一、项目思路

（1）调用PaddlenHub模块的口罩检测预训练模型，通过PaddlenHub.face_detectionAPI，完成图片检测或实时检测任务。
（2）若未佩戴口罩，则使用PlaySound模块播放录制的MP3文件（一秒钟提示音），完成警告提示。

二、环境配置

1.1、PaddlenHub模块（飞桨预训练模型应用工具）

• PaddleHub 是基于 PaddlePaddle 开发的预训练模型管理工具。PaddlenHub官网
• 配合使用 Fine-tune API，快速完成迁移学习到应用部署的全流程工作。让预训练模型能更好地服务于用户特定场景的应用，也让开发者体验到大规模预训练模型的价值。
• PaddleHub 目前提供的预训练模型覆盖了图像分类、目标检测、词法分析、Transformer、情感分析五大类别。

（1）预训练模型：pyramidbox_lite_mobile_mask

PyramidBox-Lite是基于2018年百度发表于计算机视觉顶级会议ECCV 的论文所提出的PyramidBox网络而研发的轻量级模型。

• 模型基于主干网络FaceBoxes，对于光照、口罩遮挡、表情变化、尺度变化等常见问题具有很强的鲁棒性。
• 该PaddleHub Module是针对于移动端优化过的模型，适合部署于移动端或者边缘检测等算力受限的设备上。
• 可用于检测人脸是否佩戴口罩。

（2）face_detection人脸检测模型（默认为 pyramidbox_lite_mobile）

作用：识别输入图片中的所有的人脸，并判断有无戴口罩。

def face_detection(images=None, paths=None, batch_size=1, use_gpu=False, 
                   visualization=False, output_dir='detection_result', 
                   use_multi_scale=False, shrink=0.5, confs_threshold=0.6)

"""
输入参数：
		（1）images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
		（2）paths (list[str]): 图片的路径；
		（3）batch_size (int): batch 的大小；
		（4）use_gpu (bool): 是否使用 GPU；
		（5）visualization (bool): 是否将识别结果保存为图片文件；
		（6）output_dir (str): 图片的保存路径，默认设为 detection_result；
		（7）use_multi_scale (bool) : 用于设置是否开启多尺度的人脸检测，开启多尺度人脸检测能够更好的检测到输入图像中不同尺寸的人脸，但是会增加模型计算量，降低预测速度；
		（8）shrink (float): 用于设置图片的缩放比例，该值越大，则对于输入图片中的小尺寸人脸有更好的检测效果（模型计算成本越高），反之则对于大尺寸人脸有更好的检测效果；
		（9）confs_threshold (float): 置信度的阈值。

输出参数：res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为:
		（1）path (str): 原输入图片的路径
		（2）data (list): 检测结果，list的每一个元素为 dict，各字段为:
				11、label (str): 识别标签，为 'NO MASK' 或者 'MASK'；
				22、confidence (float): 识别的置信度
				33、left (int): 边界框的左上角x坐标
				44、top (int): 边界框的左上角y坐标
				55、right (int): 边界框的右下角x坐标
				66、bottom (int): 边界框的右下角y坐标
"""

（3）PaddleHub与PytorchHub的区别

PytorchHub 目前支持18个模型，PaddleHub支持29个。60分钟教你上手PaddleHub

• PytorchHub涉及的方向更多，但是每个方向的模型并不多，对CV的支持更多；
• PaddleHub涉及的方向只有两个，CV和NLP，但是对NLP的支持尤其多，高达22个，不仅包括目前最潮的BERT，还有百度自己研发的知识增强语义表示模型Ernie，在多个中文NLP任务中表现超过BERT，除此之外还有对话系统的一系列模型，做智能客服、智能音箱的同学可以使用一下。

对于迁移学习来说，Fine-tune（微调）是必不可少的，虽然我们有预训练的模型，但是新任务的场景和数据都不相同，直接使用预训练模型其实很难得到很好的效果。

---

（4）安装（paddlehub + paddlepaddle）

• 第一步：paddlehub安装

pip install paddlehub

安装后若提示：ModuleNotFoundError: No module named ‘paddle‘，则需要安装paddlepaddle。

• 第二步：paddlepaddle安装

cpu:	pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 
gpu:	pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple 

