=input_dict 口罩检测 我将文章中的代码放到了公开的 NoteBook 中 口罩检测 ，你可以直接 Fork 尝试。
1.2K30发布于 2020-04-13 - 来自专栏全栈程序员必看
使用树莓派实现的口罩检测
基于树莓派3B+ 官方摄像头 两个指示灯 以及基于目标检测SSD算法实现的树莓派口罩检测 项目演示： 链接 口罩检测项目地址 使用的口罩检测 项目是AIZOO团队实现的 使用的是目标检测常用的SSD 我用的是一个13 一个是15 更改代码、完善代码 现在环境配置好了 可以调用摄像头 可以控制GPIO了 只需要： 根据上面的口罩检测的项目放到树莓派上 改动代码增加GPIO的部分 改动输入参数部分 根据运行情况更改检测帧率 我改好的代码（pi_cam.py）会放到下面。 2.关掉图形化界面 sudo raspi-config 不再报出out of memory 但是卡顿的情况依然存在 再改代码： 增加检测帧数 简化代码将opencv无用部分删除（这样看不到画面了只能通过灯珠变化和终端 判断情况） 项目演示： 链接 else 根据上面的教程大家可以自己写打开树莓派摄像头检测并控制灯，也可以看我写好的。
1.5K10编辑于 2022-09-05 - 来自专栏CSDN博客
一行代码Android上实现人脸检测、关键点检测、口罩检测
一行代码实现人脸检测，人脸关键点检测和戴口罩检测。 ，人脸关键点检测和戴口罩检测，并将编译好的动态库和静态库部署在Android应用上，在Android设备上实现人脸检测，人脸关键点检测和戴口罩检测，所以本应不会使用到C++开发，可以只使用笔者提供的JNI facekeypoints.nb这个是人脸关键点检测，检测到人脸之后，通过这个模型检测人脸关键点。maskclassifier.nb这个模型是口罩分类模型，检测到人脸之后，用这个识别是否戴口罩。 第一步笔者再训练一个性别分类和年龄模型，这样一个程序就可以同时实现人脸检测，人脸关键点检测、戴口罩检测和性别年龄识别等5个功能。 、关键点检测、口罩检测就大功告成了。
2.1K20编辑于 2023-06-04 - 来自专栏Python小二
一行命令给猎狐 F4 带口罩 & 检测是否带口罩
在疫情期间，大家出门都是需要带口罩的，因此，口罩对于大家来说再熟悉不过了，本文我们来做两个与口罩相关的事情。 给照片带口罩 目前 GitHub 上有一个项目 face-mask，已经实现了给照片带口罩的功能，我们直接使用就行了，项目的安装使用 pip install face-mask 命令，如果我们直接安装报错的话 我们在控制台输入命令 face-mask 1.PNG，看一下效果： 还可以设置口罩颜色，输入命令 face-mask 1.PNG --red，看一下效果： 是不是有内味了。 检测是否带口罩 口罩的检测同样已经有了做好的项目，而且还不止一个，这里我们选择 FaceMaskDetection 这个项目，项目地址为：https://gitee.com/mirrors/FaceMaskDetection
49320发布于 2020-08-18 - 来自专栏csdn
使用DJL和PaddlePaddle的口罩检测详细指南
使用DJL和PaddlePaddle的口罩检测详细指南 完整代码 该项目利用DJL和PaddlePaddle的预训练模型，构建了一个口罩检测应用程序。 该应用能够在图片中检测人脸，并将每张人脸分类为“戴口罩”或“未戴口罩”。我们将深入分析代码的每个部分，以便清晰了解每一步。 人脸和口罩检测模型的初始化： 初始化FaceDetection用于定位人脸区域，FaceMaskDetect则用于对检测出的人脸区域进行口罩状态的分类。 模型加载和预测： 使用DJL的ZooModel类加载人脸检测和口罩分类模型。人脸检测模型识别图像中的人脸区域，分类模型判断每张人脸是否佩戴口罩。 该方法会在图片上标注检测框及口罩状态，便于直观观察检测效果。
56510编辑于 2024-11-21 - 来自专栏我爱计算机视觉
口罩人脸检测与分类开源代码汇总
最近因为疫情影响，口罩人脸检测与分类突然火了起来，首先是百度开源了相关模型，然后腾讯和阿里也分别称在云服务中提供了相关能力。 今天CV君汇总了目前开源的口罩人脸检测与分类代码和口罩人脸数据集，希望对大家有帮助。 要实现人员是否佩戴口罩的检测，是典型的人脸检测+分类的问题，通用数据集里戴口罩的人脸并不多，所以数据才是这个问题的瓶颈。 1. 虽然说了测试精度很高，但百度也很谦虚，明确说明”能够满足日常口罩佩戴检测的需求“。据不止一位小伙伴测试显示，实际使用中漏检还是挺常见的。。。 还有调皮的工程师说带肉色口罩会导致明显的分类错误。 2. 算法，官方声称准确率: 训练集 测试集 99% 98.5% 官方称“速度和精度远超百度开源的轻量级口罩检测“ 据内部人士消息，训练集和测试集规模均在万级。
