简介面向计算机视觉学习与毕业设计场景的口罩佩戴识别项目基于Python和OpenCV借助级联分类器完成口罩区域检测适合计科、人工智能、自动化等专业学生用于课程设计、项目初期演示或算法进阶。压缩包内共50个文件大小13.56MB以XML分类器模型为主39个另有Python检测与语音播报脚本、MP3提示音、vec训练向量、依赖清单和说明文档目录结构清晰便于按模块查阅。代码已完成运行验证包含口罩检测主程序、语音提醒和播放控制可在此基础上修改检测逻辑或扩展其他视觉任务配套依赖与说明文件能降低环境搭建门槛适合毕设答辩或课程实践参考。目前已有192人学习下载。通过学习该项目可以了解OpenCV中haar/lbp/hog级联模型的工程调用方式、正样本vec的组成结构以及将视觉检测与语音模块串联的完整思路对入门计算机视觉或准备毕设项目都有实际帮助。1. 口罩识别不玄学纯PythonOpenCV能做出什么最近不少做考勤、门禁、工地实名制的朋友问我能不能不依赖深度学习框架、只用Python和OpenCV就把“是否佩戴口罩”这件事落地。我的回答是能而且这套方案我已经在几个现场用过人脸检测交给OpenCV的Haar级联口罩判定交给OpenCV训练出来的SVM分类器整个过程只用两个核心依赖Python和OpenCV。它不追求99.9%的极致精度却能在普通笔记本CPU上跑到30帧上下契合了许多低成本项目的需求。这套实践很适合课程设计、毕业设计、小规模门禁改造也适合想快速验证图像识别流程的工程师。读者里如果有刚接触图像识别的新手跟着这篇文章的步骤能做出一个可交付的模型已经做过目标检测的人也可以把本文作为一套“轻量级分类器”的参考它没有黑匣子每个环节都能看见中间结果出了问题也知道去哪看。注意整条链路不涉及TensorFlow、PyTorch也不依赖任何第三方模型仓库。所有核心代码都基于Python和OpenCV。当然如果你追求更高精度文末我会讲怎么换脑子但先把这套简单路线跑通比什么都重要。2. 方案选型为什么我选Haar检测SVM分类而不是深度模型2.1 三种常见口罩识别路径的对比在决定怎么做之前先把路线盘清楚。按我接触过的项目要走通口罩识别通常会面临三条路方案依赖精度速度部署难度Haar/OpenCV检测 SVM特征分类仅OpenCV中高高低HOG SVM整体检测仅OpenCV中高低YOLO/MobileNet等深度网络TensorFlow/PyTorch/ONNX高中高较高很多人一上来就推荐深度学习但“是否佩戴口罩”本质是一个对人脸局部区域的二分类任务并不需要复杂的检测网络。常见做法是先检测人脸再对脸的下半部分判断是否被遮挡。人脸检测用OpenCV的Haar就够口罩分类用一个输出mask/no_mask的SVM——这是最保守、最容易被现场接受的做法。深度模型在复杂遮挡和角度下会更准但对刚起步的项目样本标注、环境依赖和部署成本都会消磨掉耐心。为什么不用YOLOYOLO精度高但你需要标注人脸框和口罩属性还要训练一个完整检测网络。如果只是“门禁前是否戴口罩”这种固定机位场景HaarSVM的性价比很高。我见过不少团队一上来就上YOLO最后卡在标注数据上项目迟迟不能交付。反过来HaarSVM从数据准备到上线只要一两天。后面如果要做多人密集检测或口罩佩戴不规范检测再升级YOLO也不迟。2.2 本项目技术栈与处理流水线我的处理流水线是读图或读帧转灰度Haar级联检测人脸取最大人脸框从人脸框裁出下半脸区域作为ROIROI缩放到64×64提取HOG特征和HSV颜色直方图特征拼接后喂给OpenCV SVM分类器输出mask或no_mask。为什么ROI只取下半脸因为口罩遮挡的是口鼻区域。如果拿整张脸去做分类眼睛和眉毛这些未遮挡区域会干扰分类器让模型把“戴眼镜”和“没戴口罩”混淆我第一次跑的时候就翻过车。只保留下半脸能显著提升特征区分度。为什么缩放到64×64太小会丢失纹理太大增加HOG计算量。经过实测64×64在CPU上只有几毫秒的额外开销而且HOG的block尺寸设为16×16时刚好能描述口罩褶皱纹理。顺便说一句这套方案属于OpenCV图像处理项目里最经典的落地套路核心思想就是“检测器分类器”解耦和工业上的仪表识别的逻辑是相通的。这里还要说清Haar的局限它只能给人脸框不能给口罩框。但我们的目标不是检测口罩位置而是判断“是否佩戴”。把问题拆成人脸检测区域分类实际上是缩小了问题范围这也是为什么这套方案能在普通硬件上工作。2.3 开卷测试在一张图片上跑通最小检测流程不管后续要训练什么先把OpenCV的人脸检测跑通。