戴口罩人脸数据集和戴口罩人脸生成方法

发布时间:2023-11-06 19:00

戴口罩人脸数据集和戴口罩人脸生成方法


目录

戴口罩人脸数据集和戴口罩人脸生成方法

1.戴口罩人脸数据集

(1)开源数据集-戴口罩人脸数据集

(2)生成戴口罩人脸的数据集

2.戴口罩人脸生成方法

(1)生成戴口罩人脸思路

(2)口罩模板

(3)戴口罩人脸生成Demo

(4)生成戴口罩人脸效果展示

3. 生成戴口罩数据集和源码下载

4. 戴口罩人脸检测和戴口罩识别(含Python Android源码)


目前网上已经开源了很多免费的人脸识别/人脸检测数据集,比如常见的LFW,FDDB,WIDER FACE,300W等,估计加起来都有好几个忆了。但这些人脸数据绝大部分都是不戴口罩的人脸,不能直接用于戴口罩识别中。网上也有少许开源的戴口罩人脸数据集,鄙人花了点时间,整理一下目前常见的戴口罩人脸数据集,以及戴口罩人脸数据的合成/生成方法。

  1. 包含5个数据集:  facemask-train1,  facemask-train2,facemask-train3,  synthetic-train1,synthetic-train2 ,facemask-test ,总共约有50000+的数据:
  2. 生成戴口罩人脸代码: python create_facemask.py

项目数据和生成戴口罩人脸源码下载地址:戴口罩人脸数据集和生成戴口罩人脸数据


1.戴口罩人脸数据集

(1)开源数据集-戴口罩人脸数据集

一些开源的,免费的戴口罩人脸数据集,download下来,发现这些开源的数据比较脏,有挺多也是标注错误的,需求自己清洗一下哦~

数据集 说明
virus-mask-dataset
  • 数据集总共有三类标签:mask 此人佩戴了可预防病毒口罩;nomask 未佩戴口罩;wrongmask 此人佩戴了无预防病毒作用的口罩;
  • 标注方式为:标注人体全头部+肩膀上部
  • 地址:https://github.com/hikariming/virus-mask-dataset
MaskedFace-Net
  • 正确遮挡人脸数据集(CMFD),错误遮挡人脸数据集(IMFD)及其全局遮挡人脸检测(MaskedFace-Net)的组合。
  • 地址:https://github.com/cabani/MaskedFace-Net
 Real-World Masked Face Datase
  • 地址:https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset
  • 说明:https://blog.csdn.net/HyperAI/article/details/105154132

(2)生成戴口罩人脸的数据集

网上绝大部分人脸数据都是不戴口罩的人脸,不能直接用于戴口罩识别中。鉴于此,我们可以考虑自己合成/生成戴口罩的人脸数据,以下是鄙人收藏和整理的戴口罩人脸数据集和合成的数据集,总共约有50000+的数据:

数据集 说明
facemask-train1
  • 从网上收集的戴口罩人脸数据集(如virus-mask-dataset),约7000+张图片,并清洗了部分标注错误的样本
  • 每张图片都被标注了mask(戴口罩)和nomask(未佩戴口罩)的检测框
  • 标注格式为标准的VOC xml格式,可用于人脸检测训练数据使用
  • 已经裁剪了人脸区域,并清洗了部分标注错误的样本;其中mask(戴口罩)人脸有3000+张,nomask(未佩戴口罩)人脸有10000+张,可作为分类训练数据集,
facemask-train2
  • 从网上收集的戴口罩人脸数据集,约3500+张图片,
  • 每张图片都被标注了mask(戴口罩)和nomask(未佩戴口罩)的检测框
  • 标注格式为标准的VOC格式,但标注的人脸框比较大,不建议用于人脸检测训练数据使用
  • 已经裁剪了人脸区域图像,并清洗了部分标注错误的样本;其中mask(戴口罩)人脸有2000+张,nomask(未佩戴口罩)人脸有6000+张,可作为分类训练数据集
facemask-train3
  • 从网上收集的戴口罩人脸数据集,其中mask(戴口罩)人脸有600+张,nomask(未佩戴口罩)人脸有1700+张,可作为分类训练数据集
  • 原始图片都被裁剪为人脸图像了,所以不合适用于人脸检测;可作为分类训练数据集
synthetic-train1
  • 这是合成的戴口罩人脸数据
  • 其中mask(戴口罩)人脸有7000+张,nomask(未佩戴口罩)人脸有7000+张,可作为分类训练数据集
synthetic-train2
  • 这是合成的戴口罩人脸数据
  • 其中mask(戴口罩)人脸有6000+张,nomask(未佩戴口罩)人脸有6000+张,可作为分类训练数据集
facemask-test
  • 这是戴口罩人脸测试集
  • 其中mask(戴口罩)人脸有300+张,nomask(未佩戴口罩)人脸有300+张,用于分类模型测试

2.戴口罩人脸生成方法

(1)生成戴口罩人脸思路

  1. 首先进行人脸检测和人脸关键点检测
  2. 根据人脸关键点,计算脸颊的宽度和鼻梁位置等位置信息,同理,需要计算出口罩模板的大小、方向和位置;
  3. 最后把口罩模板贴在人脸位置上,等到合成的戴口罩人脸图片

