这个项目使用热门的目标检测算法yolov5算法，实现了对于戴口罩和不戴口罩的人脸识别需求，项目运行之后展示一个由qt技术编写的主界面窗口，项目可以实现图片和视频的检测。图片检测需要上传图片，系统会自动识别出图片中的人是否佩戴口罩。视频检测中包括实时监测和文件检测，实时监测可以通过摄像头直接识别出未佩戴口罩的人。在机器学习技术中，要想使得所训练的模型具有较高的准确度，其中一个关键就是要有足够量的数据让它进行一轮又一轮的学习，不断提取特征，分析，学习。在这个项目中，数据集文件夹为yolo_mask，数据集文件夹下分两个文件夹 images和labels，这两个文件夹分别存储图片数据和图片标签数据文件，这两个文件夹都分别下分test,train,val文件夹，分别表示测试集，训练集，验证集和其标注文件。在这个项目中，我们选用了2000张图片数据，其中训练集，测试集，验证集按照6：2：2的比例分配数据。将这些图片数据分别存储在，然后使用图形图像注释工具LabelImg对这2000张图片数据进行标注，标注完成之后会得到一系列的txt文件，这里的txt文件就是目标检测的标注文件。

资源包含文件：设计报告word文档+源码 针对目标检测的任务，可以分为两个部分：目标识别和位置检测。通常情况下，特征提取需要由特有的特征提取神经网络来完成，如 VGG、MobileNet、ResNet 等，这些特征提取网络往往被称为 Backbone 。而在 BackBone 后面接全连接层***(FC)***就可以执行分类任务。但 FC 对目标的位置识别乏力。经过算法的发展，当前主要以特定的功能网络来代替 FC 的作用，如 Mask-Rcnn、SSD、YOLO 等。我们选择充分使用已有的人脸检测的模型，再训练一个识别口罩的模型，从而提高训练的开支、增强模型的准确率。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/124897861

yolov5-口罩佩戴识别，有兴趣一起试试

深度学习 口罩识别数据集

标注为txt格式，适用于yolo，2000张，其中标签为mask和unmask，只需要修改yaml文件中的地址就可以使用，训练识别精度高

利用yolov5训练口罩识别的源码，提供7959张口罩的数据集和已经标注好的标签。数据集的照片和标签在源码yolov5-6.2-mask\data\mask路径下，最后提供已经训练好的模型可以直接使用。

基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据.zip基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据.zip基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据.zip

数据集中共有100多张训练集，20多张验证集，10多张测试集，标注了mask和no-mask，openeye和closeeye四种类别。 适合新手进行模型训练，模型训练推荐使用云服务器进行训练，YOLOv5环境可以一键进行配置。

基于 Tensorflow 的人脸口罩识别系统的设计与实现.pdf基于 Tensorflow 的人脸口罩识别系统的设计与实现.pdf脸口罩识别系统的设计与实现.pdf

约4000张不带口罩的人脸图片+4000张带口罩的人脸图片，含标注文件，符合YOLOv5格式，可直接训练。