资源概况
资源介绍（截取部分，网站请购买）
1 研究背景与意义
新型冠状病毒展现出全球化流行和蔓延的趋势，这提醒我们：传染病防治在今后相当长时间内仍是疾病预测控制工作的重点。戴口罩是预防呼吸道传染病的重要防线，可以降低新型冠状病毒感染风险。口罩不仅可以防止病人喷射飞沫，降低飞沫量和喷射速度，还可以阻挡含病毒的飞沫核，防止佩戴者吸入。所以，戴口罩是日常必要的环节。为了他人安全和自身的安全，进出一些场合，人人都需要戴口罩。但最近天气炎热，人们戴口罩的自觉性不如提前了，在商场等公共场所，需要专门的人员去提醒顾客戴好口罩。因此，开发人脸口罩检测系统是非常有必要的，它能检测我们进入某些场所是否带口罩，跑起程序测试后，发现识别率高，也能适应不同环境。我这次的课程设计的目标是基于人脸识别实现人脸的”是否戴口罩“工作。
根据相关工作人员对人们是否佩戴口罩的检测的实际需求，该平台应该具有以下几项基本功能：
1：能够在给定图片上完成人脸加口罩的测试。
2：检测人们是否佩戴口罩
3：以及在图片上显示戴口罩的程度。例如MASK：99.02% NO MASK:100%
3.1 系统功能结构设计
该系统要实现检测人们是否佩戴口罩的基本功能，根据自顶向下的设计思路，该系统的模块架构设计如图3-1所示。主要分为人脸识别，获取对照人脸，建立人脸模型，检测实时人脸，通过模型校验，输出识别结果。
3.2 系统运行流程
本系统要运行流程如图3-2所示。
系统开放配置要求如下：
（1）操作系统：win11（64位）
（2）Python解释器版本：Python3.7.10
（3）开发工具：Pycharm
（4）所使用的Python内置模块、标准库如表4-1所示：
（5）所使用的Python第三方库如表4-2所示：
系统主函数主要实现检测是否戴口罩以及佩戴口罩的程度功能，对应的程序流程图如同5-1所示。
6.1 功能模块1设计
功能模块1主要实现检测是否佩戴口罩功能，对应的程序流程图如同6-1所示。
6.2 功能模块2设计
功能模块2主要实现图片显示NO MASK💯00%以及MASK（以及戴口罩的程度)功能，对应的程序流程图如同6-2所示。
将 Python源代码通过pyinstaller生成可执行文件，目的是不需要依赖python编译器就可以运行软件。具体操作如下：
打包生成的可执行文件截图，如图7-1所示。
系统总的源代码有210行，选用Pycharm编写完成。(完整详见下载)
import os
#导入os模块到当前程序
import cv2
#引入第三方库cv2
import paddlehub as hub
#引入第三方库paddlehud
import tkinter as tk
#将Tkinter中的公开对象导入当前名称空间
from tkinter import *
#导入tkinter下的所有函数
from tkinter import filedialog
#filedialog是tkinter中的文件对话框
from PIL import Image, ImageTk
#调用pil库，进行图像处理
display_image_width=800
#图像的宽度
display_image_height=500
#图像的长度
Color_list = [
1, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 31, 33, 35, 37, 39,
41, 43, 44, 46, 48, 50, 52, 53, 55, 57, 59, 60, 62, 64, 66, 67, 69, 71, 73, 74,
76, 78, 79, 81, 83, 84, 86, 87, 89, 91, 92, 94, 95, 97, 99, 100, 102, 103, 105,
106, 108, 109, 111, 112, 114, 115, 117, 118, 120, 121, 123, 124, 126, 127, 128,
130, 131, 133, 134, 135, 137, 138, 139, 141, 142, 143, 145, 146, 147, 149, 150,
151, 153, 154, 155, 156, 158, 159, 160, 161, 162, 164, 165, 166, 167, 168, 170,
171, 172, 173, 174, 175, 176, 178, 179, 180, 181, 182, 183, 184, 185, 186, 187,
188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 201, 202, 203,
204, 205, 205, 206, 207, 208, 209, 210, 211, 211, 212, 213, 214, 215, 215, 216,
217, 218, 219, 219, 220, 221, 222, 222, 223, 224, 224, 225, 226, 226, 227, 228,
228, 229, 230, 230, 231, 232, 232, 233, 233, 234, 235, 235, 236, 236, 237, 237,