一些戴口罩生成代码参考:

GitHub - sevenHsu/FaceMask_CelebA: Simulated masked face with dataset CelebA

给人脸戴上口罩,Python实战项目来了_我爱Python数据挖掘的博客-CSDN博客

我测试了目前网上的生成戴口罩代码,对于已经矫正的人脸,生成效果还是不错的,但如果原始人脸本身就是倾斜(歪头),这时直接使用原始代码,合成的效果就很差了,在此基础上,我做了优化工作

  1. 增加了口罩模板,共有29种不同类型的口罩模板,提供合成口罩数据的多样性
  2. 优化了口罩倾斜角度,使得人脸倾斜(歪头)时,合成的效果也不错
  3. 优化了人脸检测,采用轻量化人脸检测,加速生成速度
原始图片 原始代码生成戴口罩 优化后生成戴口罩
戴口罩人脸数据集和戴口罩人脸生成方法_第1张图片 戴口罩人脸数据集和戴口罩人脸生成方法_第2张图片 戴口罩人脸数据集和戴口罩人脸生成方法_第3张图片
对于已经矫正的人脸,生成效果还是不错的,但如果原始人脸本身就是倾斜(歪头),这时直接使用原始代码,合成的效果就很差了

(2)口罩模板

口罩模板即口罩Mask图像(PNG格式),可以通过Photoshop抠图的方式,把背景去除;目前已经提供了共有29种不同类型的口罩模板,保证了口罩数据的多样性。

戴口罩人脸数据集和戴口罩人脸生成方法_第4张图片

戴口罩人脸数据集和戴口罩人脸生成方法_第5张图片

(3)戴口罩人脸生成Demo

安装好python相关依赖包

pybaseutils
opencv-python==4.5.1.48
face_recognition
tqdm
torch
torchvision

   代码已经自带了测试图片和数据,你也可以更换成自己的人脸数据集:

python create_facemask.py
# -*-coding: utf-8 -*-
"""
    @Author : panjq
    @E-mail : pan_jinquan@163.com
    @Date   : 2022-06-25 22:23:11
    @Brief  : 生成戴口罩人脸数据集
"""
import os
import sys

sys.path.insert(0, os.getcwd())
sys.path.insert(0, "libs")
from tqdm import tqdm
from facemask.wearmask import FaceMaskCreator
from pybaseutils import file_utils, image_utils


class FaceMaskDemo(object):
    def __init__(self):
        self.mask_creator = FaceMaskCreator(detect_face=True, alignment=False)

    def create_wear_mask_faces(self, image_dir, out_dir=None, vis=True):
        """
        生成戴口罩人脸数据集
        :param image_dir: 人脸图片目录
        :param out_dir:  生成戴口罩人脸输出目录
        :param vis: 是否可视化效果
        :return:
        """
        image_list = file_utils.get_files_lists(image_dir)
        for image_path in tqdm(image_list):
            image_id = os.path.basename(image_path).split(".")[0]
            image = image_utils.read_image(image_path, size=(512, None), use_rgb=True)
            mask, face_rects = self.mask_creator.create_masks(image, mask_type="random", vis=vis)
            if out_dir:
                self.mask_creator.save_image(image, mask, face_rects, out_dir, image_id)


if __name__ == '__main__':
    image_dir = "./facemask/test_image"  # 人脸图片
    out_dir = "./output"  # 生成戴口罩人脸输出目录
    fm = FaceMaskDemo()
    fm.create_wear_mask_faces(image_dir, out_dir, vis=True)

(4)生成戴口罩人脸效果展示

原图 合成带口罩图
戴口罩人脸数据集和戴口罩人脸生成方法_第6张图片 戴口罩人脸数据集和戴口罩人脸生成方法_第7张图片
戴口罩人脸数据集和戴口罩人脸生成方法_第8张图片 戴口罩人脸数据集和戴口罩人脸生成方法_第9张图片

戴口罩人脸数据集和戴口罩人脸生成方法_第10张图片
戴口罩人脸数据集和戴口罩人脸生成方法_第11张图片
戴口罩人脸数据集和戴口罩人脸生成方法_第12张图片 戴口罩人脸数据集和戴口罩人脸生成方法_第13张图片

3. 生成戴口罩数据集和源码下载

下载地址包含内容有:

https://mp.weixin.qq.com/s/4dtC9CeP50M-3nn3xel1Ow

  1. 包含5个数据集:  facemask-train1,  facemask-train2,facemask-train3,  synthetic-train1,synthetic-train2 ,facemask-test ,总共约有50000+的数据:
  2. 生成戴口罩人脸代码: python create_facemask.py

戴口罩人脸数据集和戴口罩人脸生成方法_第14张图片


4. 戴口罩人脸检测和戴口罩识别(含Python Android源码)

准备好人脸数据集和戴口罩人脸数据集,下一步就可以开始训练戴口罩识别模型,请参考:

https://panjinquan.blog.csdn.net/article/details/125428609https://panjinquan.blog.csdn.net/article/details/125428609

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号