下面的代码是最小可运行版本import cv2 # 加载OpenCV自带的Haar人脸级联文件 face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) img cv2.imread(sample.jpg) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测人脸scaleFactor控制每层缩放比例minNeighbors控制邻域内最少保留数 faces face_cascade.detectMultiScale( gray, scaleFactor1.1, minNeighbors5, minSize(80, 80), ) for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2) cv2.imshow(face, img) cv2.waitKey(0) cv2.destroyAllWindows()这里的逻辑是先将图像转为灰度因为Haar特征只基于灰度然后通过detectMultiScale在不同尺度滑动窗口检测人脸返回的(x, y, w, h)用于画框展示。scaleFactor1.1表示每次搜索窗口放大10%值越小检测越精细但耗时会成倍增加minNeighbors5表示一个区域至少要被5个窗口命中才算人脸值太大容易漏检。minSize(80, 80)能过滤掉太小的误检对摄像头画面尤其重要。如果这段代码画框正常说明OpenCV环境没问题。常见安装问题基本集中在No module named cv2处理办法是重新执行pip install opencv-python。如果你在vscode里跑注意解释器要选对经常会出现全局环境与项目环境不一致导致装了cv2却import不到。这些都是vscode python环境配置里最常遇到的坑确认一下右下角解释器路径就能解决。开卷测试的意义在于尽早暴露环境问题而不是等特征提取做到一半才发现连图像都读不出来。到这里方案已经立住下面开始准备数据。3. 人脸ROI提取数据准备、裁剪与Haar参数怎么调3.1 数据集目录结构与采集建议训练一个口罩SVM分类器最怕的是数据“看着数量够实则分布很偏”。我一般把数据按下面的目录组织raw_images/ ├── mask/ │ ├── 001.jpg │ └── ... └── no_mask/ ├── 001.jpg └── ...每个类别建议至少500张图片。来源可以是手机拍摄、监控抓拍、网络图片但要让两个类别里的光照、人脸角度、口罩颜色尽量混在一起。不要只收集蓝色口罩否则后面遇到白色和黑色口罩会表现得很差。常见做法是先用手机每个角度拍几十张再配合脚本做左右翻转、亮度调整、小角度旋转来扩充数据。OpenCV本身没有专门的扩增工具用numpy或PIL都很容易。收集数据时最容易犯的错用爬虫抓了一堆人脸图尺度差异巨大裁剪后ROI里很多只剩额头。我这里建议统一人脸尺寸至少保证人脸宽度在100像素以上。另一个坑是戴眼镜mask和no_mask两个类别里都要有戴眼镜的样本否则分类器会通过“眼镜框边缘”这种伪特征判断训练时准确率虚高一上线就露馅。采集时还要注意一个原则人脸尽量正对镜头因为Haar检测对侧脸的召回率不高背景不要太复杂。如果现场配合人脸识别门禁机使用正脸这一条基本能自动满足。3.2 用Haar级联定位人脸并裁剪下半脸区域拿到原始图片后不能直接把整图丢给分类器。下面这段脚本会把每张图检测到的人脸裁剪成下半脸ROI并统一缩放到64×64保存import os import cv2 src_root raw_images # 原始图片按 mask/no_mask 分目录 dst_root dataset_crops os.makedirs(dst_root /mask, exist_okTrue) os.makedirs(dst_root /no_mask, exist_okTrue) face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) target_size (64, 64) for label in [mask, no_mask]: src_dir os.path.join(src_root, label) for idx, fname in enumerate(os.listdir(src_dir)): path os.path.join(src_dir, fname) img cv2.imread(path) if img is None: # 中文路径或文件损坏时imread会返回None continue gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale( gray, scaleFactor1.15, minNeighbors6, minSize(120, 120) ) if