基于Yolov3的口罩识别

基于Yolov3的口罩识别

1、项目简介

本项目是基于YoloV3，使用Keras进行口罩识别。

该项目源代码已全部上传至GitHub

https://github.com/Rodeson/MaskIdentification

2、参考资料

DataSet:

https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset

Blogs:

https://blog.csdn.net/qinchang1/article/details/89608058

https://blog.csdn.net/cungudafa/article/details/105074825

Weights：

https://github.com/MacwinWin/face_mask_dataset

3、硬件软件信息

Software：

TensorFlow-GPU 2.3.0

Keras 2.4.3

CUDA 11.0

Python 3.7.4

Hardware：

GPU NVIDIA GeForce GTX 1050(4G)

CPU Inter® Core™ i7-8750H CPU @ 2.20GHz

4、项目文件信息

1.项目名称:MaskIdentification

2.文件夹简介：

​ Annotation：存放标签,因为文件太大，打包时已删除

​ ImageSets：存放训练集 测试集图片名称

​ JPEGImages：存放图片文件 因为文件太大 打包时已删除

​ LOG：存放权重文件

​ yolo3：存放yolo模型

​ model_data:存放yolo模型配置文件

3.文件说明

​ convert.py 将.weight文件转为.h5文件

​ makeTxt.py随机生成训练集 测试集编号

​ voc_label.py将训练集路径信息与标签链接

​ yolo.py yolo设定模型参数，路径

​ yolo_video.py调用摄像头进行测试

4.程序运行方式

​ 使用终端打开该文件夹，并运行 pyhton yolo_video.py 等待片刻即可。

5、项目教程

5.1环境配置

参考链接https://blog.csdn.net/gangeqian2/article/details/79358543

5.2验证环境是否配置正确

5.2.1 Python版本：打开Command

python

理论输出

Python 3.7.4 (default, Aug  9 2019, 18:34:13) [MSC v.1915 64 bit (AMD64)] :: Anaconda, Inc. on win32

5.2.2 TensorFlow Keras版本

cmd >python

>>> import tensorflow as tf
2020-11-28 00:07:06.379481: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_101.dll
>>> tf.__version__
'2.3.0'
>>> import keras as K
>>> K.__version__
'2.4.3'

可以看到TensorFlow版本为2.3.0 Keras版本为2.4.3

5.2.3 CUDA版本

 nvcc --version
 nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Wed_Jul_22_19:09:35_Pacific_Daylight_Time_2020
Cuda compilation tools, release 11.0, V11.0.221
Build cuda_11.0_bu.relgpu_drvr445TC445_37.28845127_0

可以看到CUDA版本为11.0

5.3下载数据集

本项目使用的数据集为武汉大学开源口罩数据集

https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset

吐槽：该数据集没有标签，并且分类混乱，建议下载后自己手动标签

5.4安装Labelimg

https://blog.csdn.net/zong596568821xp/article/details/80395079

总结 在终端输入以下命令

pip install PyQt5

输出以下内容（笔者已安装所以为already satisfied）

Requirement already satisfied: PyQt5 in 		     d:\anaconda\anaconda3\lib\site-packages (5.15.1)
Requirement already satisfied: PyQt5-sip<13,>=12.8 in    d:\anaconda\anaconda3\lib\site-packages (from PyQt5) (12.8.1)

输入以下命令安装tools

pip install pyqt5-tools

输出以下内容（笔者为已安装输出）

Requirement already satisfied: pyqt5-tools in d:\anaconda\anaconda3\lib\site-packages (5.15.1.1.7.5)
Requirement already satisfied: click in d:\anaconda\anaconda3\lib\site-packages (from pyqt5-tools) (7.0)
Requirement already satisfied: python-dotenv in d:\anaconda\anaconda3\lib\site-packages (from pyqt5-tools) (0.14.0)
Requirement already satisfied: pyqt5==5.15.1 in d:\anaconda\anaconda3\lib\site-packages (from pyqt5-tools) (5.15.1)
Requirement already satisfied: PyQt5-sip<13,>=12.8 in d:\anaconda\anaconda3\lib\site-packages (from pyqt5==5.15.1->pyqt5-tools) (12.8.1)

输入以下内容安装labelimg

pip install labelimg

输出以下内容（笔者为已安装输出）

Requirement already satisfied: labelimg in d:\anaconda\anaconda3\lib\site-packages (1.8.3)
Requirement already satisfied: lxml in d:\anaconda\anaconda3\lib\site-packages (from labelimg) (4.4.1)
Requirement already satisfied: pyqt5 in d:\anaconda\anaconda3\lib\site-packages (from labelimg) (5.15.1)
Requirement already satisfied: PyQt5-sip<13,>=12.8 in d:\anaconda\anaconda3\lib\site-packages (from pyqt5->labelimg) (12.8.1)

5.5使用Labelimg给图片打标签

终端打开Labelimg(CMD)

>labelimg

以下为标签工作截图

5.6生成训练相关文件

运行该项目文件夹下的makeTxt.py

得到以下四个文件

5.7给训练集添加路径地址

运行该项目文件夹下的voc_label.py

得到以下文件

5.8权重转换

因为.weight文件为DarkNet使用格式 需要转换为Keras适用格式.h5

运行该项目文件夹下的convert.py

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

5.9修改yolo模型参数

打开本项目文件夹下的LOG>yolov3.cfg文件

修改yolo以下信息
$$class=2$$

$$filters=7\times (class+1)=7\times 3=21$$

5.10训练

训练前修改model_data文件夹下的voc_classes.txt 改为自己的标签名称

python train.py

漫长等待 可以去睡一觉

根据自己显卡显存大小设置合适的batch_size值,否则训练一半显存会溢出。

5.11调用OpenCV进行实时监测

需要提前修改yolo.py 内路径信息

pyhton yolo_video.py

效果图展示

6.联系方式

如果你在进行该口罩识别项目过程中遇到问题请邮件联系我。

Subject：MaskIdentificationCSDN

Email Address：[email protected]

7.权重文件链接

本项目训练好的权重文件已上传至百度云盘（Github单个文件上限100M）

链接：https://pan.baidu.com/s/1GNeG3sIZoEvrx7KPn0xbCw vdl5