2.5K10发布于 2020-02-26 - 来自专栏毛利学Python
利用yolov5实现口罩佩戴检测算法
标签:0:no-mask,1:mask 注：这里大概8000张图片，包含戴口罩和不戴口罩的，我从里面抽了2000张，不抽多的原因是博主的显卡不行（GTX1050），所以就只用了1/4的数据。 本次训练自己的口罩数据集用的预训练权重为yolov5s.pt。 将下载的权重放到文件夹weights下 到此数据集和权重就已经准备好了接下来就可以准备开始训练自己的yolov5口罩检测模型了。 三、训练口罩检测模型 3.1相关文件的配置 在开始训练前还需要对项目里的相关文件进行修改，一个是数据配置文件，另一个是模型配置文件 首先是数据配置文件，在data下找到voc.yaml,将其复制一份再重命名为 3.3启用tensorbord查看训练结果 训练结束后在终端输入如下命令 tensorboard --logdir=runs 复制网址在浏览器打开就可以看到了，可以看到博主的口罩检测模型训练结果还行
1.3K30编辑于 2022-09-22 - 来自专栏实战docker
JavaCV的摄像头实战之十四：口罩检测
这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos 本篇概览 本文是《JavaCV的摄像头实战》系列的第十四篇，如标题所说，今天的功能是检测摄像头内的人是否带了口罩 ，把检测结果实时标注在预览窗口，如下图所示： 整个处理流程如下，实现口罩检测的关键是将图片提交到百度AI开放平台，然后根据平台返回的结果在本地预览窗口标识出人脸位置，以及此人是否带了口罩： 问题提前告知 百度AI开放平台的检测结果中有多个人脸检测结果，这里要逐个处理：取出每个人脸的位置，以此位置在原图画矩形框，然后根据是否戴口罩在人脸上做标记，戴口罩的是绿色标记（包括矩形框），不戴口罩的是红色矩形框 ，可见人脸上是红色字体和矩形框： 让群众演员戴上口罩，再次出现在摄像头前面，这次检测到了口罩，显示了绿色标注和矩形框： 实际体验中，由于一秒钟最多只有两帧，在预览窗口展示时完全是幻灯片效果，惨不忍睹 … 本篇博客使用了群众演员两张照片，所以被他领走了两份盒饭，欣宸很心疼… 至此，基于JavaCV和百度AI开放平台实现的口罩检测功能已完成
1.1K20编辑于 2022-04-13 - 来自专栏AI算法修炼营
日常读paper | 一款口罩检测应用 ——RetianMask
此外，许多公共服务提供商要求客户仅在正确佩戴口罩的情况下才能使用该服务。然而，关于面罩检测的研究很少。 为了促进人类的公共医疗保健，我们提出RetinaMask，这是一种高精度，高效的口罩检测器。 为了设计有效的面部口罩检测网络，采用了mmdetection中提出的目标检测器框架，该框架提出了一种具有骨架，颈部和头部的检测网络。 将检测器命名为RetinaMask，因为它遵循RetinaNet的体系结构，该体系结构由SSD和FPN组成，并且还能够检测小型口罩。 为了提高口罩的检测性能，RetinaMask提出了一种新颖的情境关注模块作为其检测头（图3）。与SSH中的上下文模块类似，我们利用不同大小的内核来形成类似Inception的块。 参考资料： 《AIZOO开源人脸口罩检测数据+模型+代码+在线网页体验，通通都开源了》
1.5K30发布于 2020-05-17 - 来自专栏计算机视觉战队
抗击新冠病毒之佩戴口罩检测技术综述
受新冠疫情影响，世界各地的人们出行必须要佩戴口罩，以减少感染的风险，这给安防监控带来了一系列挑战：新冠疫情以前，安防设备主要针对人脸检测，几乎没有考虑佩戴口罩的人脸检测。 本综述中，我们主要专注于近年来佩戴口罩检测的方法和相关的数据集。首先，我们从佩戴口罩检测的数据集着手，深度调研13个开源的数据集。 就佩戴口罩检测领域来说，本综述是较为全面的综述文献。期望我们的研究能够为世界抗击新冠病毒贡献一份力量。 02 影响分析 在新冠疫情期间，很多AI企业开发了针对佩戴口罩检测的技术，帮助检测人是否佩戴口罩和利用视觉技术进行远距离无接触测温。 Ø口罩遮挡区域的人脸重建 Ø佩戴口罩人脸识别 Ø佩戴口罩人脸和其他生物特征结合的多模态身份识别 Ø佩戴口罩的人脸关键点校准 佩戴口罩检测的一些应用 最后，向抗击新冠病毒的医疗工作者们致敬!
