Mask Detection

Dieser Funktionsblock erkennt Gesichter und klassifiziert, ob Masken korrekt getragen werden. Er liefert ein annotiertes Bild zur visuellen Überprüfung sowie numerische Zählwerte zur schnellen Auswertung.

📥 Eingänge

Image RGB Bild-Eingang zur Analyse. Akzeptiert Farbbilder von Kameras, Dateien oder vorherigen Verarbeitungsblöcken.

📤 Ausgänge

Image RGB Annotiertes Bild mit Überlagerungen der Erkennungen zur Visualisierung.

Masked Anzahl der erkannten Gesichter mit korrekt getragenen Masken.

Uncorrect Masked Anzahl der erkannten Gesichter mit falsch getragenen Masken (z. B. Nase unbedeckt).

No Mask Anzahl der erkannten Gesichter ohne Maske.

🕹️ Steuerungen

Confidence Threshold % Schieberegler zur Anpassung der Erkennungs-Sicherheit. Höher stellen reduziert Fehlalarme; niedriger stellt schwächere Erkennungen dar. Verwenden Sie kleine Anpassungen, um Präzision und Erkennungsrate für Ihre Szene auszubalancieren.

🎯 Funktionen

• Visuelle Ausgabe mit Erkennungsüberlagerungen zur schnellen Kontrolle.

• Numerische Ausgaben zur einfachen Integration in Protokolle, Alarme oder Dashboards.

• Laufzeit-Anpassung der Confidence per Schieberegler für unterschiedliche Beleuchtungs- und Entfernungsbedingungen.

📝 Nutzungshinweise

1. Geben Sie ein Bild an den Eingang Image RGB (live oder statisch).

2. Stellen Sie den Schieberegler Confidence Threshold % auf die gewünschte Empfindlichkeit ein.

3. Lesen Sie das annotierte Bild aus dem Ausgang Image RGB und die Zählwerte aus Masked, Uncorrect Masked und No Mask für die Weiterverarbeitung aus.

⚙️ Bewertung

Beim Ausführen analysiert der Block das bereitgestellte Bild, annotiert erkannte Gesichter und gibt das annotierte Bild sowie die Zählwerte für jede Masken-Kategorie aus. Verwenden Sie den Confidence-Schieberegler, um das Erkennungsverhalten an Ihre Umgebung anzupassen.

💡 Tipps und Tricks

• Für Live-Kameraeingang verwenden Sie Camera USB, Camera IP (ONVIF) oder Stream Reader als Bildquelle, um kontinuierlich einen Stream zu analysieren.

• Zur visuellen Inspektion während der Entwicklung leiten Sie das annotierte Bild an Show Image.

• Zur Beschleunigung bei großen Bildern fügen Sie vor diesem Block Image Resize ein, um die Eingangsgröße zu reduzieren und den Durchsatz zu erhöhen.

• Beschränken Sie die Erkennung auf einen ROI mit Image ROI, Image ROI Select oder Image ROI Polygon, um irrelevante Erkennungen zu vermeiden und die Verarbeitung zu beschleunigen.

• Überlagern oder formatieren Sie Erkennungsergebnisse für Präsentationen mit Draw Detections, um Rechtecke und Labels hinzuzufügen.

• Protokollieren oder speichern Sie verdächtige Frames mit Image Logger, Image Write oder Record Video, wenn Zählwerte Schwellenwerte überschreiten.

• Kombinieren Sie mit Object_Detection_Tracker, wenn Sie den Maskenstatus einer Person über die Zeit verfolgen möchten (verwenden Sie Zählwerte, um Tracking oder Logging auszulösen).

• Für Batch-Analysen gespeicherter Bilder starten Sie mit Load Image und speisen dann in diesen Block für die Offline-Verarbeitung.

🛠️ Fehlersuche

• Keine Erkennungen: Versuchen Sie, den Wert von Confidence Threshold % zu verringern, stellen Sie sicher, dass das Eingangsbild klar und gut beleuchtet ist, oder beschneiden Sie den relevanten Bereich mit Image ROI.

• Viele Fehlalarme: Erhöhen Sie Confidence Threshold %, verwenden Sie Image Resize, um den Maßstab anzupassen, oder beschränken Sie die Analyse mit einem ROI.

• Langsame Performance: Skalieren Sie die Eingabe mit Image Resize herunter oder verarbeiten Sie weniger Frames (z. B. Frames upstream überspringen). Verwenden Sie Image Logger, um nur relevante Frames zu erfassen.

• Unzuverlässige Ergebnisse bei schlechter Beleuchtung: Verbessern Sie die Beleuchtung oder wenden Sie Vorverarbeitung wie Denoising und Contrast Optimization an, bevor Sie die Bilder in diesen Block einspeisen.