YOLOv3_breath_mask

基于YOLOV3的口罩佩戴检测 由于2020年新型冠状病毒，针对公共场合检测人员是否佩戴口罩，故用YOLOV3完成一个人体口罩佩戴检测。

效果展示

环境

• Python： 3.7.4
• Tensorflow-GPU 1.14.0
• Keras: 2.2.4
• 最好用性能强的显卡训练，不然会很慢，而且可能会跑停

数据集

[口罩检测数据集] 需要准备已经标注好的口罩数据集 .jpg 与 .xml对应 breath_anchors.txt 中是先验框对应的大小 breath_classes.tst 中是放置对应数据集的类别

训练

准备数据集

按照VOC数据集的格式来准备数据集，及图片以及xml标签

VOCdevkit
	-VOC2007
		├─ImageSets    # 存放数据集列表文件，由voc2yolo3.py文件生成
		├─Annotations  # 存放图片标签，xml 格式
		├─JPEGImages   # 存放数据集中图片文件
		└─voc2yolo3.py # 用来生成数据集列表文件

将准备的数据集文件放入JPEGImages以及ImageSets文件中，然后运行python voc2yolo3.py来生成ImageSets中的数据列表文件 2007_train.txt是训练的文件 本工程测试集数量不是很多，所以最后结果不是很准确，如果增加训练效果，需要增加样本

生成YOLOV3所需数据

在根目录下，运行 python voc_annotation.py，程序将在根目录下生成用于训练所需的数据列表，运行前记得修改voc_annotation.py中的classes

YOLOv3训练

训练步骤

• 1.下载yolov3的权重文件yolov3_weights

• 2.执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件。

  python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

• 3.执行kmeans/kmeans_v2.py获得先验框 得到的结果放到model_data/breath_anchors.txt中

• 3.在根目录下，运行 train.py 进行训练。可以根据情况修改 train.py 中的参数。

测试

• 1.单张图片测试，需修改yolo.py文件中模型的位置，替换成你训练好的模型（即"model_path": 'logs/last1.h5',）。然后在根目录下，运行python predict_img.py进行测试。

• 2.自己电脑摄像头实时检测，在根目录下运行python predict_video.py 显卡如果不给力的话效果不太好，我的电脑入门级显卡最多3-4帧，如果可能的话用性能好一点的显卡跑，需要站远一点才能检测到