視覺識別入門之識別 ——口罩識別
時隔多月未動筆寫文，一是自己初學很多不明白的地方都在快速地學習，從現在開始定期寫文，我是水彩筆一根，但確是對着生活和學習充滿極度熱情的人，希望能帶着讀者們一起進步，一起學習，三人行必有我師焉！
都說寫文的都是大佬級的人物才寫的，我這種水彩筆本不應該淌這趟水，不過在自己學習道路上有很多碩博的朋友以及現在面臨着工作的朋友們都在鼓勵我開始寫文，一是寫文的過程中 是一個很好的把自己學過的東西鞏固的過程，根據費曼學習法，這寫文的過程同時也是一種講述與分享的過程；二是現在開始培養自己的博客，高質，原創和粉絲量以後也會成爲工作簡歷的一部分。
話不多說，興趣是學習的引路人，先說說做視覺吧，大致有這幾個方向：
人臉（目標）跟蹤：在視頻中，動態的追蹤人臉（目標）位置的變化（高級目標：可預測（預判）目標 的下一步方向）；
人臉（目標）檢測：定位人臉或者人臉中關鍵點（如鼻子、眼睛、嘴脣等）的位置；
人臉（目標）識別：將一張人臉圖片輸入，判斷該人臉屬於人臉數據庫記錄中的哪一個人；（已初步解 決 4月4日）
人臉（目標）驗證：輸入兩張人臉圖片，判斷是否爲同一人；
人臉（目標）聚類：輸入一批臉，將屬於相似的人臉歸爲一類。
小白，初學，先接觸的是識別，今天分享一下口罩識別：先上圖：
其中也可以實時檢測，要是訓練集數據增強處理，再加上昏暗條件下的數據以及紅外傳感器，有機會在疫情當下，實用於醫院，學校等場所，尤其在無人看管的晚上，再配上熱傳感檢測體溫，可以初步滿足需求！當然，一個實際用處的項目需要考慮因素太多，在此不打臉充胖子了。
這裏是我傳入的圖片，用過opencv的朋友都知道圖中的代碼修改一下即可：
imgPath = 'C:\\Users\\acer\\Desktop\\spiders\\pic\\XU\\xusong.jpg'
img = cv2.imread(imgPath)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
inference(img, show_result=True, target_shape=(260, 260))
視頻流就0傳入：0指的是大家筆記本內置的0號攝像頭；
參數0改成視頻路徑或圖片路徑 就會傳入視頻/圖片進行檢測，甚至可以把手機攝像頭傳入，例如：
video_path = 'http://admin:admin@'
在@後面加上自己手機攝像頭的IP地址就行，可以手機下載一個ip攝像頭軟件進入即可。
今天給大家介紹幾種我接觸過的口罩檢測方式,上述的使用的是深度學習SSD模型，朋友設計網絡只有8個卷積層，加上定位和分類層，一共只有24層（每層的通道數目基本都是32\64\128），所以模型特別小，只有101.5萬參數。
因爲只需要少數的特徵來判斷是否佩戴口罩，參數比較少，運行起來也比較快，還在網頁做了一個，用的Tensorflow.js庫
這是模型網絡拓撲層：
| 卷積層 | 特徵圖大小 | anchor大小 | anchor寬高比（aspect ratio）|
|第一層|33x33|0.04,0.056|1,0.62,0.42||第二層|17x17|0.08,0.11|1,0.62,0.42|
|第三層|9x9|0.16,0.22|1,0.62,0.42||第四層|5x5|0.32,0.45|1,0.62,0.42|
|第五層|3x3|0.64,0.72|1,0.62,0.42|
f[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-x7Lg2ljE-1586167427013)(C:\Users\acer\Pictures\1586166387919.png)]
這些是朋友訓練好的模型，持久化操作方便再次調用，省時又省力。
其餘的方式還有直接調用模型，不經歷深度學習框架的，甚至有的只需要幾行代碼就需要搞定，比如：10行代碼進行口罩識別（當然是調用訓練好的模型啦），甚至一些自己訓練模型的方式，可以只用opencv的trainsample.exe進行，這個裏面不涉及很多代碼，適合新朋友玩玩，
有時間的話，下次再聊，學業在身，我努力按時寫博，希望初學的朋友和我一起努力度過初學的坑，達到入門水平微小博主，在線求關，大家下期再見（下期分享上述內容）
希望好奇心能帶着大家向前學習，看到自己訓練的模型成功，成功跑出來，看到識別成功，難道不比print “hello world”好玩嗎hhhh