使用sklearn库实现一张图片上的安全帽佩戴状态识别的机器学习算法，并编写代码，目标是做二分类

要使用 `scikit-learn` 库实现一张图片上的安全帽佩戴状态识别的机器学习算法，并进行二分类，可以按照以下步骤进行：

### 步骤概述
1. **数据收集与预处理**：收集带有标签的图片数据集，并进行预处理。
2. **特征提取**：从图片中提取有用的特征。
3. **模型选择与训练**：选择合适的机器学习模型并进行训练。
4. **模型评估**：在测试集上评估模型的性能。
5. **预测与结果展示**：使用训练好的模型进行预测，并展示结果。

### 详细步骤

#### 1. 数据收集与预处理
首先，需要一个包含安全帽佩戴和未佩戴的图片数据集。假设数据集已经准备好，并且每个图片都有对应的标签（1表示佩戴安全帽，0表示未佩戴安全帽）。

import os
import cv2
import numpy as np
from sklearn.model_selection import train_test_split

# 数据路径
data_dir = 'path_to_your_dataset'
labels = []
images = []

# 读取图片和标签
for label in ['with_helmet', 'without_helmet']:
    class_dir = os.path.join(data_dir, label)
    for img_name in os.listdir(class_dir):
        img_path = os.path.join(class_dir, img_name)
        img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)  # 读取灰度图
        img = cv2.resize(img, (64, 64))  # 统一图片大小
        images.append(img.flatten())  # 将图片展平成一维数组
        labels.append(1 if label == 'with_helmet' else 0)

# 转换为NumPy数组
X = np.array(images)
y = np.array(labels)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

#### 2. 特征提取
在这个例子中，我们直接使用图片像素值作为特征。

#### 3. 模型选择与训练
选择一个简单的分类模型，如逻辑回归或支持向量机（SVM）。

from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC

# 选择模型
model = LogisticRegression()

# 训练模型
model.fit(X_train, y_train)

#### 4. 模型评估
在测试集上评估模型的性能。

from sklearn.metrics import accuracy_score, classification_report, confusion_matrix

# 预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy:.2f}")

# 打印分类报告
print("Classification Report:")
print(classification_report(y_test, y_pred))

# 打印混淆矩阵
print("Confusion Matrix:")
print(confusion_matrix(y_test, y_pred))

#### 5. 预测与结果展示
使用训练好的模型对新图片进行预测，并展示结果。

# 新图片路径
new_img_path = 'path_to_new_image.jpg'

# 读取新图片
new_img = cv2.imread(new_img_path, cv2.IMREAD_GRAYSCALE)
new_img = cv2.resize(new_img, (64, 64))
new_img = new_img.flatten().reshape(1, -1)

# 预测
prediction = model.predict(new_img)

# 展示结果
if prediction[0] == 1:
    print("The person is wearing a helmet.")
else:
    print("The person is not wearing a helmet.")

### 总结
以上代码展示了如何使用 `scikit-learn` 库实现一张图片上的安全帽佩戴状态识别的机器学习算法。通过数据收集、预处理、特征提取、模型训练、评估和预测，我们可以构建一个简单的二分类模型来识别图片中的安全帽佩戴状态。