### 使用 OpenCV 实现口罩佩戴检测 要使用 OpenCV 实现口罩佩戴检测，可以采用级联分类器（Haar Cascade Classifier）或者深度学习模型来完成。以下是两种常见的实现方式。 #### 方法一：基于 Haar 级联分类器的口罩检测 这种方法依赖于预训练好的 Haar 特征分类器来进行人脸和口罩区域的检测。具体步骤如下： 1. **安装必要的库** 需要先确保已安装 `opencv-python` 和其他可能需要的库。 2. **加载 Haar 级联分类器模型** 下载并加载用于人脸检测和口罩检测的 Haar 级联 XML 文件[^1]。 3. **读取摄像头视频流** 使用 OpenCV 的 `cv2.VideoCapture()` 函数获取实时视频流。 4. **绘制检测框** 对每一帧图像应用分类器进行检测，并绘制相应的矩形框表示检测到的对象。 下面是完整的代码示例： ```python import cv2 # 加载 Haar 级联分类器 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') mask_cascade = cv2.CascadeClassifier('haarcascade_mask.xml') # 打开摄像头 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) for (x, y, w, h) in faces: roi_gray = gray[y:y+h, x:x+w] # 检测是否佩戴口罩 masks = mask_cascade.detectMultiScale(roi_gray, scaleFactor=1.1, minNeighbors=5) if len(masks) > 0: label = 'With Mask' color = (0, 255, 0) # 绿色 else: label = 'Without Mask' color = (0, 0, 255) # 红色 # 绘制矩形框 cv2.rectangle(frame, (x, y), (x+w, y+h), color, 2) cv2.putText(frame, label, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, color, 2) # 显示结果 cv2.imshow('Mask Detection', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 此方法简单高效，但其准确性取决于 Haar 级联分类器的质量以及数据集的多样性[^1]。 --- #### 方法二：基于深度学习的目标检测 如果希望获得更高的精度，可以选择使用深度学习模型，例如 YOLO 或者 Keras 训练的自定义目标检测模型。以下是一个基于 YOLOv10 的例子[^2][^3]： 1. **加载预训练模型** 导入所需的模块并加载经过训练的权重文件。 2. **处理输入图像** 将摄像头捕获的每一帧传递给模型进行推理。 3. **显示检测结果** 根据模型返回的结果，在图像上绘制边界框和标签。 完整代码如下所示： ```python import cv2 from yolov10.inference import detect from yolov10.models import YOLOv10 import torch # 初始化模型 model = YOLOv10(num_classes=3) model.load_state_dict(torch.load('yolov10_mask_detection.pth')) model.eval() # 打开摄像头 cap = cv2.VideoCapture(0) while cap.isOpened(): ret, frame = cap.read() if not ret: break # 推理 result = detect(model, frame, conf_threshold=0.5) for box, label, confidence in result: x1, y1, x2, y2 = map(int, box) color = (0, 255, 0) if label == 1 else (0, 0, 255) cv2.rectangle(frame, (x1, y1), (x2, y2), color, 2) cv2.putText(frame, f'Label: {label}, Conf: {confidence:.2f}', (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2) # 显示结果 cv2.imshow("YOLOv10 Mask Detection", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() ``` 该方法利用了更先进的卷积神经网络结构，能够显著提高检测性能，尤其是在复杂背景下的表现更为出色[^2]^。 --- ### 总结 以上提供了两种不同的技术路线来解决口罩佩戴检测问题。对于初学者来说，推荐从简单的 Haar 级联分类器入手；而对于追求高精度的应用场景，则建议尝试深度学习模型如 YOLO 及其变体版本[^3]。