最近，口罩成了绝对的热门话题。疫情之下，出门不戴口罩，不仅是对自己的不负责任，也是对他人的潜在威胁。所以很多小区门口都有保安，谁不戴口罩就吼回去（吓死我了）。即便如此，人工巡检总有漏人的可能，保安大叔也因为一直盯着他们看的很累。今天我们就来试试用电脑自动检测人脸是否戴口罩的可行性。如果可行，那么根据我们之前的推送：人脸检测自动开启，可以做一个实时摄像头，如果有人没有戴口罩，会发出警告给保安，提高保安的工作效率守卫。当然，如果要识别人脸是否戴口罩，需要收集大量的训练数据，不过最近百度开源了他们的人脸口罩识别模型：PaddleHub口罩检测。今天我们来试试这个模型的效果。一、准备为了实现这个实验，Python是必不可少的。如果你还没有安装Python，推荐阅读我们的文章：超级详细的Python安装指南。然后，我们需要安装百度的paddlepaddle。进入他们的官网有详细的说明：https://www.paddlepaddle.org.cn/install/quick根据自己的情况选择这些选项。最后一个CUDA版本，由于这个实验不需要训练数据，也不需要大量的计算，所以直接选择CPU版本就可以了。选择完成后，下方会出现安装指南。不得不说，Paddlepaddle在这些方面还是挺用心的（只是名字不好听）。注意，如果你的Python3环境变量中的程序名是Python，记得把语句改成Pythonxxx，安装如下：python-mpipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi/simple需要的安装paddlehub：pipinstall-ihttps://mirror.baidu.com/pypi/simplepaddlehub2。写代码Paddlehub作为一个深度学习平台，使用还是蛮方便的，尤其是对我（换包小王子）非研究用户。一共只有四步：1.导入模块和图片2.加载模型3.分类预测4.结果展示将我们需要测试的图片保存在代码文件的同目录下，并命名为3.jpg:want看这位小姐姐是如何摘下面具的。代码如下：importpaddlehubashubimportmatplotlib.pyplotaspltimportmatplotlib.imageasmpimg#1.待预测图片test_img_path=["./3.jpg"]#2.加载模型module=hub.Module(name="pyramidbox_lite_mobile_mask")#3.预测input_dict={"image":test_img_path}results=module.face_detection(data=input_dict)#4.结果展示img=mpimg.imread("detection_result/3.jpg")plt.figure(figsize=(10,10))plt.imshow(img)plt.axis('off')plt.show()是的，你没有看错，就是这么简单。去掉空行和注释后只有12行代码。再狠一点，把matplot显示部分全部去掉，只有6行代码。再硬一点，结合test_img_path和input_path变量和module.face_detection语句，你会发现只有3行代码：(data={"image":["./3.jpg"]})执行后的分类结果可以在同目录下的detection_result目录下查看。所以，说20行代码是适度的，3行代码就足够了。3.结果为我们测试的图片，结果如下：MASK:97.64%表示此人戴着口罩，可靠性为97.64%。NOMASK：97.41%表示此人没有戴口罩，可靠性为97.41%。最后一位大叔也是MASK，但是其可靠性只有54.31%，所以很可能是误判。在我们的实际应用中，只需要提高警告阈值（比如80%）就可以筛掉这些不可靠的分类。不过这个模型有一个缺点，就是在远距离判断人的时候不是很准确：离摄像头最近的人可能因为是侧脸，五官不明显，无法识别。但是，远处戴口罩的人被识别为没有戴口罩，这是这个模型的错误。但是，通过阈值滤波和缩短相机拍摄距离，该模型仍然可以在现实生活中使用。这是我们文章的结尾。如果你今天想要我们的Python教程，请继续关注我们。如果对您有帮助，请点击下方的赞/观看。有什么问题可以在下方留言区留言，我们会耐心解答！Python实用书（pythondict.com）不只是一本书欢迎关注公众号：Python实用书原文来自Python实用书：Python20行代码检测人脸是否戴口罩