1.1K20编辑于 2022-04-24 - 来自专栏python全栈教程专栏
【深度学习案例】二十行代码批量检测戴口罩
test_img_path.append(line.strip()) except: print('图片加载失败') print(test_img_path) 返回： 二、加载预训练模型 PaddleHub口罩检测提供了两种预训练模型 # 口罩检测预测 visualization=True #将预测结果保存图片可视化 output_dir='detection_result' #预测结果图片保存在当前运行路径下detection_result ，'NO MASK表示没有佩戴口罩。 ‘left’/‘rigth’/‘top’/'bottom’表示口罩在图片当中的位置。'confidence’表示预测为佩戴口罩’MASK’或者不佩戴口罩’NO MASK’的概率大小。 hub.Module(name="pyramidbox_lite_mobile_mask") # module = hub.Module(name="pyramidbox_lite_server_mask") # 口罩检测预测
46310发布于 2021-10-19 - 来自专栏云开发小程序1
python进阶——AI视觉实现口罩检测实时语音报警系统
前言 本程序主要实现了python的opencv人工智能视觉模块的口罩检测实时语音检测报警。 其提供了飞桨生态下的高质量预训练模型，涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型。 if k == ord(' '):#退出 break #释放摄像头 cap.release() #释放内存 cv2.destroyAllWindows() 效果展示（不带口罩时会有重复语音警告
74520编辑于 2023-10-14 - 来自专栏相约机器人
具有TensorFlow，Keras和OpenCV的实时口罩检测器
来源 | Medium 编辑 | 代码医生团队 在本文中，将使用Prajna Bhandary创建的口罩数据集。此数据集由属于1376个的图像with mask和without mask2类。 https://www.linkedin.com/feed/update/urn%3Ali%3Aactivity%3A6655711815361761280/ 主要重点是在不靠近人员的情况下检测人员是否戴着口罩 在无限循环内，将逐帧从相机读取图像并将其转换为灰度并检测面部。for由于训练网络需要4D输入，因此它将循环运行以针对每个脸部并检测感兴趣的区域，将其调整大小并重塑为4D。 cv2.waitKey(1) if(key==27): break cv2.destroyAllWindows() source.release() 检测口罩 看一下演示 口罩检测器-Google云端硬盘 https://drive.google.com/open?
1.5K21发布于 2020-06-01 - 来自专栏AI科技大本营的专栏
口罩检测识别率惊人，这个Python项目开源了
作者 | 一颗小树x，CSDN 博主 编辑 | 唐小引 来源 | CSDN 博客 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 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。 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。 #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
3.6K40发布于 2020-03-10 - 来自专栏AI生活
百度开源业内首个口罩人脸检测及分类模型
2月13日，百度宣布免费开源业内首个口罩人脸检测及分类模型。该模型可以有效检测在密集人流区域中携带和未携戴口罩的所有人脸，同时判断该者是否佩戴口罩。 模型可视化效果：绿框为佩戴口罩标注，红框为未佩戴口罩标注 随着本周各企业相继复工，节后经济开始逐渐恢复，人脸口罩检测方案成为返工潮中众多社区、大型厂商、央企的重要需求。 此次宣布免费开源的自研口罩人脸检测及分类模型，是基于2018年百度收录于国际顶级计算机视觉会议ECCV的论文PyramidBox研发，可以在人流密集的公共场景检测海量人脸的同时，将佩戴口罩和未佩戴口罩的人脸快速识别标注 百度研发工程师介绍，口罩人脸检测及分类模型，由两个功能单元组成，可以分别完成口罩人脸的检测和口罩人脸的分类。 而人脸口罩判断模型可实现对人脸是否佩戴口罩的判定，口罩判别准确率达到96.5%，满足常规口罩检测需求。开发者基于自有场景数据还可进行二次模型优化，可进一步提升模型准确率和召回率。
69620发布于 2020-02-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号