facenet mtcnn人脸口罩识别python编写

首先进行图片的读取，使用opencv的haar鼻子特征分类器，如果检测到鼻子，则证明没有戴口罩。如果没有检测到鼻子，接着使用opencv的haar眼睛特征分类器，如果没有检测到眼睛，则结束。如果检测到眼睛，则把RGB颜色空间转为HSV颜色空间。进行口罩区域的检测。口罩区域检测流程是首先把距离坐标原点的较近的横坐标作为口罩区域开始横坐标，离坐标原点较远的横坐标作为口罩区域结束横坐标。离坐标原点较远的纵坐标作为口罩区域开始纵坐标，离坐标原点较远的纵坐标与眼睛高度2倍的和作为口罩区域结束纵坐标。

YOLOV5口罩佩戴数据集（带口罩，未带口罩）-yolo格式-voc格式 1000+图片

使用yolov5训练好的口罩检测模型，其中具体训练方法见我的博文《使用YOLOV5训练口罩检测模型》，链接https://blog.csdn.net/wchwdog13/article/details/128311482?spm=1001.2014.3001.5501

对亚洲人脸数据集处理后添加口罩，每张图片大小为160*160，可以直接放入神经网络训练

https://download.csdn.net/download/weixin_32759777/12545262 这个项目的数据集

1、基于yolov5算法实现口罩识别检测源码+模型文件+评估指标曲线+使用说明 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、识别类别为：“戴口罩”，“不戴口罩” 4、大量数据集训练，迭代200次，模型拟合较好。 【备注】有相关使用问题，可以私信留言跟博主沟通。

戴口罩人脸检测和戴口罩识别(含Python Android源码): https://blog.csdn.net/guyuealian/article/details/125428609 ； 戴口罩人脸检测和戴口罩识别Android Demo APP体检： https://download.csdn.net/download/guyuealian/85771596 目前项目开发的戴口罩识别（face-mask recognition）的准确率还挺高的，在resnet50,可以高达99%的准确率，即使采用轻量化版本MobileNet-v2，准确率也可以高达98.18%左右。

1、YOLOv7口罩人脸检测训练权重 ，附有各种训练曲线图 2、map达90%以上， 3、classes: face， mask 4、并包含口罩数据，标签格式为VOC和YOLO两种 5、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127146442?spm=1001.2014.3001.5502

【实际项目应用】 口罩佩戴检测 【数据集说明】 口罩检测数据集，一共7889张图片，标签包含两类，分别为 ['mask','nomask']，多种背景，数据经过筛选提取，数据分布均匀且多样性充分，实际项目所用，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。人工标注，标注精准，算法拟合很好，数据质量可靠。 【备注】若需要json格式标签，或数据集使用问题，请私信留言。