人脸口罩智能检测的微信小程序实现（二）

人脸口罩智能检测的微信小程序实现（二）

这里写目录标题

​​四 、项目设计​​

​​4.1项目总体设计​​​​4.2 运行环境​​​​4.3项目详细设计​​

​​1.待预测图片​​​​2.载入模型​​​​3.预测​​​​4.结果展示​​

四 、项目设计

4.1项目总体设计

4.2 运行环境

4.3项目详细设计

前端效果展示如图：

图4-1 欢迎页

之后自动跳转至介绍页，如图4-2

图4-2 介绍页

图4-4 选择图片

图4-5 有人没戴口罩

图4-6 正常戴口罩

4.3.1后端设计 （1）后端是由python的django框架支持。 Python下有许多款不同的 Web 框架。Django是重量级选手中最有代表性的一位。许多成功的网站和APP都基于Django。 Django 是一个开放源代码的 Web 应用框架，由 Python 写成。

（2）这里主要详细介绍用到的python第三方库的核心模型模块：PaddleHub口罩检测

PaddleHub是一个深度学习模型开发工具。它基于飞桨领先的核心框架，精选效果优秀的算法，提供了百亿级大数据训练的预训练模型，方便用户不用花费大量精力从头开始训练一个模型。PaddleHub可以便捷地获取这些预训练模型，完成模型的管理和一键预测。

而paddlehub开源的的口罩检测模型具体实现，一共就只有四个步骤：

• 1.引入模块和图片

• 2.载入模型

• 3.分类与预测

• 4.结果展示

把我们需要测试的图片保存在该代码文件的同一目录下，命名为3.jpg:

代码展示： import paddlehub as hub import matplotlib.pyplot as plt import matplotlib.image as mpimg

1.待预测图片

test_img_path = [“./3.jpg”]

2.载入模型

module = hub.Module(name=“pyramidbox_lite_mobile_mask”)

3.预测

input_dict = {“image”: test_img_path} results = module.face_detection(data=input_dict)

4.结果展示

img = mpimg.imread(“detection_result/3.jpg”) plt.figure(figsize=(10, 10)) plt.imshow(img) plt.axis(‘off’) plt.show()

结果图：

在本项目中，前端把图片数据传给后端后，后端调用paddlehub模型进行分析出结果图，然后对结果图的no mask数据与mask数据进行分析，传回1和0给前端。并不是把结果图传回前端。然后前端得到1和0返回值，便触发不戴口罩与戴口罩的相应事件。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。