前期准备

思路就是通过一个mask掩膜，对我们想要屏蔽或者选择的区域进行遮挡处理，在推理的时候，将有mask掩膜的图像输入，将最后的结果显示在原始图像上，即完成了屏蔽区域检测。

labelme选择mask区域

标注好我们想检测的区域之后，我这里将标注区域命名成了mask，然后我们点击保存导出json文件：

然后我们再打开终端，cd到json所在的文件夹路径下，输入如下命令：

labelme_json_to_dataset xxx.json

这里有的兄弟会遇到一些报错，主要原因还是环境的版本问题，可以在网上查到，替换一下对应版本的库就行了。

我们就会在这个路径下获得一个文件夹：

打开文件夹之后会看到里面有这么五个文件，我们需要的就是label.png，其他的不用管：

到这里，我们的前期准备工作就完成了。

代码改动

打开yolov5的项目，进入utils/datasets.py中，在代码的开头加上读取我们导出的label.png的代码：

读入我们导出的mask图片文件，然后将其转成灰度图，然后使用opencv的阈值函数，将大于0的像素值全部变成255，其余的都为0，得到一张mask的二值图。

然后我们再看到yolov5自带的推理代码中，即detect.py文件。看到代码中的数据加载部分：

我们这里是对图像进行推理，因此我们加载的是图像，不进入webcam中，因此我们加载推理数据的方法是LoadImages这个类，cltr+左键进入这个类中，在这个位置下加入以下代码：

这段代码主要实现了两个功能，其中flag参数决定了我们是否使用mask掩膜对目标进行遮挡检测，reverse参数决定了我们是进行选择区域检测还是屏蔽区域检测（其实这两者是一个取反的操作）。
这里我的参数是flag=1，reverse=0，因此此时如果我运行程序的话，我们会看到的结果是只对我们刚才框定的mask区域的目标进行检测，而对其他地方并不会检测：

可以看到，和我们预想的一样。

我们再将参数改成flag=1， reverse=1，看看结果：


此时我们检测的区域是除了mask区域的以外区域，没问题。

那么最后我们将两个参数都设置为0：


没有任何问题！

后面我也会使用openvino和tensorRT在c++进行推理部署，实现选择区域或屏蔽区域检测的功能，欢迎大家关注。