分别用opencv和yolo3实现口罩佩戴的状态检测,附代码和数据集

很多小伙伴想要数据集，补上链接，包含佩戴口罩，未佩戴口罩以及不规范佩戴口罩的图片数据及其标签，大约3000张，标签分别为：have_mask，no_mask，incorrect_mask : 口罩数据集

因为疫情的原因，口罩佩戴成为人们出行重要方式，对于口罩的佩戴检测已经成为热题。趁着五一节假日呢待在学校把这个项目复现了一遍，实现了用opencv或yolo3对口罩的检测，注意是两种实现方式哦。网上有很多相关资源，但奈何资源分散，所以就在此将所有资源和实现过程放在一篇文章中，包含代码，数据集和各种环境配置，供大家参考。

一、基于opencv实现口罩佩戴检测

OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库。

1.环境配置

1. python3.7.8（其实对于opencv来说哪个版本都行)
2. opencv4.5.1,进入cmd里pip就好,下面这个命令自动就是4.5.1这个版本，至于其他的库函数少哪个pip哪个，注意PIL这个库是pip install pillow。

pip install opencv-python

2.项目介绍

该项目中，使用opencv里的dnn模块做深度学习向前推理，所需库函数少，无需安装其他深度学习库，简单易实现。如果你只是想要实现口罩检测的效果，对于yolo3等深度学习无需求，建议用opencv实现。

3.相关源码

源码参考github:
用opencv的dnn模块实现人脸口罩检测

4.相关补充

该代码有三种检验方式：

1. 如果对图片进行测试，则将标蓝的default值改为1，下方的default值改为本机图片路径即可。
2. 如果对视频进行测试，则将标蓝的default值改为0，最后一行parser中的default值改为视频路径，即path即可。
3. 如果想用本机摄像头进行检测(首先你的电脑得有摄像头才行，如果没有可以用外置摄像头),则标蓝的default值保持为0，最后一行的default值修改为0。
4. 运行 opencv_dnn_infer.py 文件。

二、基于yolo3实现口罩佩戴检测

1. yolo3基本原理

1.1 yolo3实现思路

• 上面就是yolo3的原理图，最左侧的方框表示的是yolo3中主干特征提取网络，即Darknet53，每一个block中有多次卷积，每次向下采样时都会增加通道数，总体来说，Darknet53结构=下采样+残差网络的堆叠，最终提取特征得到特征层。
• Darknet53最下面的三个特征层输出结果到右边进行上采样操作，利用获取的特征构建特征金字塔，这样能使预测结果准确率大大提升。
• 最终红色框框输出网络进行分类预测和回归预测的结果。

1.2 yolo3原论文翻译版

要对于yolo3有一个准确的理解，建议还是看看原论文You Look Only Once：
yolo3论文翻译版

1.3 yolo3教学视频

b站上有一位小哥讲yolo3的实现我觉得很棒啊，推荐大家看看：
Pytorch 搭建自己的YOLO3目标检测平台（Bubbliiiing 深度学习 教程）

2.环境配置

yolo3的环境配置相比于之前的opencv会稍微复杂那么亿丢丢，不过还好有我在不是么……

• python3.7.8,还是老样子，当然pytorch版本yolo3的对于python版本没有要求，所以python什么版本都可。

• pytorch,cuda,cudnn,anaconda环境以及vscode的安装,其实在python文件中的import torch指的就是pytorch,但是你不能直接pip。这里有一个写的比较好的博文，我就直接给大家附上链接了，所有的安装都按照博主说的来做就好：
  windows下的torch=1.2.0环境配置

• ………假设你已经认真看了上面的环境配置并安装上了pytorch,cuda,cudnn…………

• 1.如果你想用vscode的话，最好安装老版的anaconda,并在anaconda中切换环境启动vscode，如果是新版的anaconda是没有vscode启动项的，那么vscode要切换到pytorch环境会比较麻烦（亲测）。
  2.如果你和我一样喜欢用pycharm的话，这里给一个pycharm的百度网盘链接：
  pycharm2020.3.2
  提取码：clvz
  那么pycharm切换到新建的pytorch环境就好啦，以下是切换方法的链接：
  创建pytorch/tensorflow环境后如何在pycharm中切换

  环境的测试：

  进入cmder,输入activate pytorch(cmd或pycharm的terminal当然也可）：
  
  到了这一步离成功就不远了，毕竟现在环境就已经配置好了。

3.相关源码和数据集

Mask_detection_yolo3
最懂你们，借鉴吧……把代码下载下来，用pycharm打开，转到pytorch环境中去，然后运行video.py文件即可，大家安装过程中有什么问题欢迎在底下留言。

4.用yolo3模型训练自己的数据集

附上我写的另篇博文：
用yolo3模型训练自己的数据集