238, 238, 239, 239, 240, 240, 241, 241, 242, 242, 243, 243, 244, 244, 244, 245,
245, 246, 246, 246, 247, 247, 248, 248, 248, 249, 249, 249, 250, 250, 250, 250,
251, 251, 251, 251, 252, 252, 252, 252, 253, 253, 253, 253, 253, 254, 254, 254,
254, 254, 254, 254, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
255, 255, 255, 255]
#列表
def whiten_refine_face(whiten_refine_face_src): #人脸处理
whiten_refine_face_src = cv2.bilateralFilter(whiten_refine_face_src, 19, 75, 75)
height, width, n = whiten_refine_face_src.shape
#人脸的长度和宽度
for i in range(height): #遍历长度
for j in range(width): #遍历宽度
whiten_refine_face_src[i, j, 0] = Color_list[whiten_refine_face_src[i, j, 0]]
whiten_refine_face_src[i, j, 1] = Color_list[whiten_refine_face_src[i, j, 1]]
whiten_refine_face_src[i, j, 2] = Color_list[whiten_refine_face_src[i, j, 2]]
class DisplayImage: #复显图像
'''用于展示选择的图片'''
def __init__(self, master): #python中的内置函数 init函数是初始化函数
self.master = master #创建类Displaylmage，它的__init__函数接受一个参数master,这个master参数，把它想象成主窗口，主应用程序，主进程，所以用self.master=master
master.title("GUI")
self.image_frame = Frame(master, #Frame对象表示执行帧，表示程序运行时函数调用栈中的某一帧
bd=0, #bd设置文本框的边框大小，值越大边框越宽
height=display_image_height, #图片的高度
width=display_image_width, #图片的宽度
bg='yellow', #bg设置文本框默认背景色
highlightthickness=2, #设置文本框点击后的边框大小
highlightbackground='black', #选中文字的背景颜色
highlightcolor='black') #设置文本框点击后的边框大小
self.image_frame.pack()
self.Text_label = Label(master, text='图像预览')
系统代码调试采用先模块再整体的调试思路，通过Pycharm的单步断点调试方式。
调试方pycharm单步断点调试方法：
代码运行结果：
10.1总结
既定的功能设计基本实现。存在的不足：模型只能识别佩戴口罩和不佩戴口罩，但是不能识别出口罩是否佩戴正确。模型是用裁剪后的人脸训练的，那么在实际的应用中也当使用裁剪后的人脸。功能的扩展：利用了思维识别技术。通过这次综合实践，我对专业和项目开发有了更加深切和具体的认识，体会到了写程序的艰辛与复杂，但克服困难之后的喜悦也是巨大的。通过不断地去解决问题，我的能力都有了很大的提高。
10.2展望
- 在真正部署到实际中还应当增加数据集，扩充一些故意遮挡的图片。
- 通过采用眼部关键点和注意力机制相结合的方法来增强眼部特征，眼部特征图与整体人脸特征图的多级融合，充分挖掘人脸的有效信息，提升模型在口罩遮挡情况下的表现。
- 解决戴口罩进行人脸识别存在的问题，例如光照问题，遮挡问题以及人脸识别可能存在的安全性。通过更加完善的系统代码解决这些问题。
python实验报告已经接近尾声，在这一周的过程中，我更加领悟到了python的魅力。在写实验报告中，不但加深了以往对于python基础语法的认识和运用，更重要的是，在原来的基础上，学到了新的东西。从开始选题到完成实验报告，一开始，更多的只是想完成任务和对自己需要的角度进行学习，随着完成过程中查找的学习内容逐渐丰富以及了解的积累，开始对python越来越感兴趣。当然在个人课程设计过程中遇到了一些技术难点，例如如何检测到有障碍物遮挡的人脸区域，在人群中识别脸部特征较为困难，光照问题，遮挡问题，动态识别问题，图形质量问题，以及人脸识别可能存在安全问题。分析解决办法：利用思维识别技术来进行认证，这项技术具有防窥性，防复制特性，使用户可以把多个账号的密码统一成一个，简化记忆，而且还具备双向验证能力。最后使人脸识别是否戴口罩技术更加完善应用到生活的各个方面。
暂无评论内容