Face & mask detection

Задача

В данном проекте реализован детектор лиц и классификатор медицинских масок в видеопотоке с помощью OpenCV, Keras и Python.

В итоговый датасет вошли по 2600 картинок каждого класса. Скачать: https://disk.yandex.ru/d/xzAGIUhKNMtkHg

Изображения взяты из открытых источников и предобработаны, цветовые профили приведены к RGB 8 bit с помощью PS.

Требуются imutils, tensorflow/keras 2.4.1, OpenCV

Проект включает в себя 3 скрипта:

Обучение классификатора масок с использованием MobileNetV2, сериализация классификатора;
Реализация детектора лиц и классификатора масок, отрисовка рамки и лейбла в кадре;
Настройка детектора на видеопоток с веб-камеры.

Веса используемой во 2-м скрипте resnet-10:

Структура проекта:

Метрика - accuracy

Качество полученного классификатора:

Запуск

Можно запустить скрипт 3_detect_mask_video.py, который использует уже обученный классификатор масок mask_detector.model (полученный скриптом 1_mask_detector_training.py) и посмотреть на работу детектора;
Можно пройти заново по всем скриптам, то есть с помощью 1_mask_detector_training.py обучить классификатор масок на датасете и сохранить его как mask_detector.model, затем 2_face_mask_detector.py - здесь можно запустить проверку детектора на одиночном изображении, и уже с помощью 3_detect_mask_video.py подключиться к веб-камере своего ПК и проверить работу в realtime.

В скриптах есть парсер аргументов, можно работать с командной строкой, например:

Открыть anaconda prompt, перейти в папку с проектом с помощью команды cd C:\Users\xxxx\mask_detector
Передать команду python 1_mask_detector_training.py --dataset dataset (запустится первый скрипт)
Затем можно запустить второй скрипт командой python 2_face_mask_detector.py --image examples/0.png (проверка на изображении)
Далее - третий скрипт командой python 3_detect_mask_video.py