安装百度飞桨paddlepaddle和PaddleHub，本地部署百度开源口罩人脸检测及分类模型，并利用OpenCV调用摄像头实现视频实的时检测

 

前言

最近参加了百度“深度学习7日入门-CV疫情特辑”的课程，使用的深度学习框架是百度自研的飞桨PaddlePaddle，课程结合当前疫情中的一些人工智能应用案例开展相关内容的介绍。早在2020年2月13日，百度就已经开源了业内首个口罩人脸检测及分类模型，飞桨预训练模型管理与迁移学习工具PadddleHub已提供了PyramidBox预训练模型，听课期间我也尝试了将这个口罩模型进行本地部署，并利用OpenCV调用摄像头实现视频实的时检测。

百度提供的在线演示链接地址：https://www.paddlepaddle.org.cn/hub/scene/maskdetect

安装百度飞桨paddlepaddle和PaddleHub

1.安装paddlepaddle

可以直接采用pip安装的方式（CPU和GPU二选一即可）：

CPU版本安装：pip install paddlepaddle

GPU版本安装：pip install paddlepaddle-gpu

2.安装PaddleHub

pip install paddlehub

本地部署预训练模型，并实现实时检测

1. 首先安装OpenCV库：pip install opencv-python

2.使用paddlehub将模型下载到本地，进入到python环境，输入程序并执行

import paddlehub as hub
module = hub.Module(name="pyramidbox_lite_server_mask")
#module = hub.Module(name="pyramidbox_lite_mobile_mask")

模型会自动下载到本地，windows下是默认下载到 用户/user/.paddlehub文件夹下，Ubuntu是默认下载到/home/aistudio/.paddlehub目录下。

3. 给程序创建一个文件夹，我这里取名为mask_detection

4.新建文件夹data

5.新建文件夹detection_result

6.创建mask_detection.py，并编写代码：

from paddlehub import Module
import cv2
import time

test_img_path = ["./data/test_mask_detection.jpg"]
input_dict = {"image": test_img_path}
cap = cv2.VideoCapture(0)
#module = Module(name="pyramidbox_lite_server_mask")
module = Module(name="pyramidbox_lite_mobile_mask")
fps = 15
counter = 0
start_time = time.time() #开始时间
x = 1 # 每秒计算一次帧率

while True:
    ret,img = cap.read()#视频读取
    img = cv2.flip(img,1,dst=None) #镜像
    cv2.imwrite('./data/test_mask_detection.jpg',img)
    
    counter += 1
    now_time = time.time() #当前时间
    if (now_time - start_time) > x:
        fps=counter / (now_time - start_time)
        fps=round(fps,1) #保留小数点后1位
        counter = 0
        start_time = time.time()

    # 口罩检测预测
    results = module.face_detection(data=input_dict, use_multi_scale=False, shrink=0.6,)
    for result in results:
        print(result)

    # 预测结果展示
    img = cv2.imread("detection_result/test_mask_detection.jpg")
    cv2.putText(img, str(fps)+' FPS', (10, 20), cv2.FONT_HERSHEY_PLAIN, 1, (0,255,0), 1, cv2.FONT_ITALIC)
    cv2.imshow('camera',img)
    keyCode = cv2.waitKey(1) & 0xFF
    if keyCode == 27:# ESC键退出
        break

运行程序，为了不暴露自己就补贴运行成功的截图了。