该课题为基于面部的人数统计系统，在MATLAB平台，带有GUI界面。实时分割出人脸，并且计数，将分割到的人脸进行单独地显示出来。可识别戴口罩，也可以识别非戴口罩。还可以二次开发成口罩识别系统，尤其是20年疫情情况下，结合该时代背景，是一个很不错，有创新的选题。

MATLAB口zhao识别系统。先进行人脸定位，裁剪人脸，因为口罩是在人脸部位的。人脸定位+颜色定位的方法，带GUI界面。

通过修改MJpg-Streamer代码，在获取的摄像头图像中，使用百度的paddle-lite框架和模型，进行人脸检测和佩戴口罩识别，并对未佩戴者语音提醒。

针对口罩检测，进行调研，包括了分类器的设计，人脸检测的设计。 其中主要分为两阶段，先是人脸检测，然后将检测到的人脸，进行二分类，标签为戴口罩，不戴口罩。包括了pytorch的代码，ppt的讲解，技术文档。 人脸识别是MTCNN，然后分类可以自己训练，我采用的是ResNet-18.

该文件是用了330张正样本，1100左右负样本跑出的xml文件，个人觉得泛化性比较强，负样本与正样本的相似性应该要更大。后面会试验！这个效果总的来说可以识别人脸戴口罩。

人脸检测模型：PadddleHub已经提供的预训练模型(pyramidbox_lite_mobile_mask/pyramidbox_lite_server_mask) 链接: [link](https://www.paddlepaddle.org.cn/hub/scene/maskdetect). 切割人脸图像：1.使用OpenCV直接对人脸图像按比例进行切割。2.使用人脸关键点检测，按点位进行切割.链接：[link](https://www.paddlepaddle.org.cn/hublist?filter=en_category&value=ImageClassification) O

以上资源包为人脸口罩数据集，包括600张戴口罩人脸和1800多张不带口罩人脸，正负样本比例为1:3，用来进行人工智能学习中的口罩模型训练，然后进行戴口罩识别，对于模型训练有各种方式，小伙伴自己选择进行训练的方式较好，建议查看林君学长的博客，借助OpenCV进行对应的口罩模型训练，然后进行口罩识别