len(faces) 0: continue # 取面积最大的脸避免多脸场景下随意选一张 x, y, w, h max(faces, keylambda r: r[2] * r[3]) # 裁下半脸从人脸框一半高度到底部包含鼻子和嘴 roi img[y h // 2:y h, x:x w] if roi.size 0: continue roi_resized cv2.resize(roi, target_size, interpolationcv2.INTER_AREA) save_path os.path.join(dst_root, label, f{idx:05d}.jpg) cv2.imwrite(save_path, roi_resized) print(crop done)这段代码的关键点有几个。第一imread返回None时不能直接往下走否则cvtColor会报空指针这个现象在数据集中有中文路径或文件扩展名大小写不一时特别常见。第二max(faces, keylambda r: r[2]*r[3])是取面积最大的人脸比直接取faces[0]靠谱得多。第三ROI的坐标范围用y h//2到yh只留下脸的下半段这是整个口罩识别方案最核心的步骤。roi.size 0的判断是为了防止下标越界。比如人脸框太靠近图像边界裁剪出来可能是空图这种情况直接跳过比补边更省事。保存时使用cv2.imwrite但注意它不支持中文路径如果需要兼容中文应该改用cv2.imencode配合numpy.tofile这一点我在第5章会专门讲。为什么这里不直接用RGB做颜色特征因为RGB三个分量关联性强亮度变化时三个通道一起变HSV把亮度放在V通道H和S相对稳定。在后面的特征提取里也会沿用这个思路。3.3 参数说明minNeighbors、scaleFactor对ROI质量的影响很多人在这一步喜欢直接抄参数导致裁剪出来的ROI要么大了要么小了。根据我的经验scaleFactor控制在1.1到1.2之间1.1最精细但慢1.2快但可能漏掉小脸。现场抓拍的人脸通常较大用1.15即可。minNeighbors在单人照片里设为5到6多人监控画面设为7到8用来过滤误检。如果Haar把整个人脸框得过于紧下半脸ROI会漏掉口罩边缘如果框得过大ROI又会带进衣服背景。当你发现训练集里同一类别的ROI大小差异很大时多数是scaleFactor太小的原因。建议先用脚本画框检查几十张再批量裁剪不要一上来就全量跑。裁剪完成后不要急着训练写一个cv2.imshow查看样本的脚本把每个类别抽9张拼成一个网格图。如果图中人脸位置都在中心偏下说明裁剪逻辑没问题如果有的偏左有的偏右说明Haar框太飘需要处理后质量差的样本。我通常是一次性生成样本后肉眼过一遍所有图片几分钟就能避免后面几小时的调试。数据准备完成后通常会将dataset_crops/mask和no_mask下各取80%作为训练集20%作为测试集。这一步我习惯直接写一个随机划分脚本而不是手动拖文件保证每次训练都能复现。4. 训练口罩分类器HOG颜色直方图喂给OpenCV SVM4.1 特征工程为什么要拼接HOG和颜色直方图SVM不会直接吃像素它需要提取“对分类有用的描述子”。口罩与非口罩的区别主要在于口罩区域纹理整齐而无口罩区域有鼻子、嘴形成的局部纹理同时口罩颜色相对单一肤色则更接近橙色系。因此我会同时用两种特征HOG方向梯度直方图描述局部纹理和边缘方向对口罩皱褶、鼻子轮廓很敏感HSV颜色直方图描述颜色分布口罩和肤色在色相上区分明显。单用HOG时如果口罩是肉色或肤色接近的布料容易分错单用颜色特征时遇到黑白照片或强光照就失效。两者拼接后SVM能找到更稳的决策边界。HOG参数我一般固定为winSize(64,64), blockSize(16,16), blockStride(8,8), cellSize(8,8), nbins9。这是OpenCV的常用配置特征维度8100拼接颜色直方图后也不会导致训练太慢。HOG参数不要随便改我见过有人把cellSize改成(4,4)特征维度翻了4倍训练慢且准确率反而下降。口罩这种小纹理场景16×16的block和8×8的cell是经过验证的折中。如果要用更高分辨率HOG参数要等比缩放不能直接沿用。