Mask Detection

Dieser Funktionsblock ist so konzipiert, dass er Bilder analysiert und erkennt, ob Personen Masken ordnungsgemäß tragen. Er nutzt einen gewichtsbasierenden Erkennungsalgorithmus, um die Verwendung von Masken im Eingangsbild effektiv zu kategorisieren.

📥 Eingänge

Image RGB Ein RGB-Bild, das Personen zur Maskenerkennung enthält.

📤 Ausgänge

Image RGB Die Ausgabe wird ein verarbeitetes Bild sein, das die Erkennungsergebnisse anzeigt.

Masked Die Anzahl der korrekt getragenen Masken.

Uncorrect Masked Die Anzahl der falsch getragenen Masken.

No Mask Die Anzahl der Personen, die keine Masken tragen.

🕹️ Steuerungen

Confidence Threshold % Ein Schieberegler zur Anpassung des erforderlichen Vertrauensniveaus für die Maskenerkennung. Werte können zwischen 40% und 90% eingestellt werden.

🎨 Funktionen

Real-time Mask Detection Der Funktionsblock kann Bilder in Echtzeit effizient analysieren und Feedback zur Maskenverwendung geben.

Visual Output Das Ausgabebild zeigt die Erkennungsergebnisse und hilft den Benutzern, die Einhaltung der Maskenpflicht schnell zu verstehen.

📝 Nutzungshinweise

1. Input Image: Verbinden Sie ein RGB-Bild, das Personen enthält, die möglicherweise Masken tragen oder nicht, mit dem Eingangsbereich Image RGB.

2. Adjust Confidence Level: Verwenden Sie den Schieberegler Confidence Threshold %, um festzulegen, wie streng die Erkennung sein soll.

3. Run Analysis: Führen Sie den Block aus, um das Eingangsbild zu analysieren und eine Ausgabe mit Erkennungsergebnissen zu erhalten.

📊 Bewertung

Der Funktionsblock analysiert das Eingangsbild, führt den Maskenerkennungsalgorithmus aus und gibt das aktualisierte Bild zusammen mit den Zählungen der verschiedenen Maskenbedingungen zurück.

💡 Tipps und Tricks

Verbesserung der Erkennungsgenauigkeit

Die Erhöhung des Vertrauensschwellenwerts kann genauere Ergebnisse liefern, beachten Sie jedoch, dass dies auch zu weniger Erkennungen führen kann. Testen Sie verschiedene Einstellungen, um das optimale Gleichgewicht zu finden.

Batch-Verarbeitung

Für die Verarbeitung mehrerer Bilder sollten Sie nach der Konfiguration dieses Funktionsblocks den Block Batch Processing verwenden. Dieser hilft dabei, den Speicherbedarf bei großangelegten Erkennungen zu reduzieren.

🛠️ Fehlersuche

Keine Erkennungen gefunden

Wenn keine Erkennungen gemacht werden, stellen Sie sicher, dass das Eingangsbild klar ist und größtenteils frontalen Gesichtern enthält. Bilder von niedriger Qualität oder unscharfe Bilder können die Erkennung beeinträchtigen.

Falsche Maskenzählung

In Fällen, in denen Sie Diskrepanzen bei der Zählung der Maskenverwendung feststellen, passen Sie den Confidence Threshold % an, um die Erkennungsqualität zu verbessern, oder ziehen Sie in Betracht, die Bildqualität des Eingangs auszuwerten.