jetbot 10 之人脸口罩佩戴检测

疫情推动了AI技术的进步，口罩检测技术更是被很多爱好者和组织玩的百花其放。 开源数据、开源模型非常之多。 如滴滴前不久也公开了他们的人脸口罩模型论文，据说 99.5%准确率。

但我还是忍不住要探究一把，让我的 jetbot 后知后觉地掌握一项技能。开干！

一  橹一把 开源人脸口罩模型FaceMaskDetection：

https://github.com/AIZOOTech/FaceMaskDetection

先看下效果:

板子配好 pytorch 环境后可直接运行:

python3 pytorch_infer.py --img-mode 1 --img-path img/demo2.jpg

这个模型支持很多推理框架， pytorch, mxnet, keras, caffe, tensorflow 。。。

在我的jetson nano 下 ， 实时检测速度如下：

注： 每个框架跑的都是 gpu 加速模式

检测视频脚本 (可以验证速度)：

进到 FaceMaskDetect 目录，然后分别执行

python3 pytorch_infer.py --img-mode 0 --video-path /workspace/data/360p.mp4

python3 mxnet_infer.py --img-mode 0 --video-path /workspace/data/360p.mp4

python3 keras_infer.py --img-mode 0 --video-path /workspace/data/360p.mp4

python3 tensorflow_infer.py --img-mode 0 --video-path /workspace/data/360p.mp4

如果要验证实时摄像头， 需要换个摄像头采集类， 因为 jetson nano 下 csi 接口对应的是 gstreamer backend ,  例子里是 v4l2 backend .

可以用我包装好的类:

https://github.com/walletiger/jetson_nano_py/blob/master/camera.py

二 使用自己训练的模型:

从工程角度看， 一个合适的 流程 可以分成两阶段， 第一阶段 定位和检测人脸 ， 第二阶段 从人脸图像 检测口罩特征。 

本人比较懒，且中了最近 one stage 多分类算法的风， 非要合成一个阶段,   one stage 同时 定位检测 人脸， 戴口罩人脸。

选择了最近比较流行的 yolov5 和 nanodet ,  模型训练完没做任何 tuning  效果整起:

检测速度 yolov5s  640x360@8fps,  nanodet 640x360@15fps

后面在来讲  yolov5 , nanodet 模型训练以及部署使用过程。

https://blog.csdn.net/walletiger/article/details/110733182

https://blog.csdn.net/walletiger/article/details/110733604

转 tensorRT :

https://blog.csdn.net/walletiger/article/details/111027113