以下是特征提取函数import numpy as np import cv2 def extract_feature(img): # img是已经resize到64x64的BGR图 hsv cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 色相和饱和度各取16维直方图归一化后拼接 hist_h cv2.calcHist([hsv], [0], None, [16], [0, 180]).flatten() hist_s cv2.calcHist([hsv], [1], None, [16], [0, 255]).flatten() color_feat cv2.normalize(hist_h, None).flatten() color_feat np.concatenate([color_feat, cv2.normalize(hist_s, None).flatten()]) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) hog cv2.HOGDescriptor((64, 64), (16, 16), (8, 8), (8, 8), 9) hog_feat hog.compute(gray).flatten() # HOG特征尺度不稳定统一做L2范数归一化 hog_feat hog_feat / (np.linalg.norm(hog_feat) 1e-6) return np.concatenate([color_feat, hog_feat])这里cv2.normalize默认做L2范数归一化能把真实像素值映射到可比较的范围减轻光照变化影响。HOG特征同样需要归一化否则某些大梯度分量会主导整个特征向量。1e-6是为了防止零向量除零。4.2 用cv2.ml.SVM训练并保存模型训练代码import os import glob import cv2 import numpy as np X, y [], [] def load_data(root): for label, tag in [(mask, 1), (no_mask, -1)]: pattern os.path.join(root, label, *.jpg) for path in glob.glob(pattern): img cv2.imread(path) if img is None: continue img cv2.resize(img, (64, 64)) X.append(extract_feature(img)) y.append(tag) load_data(dataset_crops) X np.float32(X) y np.int32(y) # 打乱数据固定随机种子保证可复现 np.random.seed(42) idx np.random.permutation(len(y)) X, y X[idx], y[idx] split int(len(y) * 0.8) X_train, X_test X[:split], X[split:] y_train, y_test y[:split], y[split:] svm cv2.ml.SVM_create() svm.setType(cv2.ml.SVM_C_SVC) svm.setKernel(cv2.ml.SVM_RBF) svm.setC(1.0) svm.setGamma(0.1) # 显式设置训练终止条件最大迭代1000次误差阈值1e-6 svm.setTermCriteria((cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_COUNT, 1000, 1e-6)) svm.train(X_train, cv2.ml.ROW_SAMPLE, y_train) svm.save(mask_svm.xml)逻辑说明先遍历两个类别把每张图的特征和标签组成矩阵再按8:2划分训练集和测试集。cv2.ml.SVM_create()是OpenCV 3.0之后的统一API训练接受float32特征和int32标签。C是软间隔惩罚系数gamma决定RBF核的径向影响范围。C1.0, gamma0.1是一组很稳妥的起点。C太大容易过拟合训练集太小则欠拟合gamma越大决策边界越复杂但也越容易把噪声学进去。我的习惯是先用这组参数跑通再看测试集准确率决定往哪个方向调。顺便提一句setTermCriteria在数据量达到几千条时尤其重要不显式设置时默认条件也能收敛但设置后训练过程更可控。4.3 单图推理加载模型并输出mask/no_mask训练完成后单独写一个推理脚本验证效果loaded cv2.ml.SVM_load(mask_svm.xml) img cv2.imread(test_face.jpg) img cv2.resize(img, (64, 64)) feat extract_feature(img).reshape(1, -1) # predict返回(返回值, 输出标签)标签0为正类 _, result loaded.predict(np.float32(feat)) label mask if result[0, 0] 0 else no_mask print(f预测结果{label})注意这里将正样本标签设为1、负样本设为-1所以result 0即认为是戴口罩。