基于MATLAB开发的口罩佩戴检测系统智能化识别与监管功能强大
基于MATLAB的口罩佩戴检测系统
口罩检测这事儿听起来挺玄乎？其实用MATLAB二十行代码就能搞个基础版。咱们先来点实际的——系统核心就三板斧：人脸定位、口罩区域识别、判定逻辑。老规矩，先上效果图镇楼（此处脑补摄像头框住人脸并在下巴位置标出绿色检测框的画面）。
先祭出MATLAB的大杀器vision.CascadeObjectDetector，这玩意儿是人脸检测的瑞士军刀。直接调用自带的正脸分类器，连训练数据都省了：
detector = vision.CascadeObjectDetector(); bbox = step(detector, img);但问题来了——检测到人脸只是第一步。关键是怎么确定口罩区域？这里有个骚操作：利用下巴区域的肤色特征。正常佩戴口罩时，下巴部位会被遮挡，肤色像素会显著减少。
咱们先把图像转到YCbCr色彩空间，这个空间对肤色更敏感：
img_ycbcr = rgb2ycbcr(img); Cb = img_ycbcr(:,:,2); Cr = img_ycbcr(:,:,3);接着搞个肤色掩模：
skin_mask = (Cb>=77 & Cb<=127) & (Cr>=133 & Cr<=173);数学公式可能有点劝退，但说白了就是圈定亚洲人肤色的典型CbCr范围。这时候如果在检测到的人脸框下半部分统计肤色像素比例，就能判断是否戴口罩。
基于MATLAB的口罩佩戴检测系统
重点来了——怎么精准定位下巴区域？咱们在人脸框底部截取1/3高度作为检测区：
face_region = img(bbox(2):bbox(2)+bbox(4), bbox(1):bbox(1)+bbox(3), :); lower_face = face_region(end-round(bbox(4)/3):end, :, :);然后统计这个区域的肤色像素占比。实测发现，当该区域肤色面积小于15%时，大概率是戴了口罩。不过得注意光照影响，这时候需要加个形态学开运算去噪：
se = strel('disk',3); clean_mask = imopen(skin_mask, se);imopen这个函数相当于先腐蚀后膨胀，能有效去除小噪点。参数里的disk结构元素半径可以根据摄像头分辨率调整，一般3-5个像素效果不错。
最后来个完整流程的代码片段：
% 读图+人脸检测 img = imread('test.jpg'); detector = vision.CascadeObjectDetector(); bbox = step(detector, img); % 提取下巴区域 face_region = img(bbox(2):bbox(2)+bbox(4), bbox(1):bbox(1)+bbox(3), :); lower_face = face_region(end-round(bbox(4)/3):end, :, :); % 肤色检测 img_ycbcr = rgb2ycbcr(lower_face); Cb = img_ycbcr(:,:,2); Cr = img_ycbcr(:,:,3); skin_mask = (Cb>=77 & Cb<=127) & (Cr>=133 & Cr<=173); % 形态学处理 se = strel('disk',3); clean_mask = imopen(skin_mask, se); skin_ratio = nnz(clean_mask)/numel(clean_mask); % 判定逻辑 if skin_ratio < 0.15 disp('口罩佩戴正确'); else disp('未检测到口罩'); end别慌，这代码看着长其实挺简单。核心就是计算下巴区域的"干净肤色"占比，低于阈值就认为戴了口罩。实际部署时可以加个滑动条动态调整阈值，应对不同场景的光照变化。
当然这方案还有优化空间——比如加入CNN模型提升准确率，或者用肤色自适应算法解决光线问题。但作为入门级方案，已经能在普通光照环境下达到85%以上的准确率。下次如果看到地铁里的AI测温仪，说不定里面跑的就是类似逻辑的代码呢。