【源码】基于Python和深度学习的面部口罩检测与追踪系统

项目简介

本项目是基于Python和深度学习构建的面部口罩检测与追踪系统。利用开源的YOLOX模型开展目标检测，同时集成卡尔曼滤波器和特征匹配等算法实现目标追踪。项目配备了训练模型脚本、数据预处理工具、模型转换工具以及视频数据处理工具。

项目的主要特性和功能

1. 目标检测：借助YOLOX模型检测面部口罩，可识别佩戴和未佩戴口罩的人员。
2. 目标追踪：集成卡尔曼滤波器与特征匹配算法，实现多目标追踪，对视频行人持续追踪。
3. 数据预处理：提供生成自定义数据集的工具，能从视频数据集检测人，并保存检测图像和对应注解。
4. 模型转换：提供脚本将PyTorch模型转换为TensorRT模型，提升模型推理效率。
5. 工具类：包含编辑和配置参数的工具类，支持BEV参数、触发器描述设置，通过命令行参数解析器处理用户输入。
6. 视频处理：提供处理视频文件的脚本，可提取特定帧并保存为图像文件，支持按特定间隔提取帧。

安装使用步骤

1. 环境准备

确保系统满足以下要求： - Python >= 3.8 - CUDA (测试版本：10.2 和 11.3) - FFmpeg 或 Gstreamer

安装必要的Python库： bash cd BRA python -m venv .dev-env source .dev-env/bin/activate # 在Windows上使用 .dev-env/Scripts/activate python -m pip install -r requirement.txt

安装PyTorch和TorchVision： bash python -m pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

2. 准备数据和模型

下载预训练模型权重： - bytetrack_m_mot17.pth.tar - FMD_m1k.pth

准备配置文件： bash cp worker/worker3_conf.yaml worker/custom_worker_conf.yaml vim worker/custom_worker_conf.yaml

3. 运行项目

使用以下命令运行项目： bash cd work python ./work_dev.py -vin 输入影像 -vout 输出影像 -csv CSV檔案 -wc work-config -vc view-config --legacy

4. 高级配置

如果需要使用TensorRT进行模型加速，请参考以下步骤： bash python ./tools/trt.py -f $EXP位置 -c $權重位置 -b $最大批次大小 -P $生成檔案的前綴名稱 -C 儲存資料夾 -w 工作區域大小

注意事项

1. 确保安装了所有依赖的Python库，包括cv2、argparse、yaml、torch等。
2. 确保数据集的格式符合项目要求，包括图像和标注文件的格式。
3. 根据实际需求调整模型配置参数，如模型类型、批量大小、设备数量等。
4. 注意处理可能出现的错误和异常，确保程序的健壮性。
5. 在程序结束时，确保释放所有打开的文件和流，避免资源泄漏。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】