基于MATLAB的口罩佩戴检测系统口罩检测这事儿听起来挺玄乎其实用MATLAB二十行代码就能搞个基础版。咱们先来点实际的——系统核心就三板斧人脸定位、口罩区域识别、判定逻辑。老规矩先上效果图镇楼此处脑补摄像头框住人脸并在下巴位置标出绿色检测框的画面。先祭出MATLAB的大杀器vision.CascadeObjectDetector这玩意儿是人脸检测的瑞士军刀。直接调用自带的正脸分类器连训练数据都省了detector vision.CascadeObjectDetector(); bbox step(detector, img);但问题来了——检测到人脸只是第一步。关键是怎么确定口罩区域这里有个骚操作利用下巴区域的肤色特征。正常佩戴口罩时下巴部位会被遮挡肤色像素会显著减少。咱们先把图像转到YCbCr色彩空间这个空间对肤色更敏感img_ycbcr rgb2ycbcr(img); Cb img_ycbcr(:,:,2); Cr img_ycbcr(:,:,3);接着搞个肤色掩模skin_mask (Cb77 Cb127) (Cr133 Cr173);数学公式可能有点劝退但说白了就是圈定亚洲人肤色的典型CbCr范围。这时候如果在检测到的人脸框下半部分统计肤色像素比例就能判断是否戴口罩。基于MATLAB的口罩佩戴检测系统重点来了——怎么精准定位下巴区域咱们在人脸框底部截取1/3高度作为检测区face_region img(bbox(2):bbox(2)bbox(4), bbox(1):bbox(1)bbox(3), :); lower_face face_region(end-round(bbox(4)/3):end, :, :);然后统计这个区域的肤色像素占比。实测发现当该区域肤色面积小于15%时大概率是戴了口罩。不过得注意光照影响这时候需要加个形态学开运算去噪se strel(disk,3); clean_mask imopen(skin_mask, se);imopen这个函数相当于先腐蚀后膨胀能有效去除小噪点。参数里的disk结构元素半径可以根据摄像头分辨率调整一般3-5个像素效果不错。最后来个完整流程的代码片段% 读图人脸检测 img imread(test.jpg); detector vision.CascadeObjectDetector(); bbox step(detector, img); % 提取下巴区域 face_region img(bbox(2):bbox(2)bbox(4), bbox(1):bbox(1)bbox(3), :); lower_face face_region(end-round(bbox(4)/3):end, :, :); % 肤色检测 img_ycbcr rgb2ycbcr(lower_face); Cb img_ycbcr(:,:,2); Cr img_ycbcr(:,:,3); skin_mask (Cb77 Cb127) (Cr133 Cr173); % 形态学处理 se strel(disk,3); clean_mask imopen(skin_mask, se); skin_ratio nnz(clean_mask)/numel(clean_mask); % 判定逻辑 if skin_ratio 0.15 disp(口罩佩戴正确); else disp(未检测到口罩); end别慌这代码看着长其实挺简单。核心就是计算下巴区域的干净肤色占比低于阈值就认为戴了口罩。实际部署时可以加个滑动条动态调整阈值应对不同场景的光照变化。当然这方案还有优化空间——比如加入CNN模型提升准确率或者用肤色自适应算法解决光线问题。但作为入门级方案已经能在普通光照环境下达到85%以上的准确率。下次如果看到地铁里的AI测温仪说不定里面跑的就是类似逻辑的代码呢。