如果训练时正负标签设成0和1判断条件就要改这是新手最容易踩的坑。这个推理函数只处理了裁剪后的ROI图如果要对原始大图做预测需要先走第3章的Haar检测把ROI传给extract_feature而不是整图直接缩放。整图缩放会丢失“脸的下半部分”这个空间约束特征被稀释准确率会明显下降。关于评估可以用测试集跑一遍准确率pred (loaded.predict(X_test)[1].ravel() 0).astype(np.int32) accuracy np.mean(pred (y_test 0).astype(np.int32)) print(f测试集准确率{accuracy * 100:.2f}%)但对“口罩识别”来说漏报没戴口罩判成戴口罩的代价比误报高所以还要看召回率。可以单独统计tp和fntp np.sum((pred 1) (y_test 1)) fn np.sum((pred -1) (y_test 1)) recall tp / (tp fn 1e-6)通常需要把口罩类别的召回率做到95%以上否则现场会被质疑。如果准确率低于90%不要急着换模型大概率是ROI裁歪、样本分布不均或特征未归一化先回头看数据再调参数。5. 口罩识别避坑指南特征、数据与OpenCV API的5个常见翻车点这一章的内容不是从文档里抄来的而是我在不同项目里实际踩过的坑。这些坑不代表算法有问题而是OpenCV在真实场景下的行为方式。列出来希望你不用再走一遍。5.1 现象1Haar人脸框与口罩边缘不齐ROI里混进背景现象裁剪后的ROI有些带了下巴以下的大片衣服背景有些又切掉了口罩下缘。原因Haar框本身定位的是整张脸戴眼镜、刘海、口罩边缘都会影响框的尺寸不同尺度的检测框可能差出几十个像素。解决不要直接信任单个检测框坐标。我一般会对ROI做一次收缩修正上半脸的起点从y h//2下调到y int(h*0.45)再把左右边界向里收缩5%到10%减少衣服和头发进入ROI。这个比例需要在你的数据集上验证不要照抄。另外如果检测框高度太小说明人脸可能被口罩下缘切掉这种情况直接丢弃该样本比强行补全更合适。5.2 现象2SVM训练后预测全部是同一类现象训练过程没有任何报错但测试准确率只有50%左右所有样本都判成mask或都判成no_mask。原因最常见的是正负样本数量严重失衡或特征没有归一化SVM被样本多的那一类“带走”另一个常见原因是gamma设置过大RBF核把决策面切得过分曲折导致预测时绝大多数样本落在同一侧。解决首先控制正负样本在5:5到4:6之间。其次确认特征经过归一化尤其是HOG的范数归一化。最后把gamma降到0.01或0.05重新训练。如果是二分类标签设置错误比如把正样本设0、负样本设1预测结果表现也会集体一致检查一下标签注入方式即可。我在现场见过不少项目卡在这一步最后发现是标签反了模型学得越好预测越“全体倒向一边”。5.3 现象3同一批人在不同光照下被分到不同类别现象白天检测正常到了傍晚或灯光偏暖时人脸被频繁误判为未戴口罩或戴口罩。原因HSV的H、S分量虽然比RGB抗干扰但暖光环境下肤色的色相值会显著偏移导致颜色直方图剧烈变化SVM又很敏感把光照波动当成了类别差异。解决一种做法是在训练数据里加入亮度、色温增强的副本让SVM见过更多光照另一种做法是减弱颜色特征权重比如把颜色直方图从16维降到8维或者在拼接时乘0.3的系数。如果现场可以控制光源优先让镜头前光照稳定这比调任何参数都有效。这条经验对很多图像识别项目都一样光照是你最大的敌人也是你最容易忽视的数据维度。5.4 现象4cv2.imread读不进有中文路径的图片返回None现象别的图片都能读只有某些图片读出来是None程序直接跳过导致数据集少了一部分。原因OpenCV的imread内部调用C标准文件流不处理系统编码Windows下中文路径会直接失败。这是OpenCV的老毛病不是代码写错。解决凡是读图统一用一个兼容函数代替imreaddef imread_unicode(path): data np.fromfile(path, dtypenp.uint8) return cv2.imdecode(data, cv2.IMREAD_COLOR)保存图片时也要用imencode配合tofiledef imwrite_unicode(path, img): ext os.path.splitext(path)[1] ok, buf cv2.imencode(ext, img) if ok: buf.tofile(path)如果项目要给别人维护最好约定数据集路径全用英文。