1.2、PlaySound模块（音频播放）

PlaySound是Windows用于播放音乐的API函数。添加模块后，检测速度会有所延迟。

函数：BOOL PlaySound(LPCSTR pszSound, HMODULE hmod, DWORD fdwSound)。

• 参数pszSound是指定了要播放声音的字符串。（1）该参数可以是WAVE文件的名字（2）或是WAV资源的名字（3）或是内存中声音数据的指针（4）或是在系统注册表WIN.INI中定义的系统事件声音（5）如果该参数为NULL，则停止正在播放的声音。
• 参数hmod是应用程序的实例句柄，当播放WAV资源时要用到该参数，否则它必须为NULL。
• 参数fdwSound是播放标志的组合。（1）SND_APPLICATION：用应用程序指定的关联来播放声音。（2）SND_ALIAS：pszSound参数指定了注册表或WIN.INI中的系统事件的别名。（3）SND_ALIAS_ID：pszSound参数指定了预定义的声音标识符。（4）SND_ASYNC：用异步方式播放声音，PlaySound函数在开始播放后立即返回。（5）SND_FILENAME：pszSound参数指定了WAVE文件名。（6）SND_LOOP：重复播放声音，必须与SND_ASYNC标志一块使用。（7）SND_MEMORY：播放载入到内存中的声音，此时pszSound是指向声音数据的指针。（8）SND_NODEFAULT：不播放缺省声音，若无此标志，则PlaySound在没找到声音时会播放缺省声音。（9）SND_NOSTOP：PlaySound不打断原来的声音播出并立即返回FALSE。（10）SND_NOWAIT：如果驱动程序正忙则函数就不播放声音并立即返回。（11）SND_PURGE：停止所有与调用任务有关的声音。若参数pszSound为NULL，就停止所有的声音，否则，停止pszSound指定的声音。（12）SND_RESOURCE：pszSound参数是WAVE资源的标识符，这时要用到hmod参数。（13）SND_SYNC：同步播放声音，在播放完后PlaySound函数才返回。

（1）playsound安装：WIN +R + cmd + 运行 + pip install playsound。**
（2）playsound功能演示：一秒提示音下载地址

# 注意不能写成：import playsound, 将导致报错。

from playsound import playsound
playsound('path/play.mp3')

运行后若出现以下报错：

报错原因：直接更改语音包的后缀进行格式转换，将导致报错。
解决方法：音频格式转换地址

三、项目实战：基于PaddlenHub的口罩检测与语音提示（Opencv）

import paddlehub
from playsound import playsound
import cv2
################################################################################################
module = paddlehub.Module(name="pyramidbox_lite_mobile_mask")       # 调用paddlehub模块中的口罩检测模型：pyramidbox_lite_mobile_mask。
cap = cv2.VideoCapture(0)                                           # 调用本机摄像头

# 循环判断面部区域位置
while cap.isOpened():
    frame = cap.read()[1]                                   # 读取帧图像
    input_dict = {'data': [frame]}                          # 字典的形式存储
    results = module.face_detection(data=input_dict)        # face_detection：人脸检测模型
    result = results[0]                                     # 获取识别后的：标签、置信度、四元数组（位置）

    # waitKey可以控制视频的播放速度，数值越小，播放速度越快
    k = cv2.waitKey(1) & 0xFF                               # 0xFF == 27    表示退出键（Esc）

    # 若检测结果存在（即当前图像中是否有人脸）
    if result['data'] != []:                                # 判断字典中的某个键对应的值是否为空
        label = result['data'][0]['label']                  # label(str): 识别标签:'NO MASK' 或者 'MASK'；
        left = result['data'][0]['left']                    # left(int): 边界框的左上角x坐标
        right = result['data'][0]['right']                  # top(int): 边界框的左上角y坐标
        top = result['data'][0]['top']                      # right(int): 边界框的右下角x坐标
        bottom = result['data'][0]['bottom']                # bottom(int): 边界框的右下角y坐标

        # 当判断为肯定时，绘制绿色矩形及文字
        if label == 'MASK':
            color = (0, 255, 0)
            color2 = (0, 255, 0)

        # 当判断为否定时，绘制红色矩形及文字
        if label == 'NO MASK':
            color = (0, 0, 255)
            color2 = (0, 0, 255)
            playsound(r'C:\Users\my\Desktop\output.mp3')        # 打开语音文件

        # 绘制矩形框 + 添加文本内容
        cv2.rectangle(frame, (left, top), (right, bottom), color, 3)
        cv2.putText(frame, label, (left, top - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, color2, 2)
        cv2.imshow('martial art', frame)

        # 监听键盘事件: 按空格键退出.
        if k == ord(' '):
            break

cap.release()               # 释放摄像头
cv2.destroyAllWindows()     # 释放内存