> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/funktionsblocke/blocks-reference/ai-blocks/mask-detection.md).

# 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 <a href="#inputs" id="inputs"></a>

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

## 📤 Ausgänge <a href="#outputs" id="outputs"></a>

`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 <a href="#controls" id="controls"></a>

`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 <a href="#features" id="features"></a>

* 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 <a href="#usage" id="usage"></a>

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 <a href="#evaluation" id="evaluation"></a>

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 <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* 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 <a href="#troubleshooting" id="troubleshooting"></a>

* 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.