另外训练脚本里的glob.glob在Windows下遇到中文路径也可能返回空列表这和第3章的裁剪脚本是同一个隐患。5.5 现象5cv2.VideoCapture初始化失败或摄像头被占用现象摄像头在第三方软件里正常但cv2.VideoCapture(0)总是返回False或者偶尔读到一帧后卡住。原因Windows下OpenCV默认走MSMF后端部分UVC摄像头或老旧驱动对接不上另一个常见原因是摄像头被其他进程占用。解决初始化时明确指定后端cap cv2.VideoCapture(0, cv2.CAP_DSHOW)cv2.CAP_DSHOW会强制使用DirectShow后端兼容性比默认后端好很多。如果还是打不开检查任务管理器里占用摄像头的进程。在Linux下则优先尝试CAP_V4L2。此外读取视频流时不要对每一帧都做完整检测否则延迟会高得离谱下面的第6章会讲具体对策。6. 接进摄像头实时识别跳帧、ROI重用与延迟调试6.1 用VideoCapture读取帧并调用模型实时检测的代码框架如下cap cv2.VideoCapture(0, cv2.CAP_DSHOW) face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) loaded cv2.ml.SVM_load(mask_svm.xml) roi_box None frame_id 0 while True: ret, frame cap.read() if not ret: break frame_id 1 # Haar检测很费时间每5帧才做一次人脸检测 if frame_id % 5 1 or roi_box is None: gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, 1.15, 6) if len(faces) 0: x, y, w, h max(faces, keylambda r: r[2] * r[3]) roi_box (x, y, w, h) else: # 用最近一次的人脸框继续判断减少计算 x, y, w, h roi_box if roi_box is not None: roi frame[y h // 2:y h, x:x w] if roi.size 0: roi_resized cv2.resize(roi, (64, 64)) feat extract_feature(roi_resized).reshape(1, -1) _, result loaded.predict(np.float32(feat)) label mask if result[0, 0] 0 else none_mask cv2.putText(frame, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 200, 0), 2) cv2.rectangle(frame, (x, y), (x w, y h), (0, 255, 0), 2) cv2.imshow(mask detect, frame) if cv2.waitKey(1) 0xFF 27: break cap.release() cv2.destroyAllWindows()6.2 ROI重用和跳帧是延迟调试的关键我在第一次接摄像头时对每一帧都调了一次detectMultiScaleCPU直接拉满画面明显卡顿。改成每5帧刷新一次人脸框中间帧沿用上一次的roi_box延迟立刻降下来。这个小技巧比把图像缩小还管用。如果还需要进一步提速可以把输入帧从1920×1080先缩到640×480Haar检测的搜索空间会小很多。口罩分类本身很轻瓶颈几乎都在人脸检测上。现场硬件较弱时我还会把特征提取里的HOG尺寸改为32×32准确率小幅下降速度却快一截。以后想换DNN方案把loaded cv2.ml.SVM_load(mask_svm.xml)替换成cv2.dnn.readNet加载onnx模型前后端流程完全不变。6.3 调试时的日志习惯实时识别最难的是“看起来不卡但偶尔误报一次”的情况。建议每帧都把标签、人脸框和特征值决策值打印到日志文件离线回放。否则你在现场根本说不清是光照突变还是人脸框跳变导致的误报。日志里包括frame_id, label, decision_value即可。这一手我每次做图像识别项目都会留着比任何调参工具都实用。做完实时检测你会看到整套系统里真正影响体验的往往不是模型而是对ROI和帧的生命周期管理。先把这条链路跑稳再谈算法升级这条路最适合初学者也最适合预算有限的现场项目。希望这些经验帮到你。本文还有配套的精品资源点击获取