opencv實時識別指定物體
一. 引入
opencv人臉識別大家應該都聽說過，本篇目的是利用opencv從視頻幀中識別指定的物體，並框出來，且可以保存截取到的物體圖片，會將整個流程都講一下,包括訓練自己的分類器，使用訓練好的分類器進行識別。這裡以識別舌頭為例。
二. 環境：
1. python 3.6.3
2. opencv 3.4.0
三. 訓練自己的分類器
1. 注意點：訓練集分為正樣本，負樣本，樣本全部為灰度圖片，正樣本圖片尺寸需要固定，一般40*40左右即可，大了電腦跑不動，負樣本尺寸不固定，負樣本數量要比正樣本多才行，少了有問題。
圖片批量縮小工具下載：鏈接：https://pan.baidu.com/s/1pMAp19p 密碼：vpp1
圖片批量灰度處理：使用美圖秀秀
2. 正樣本製作，使用美圖秀秀將舌頭的圖片全部裁剪出來（尺寸一致為：40*40的），保存到一個文件夾pos中，當然可以先用大尺寸正方形框進行裁剪，然後再用圖片縮小工具進行制定尺寸縮小。最後再用美圖秀秀批量灰度化。
附上名字自動有序化Java代碼：
[java] view plain copy
- String path = "C:\Users\Administrator\Desktop\pos";
- File f =
new
File(path); - File[] files = f.listFiles();
for
(File file : files) {- i++;
- file.renameTo(
new
File(path+i+"."+file.getName().split("\.")[1]));
- }
處理後得到如下所示圖片：
3. 負樣本製作：如上操作類似，不過這裡不要求尺寸一樣，但是負樣本圖片中一定不要包含待識別的區域（如這裡的：舌頭）
如下所示：
4. 生成樣本資源記錄文件：
a. 正樣本資源記錄文件
新建pos文件夾，將正樣本的灰度圖拷貝進去
使用JAVA代碼生成正樣本資源記錄文件：
[java] view plain copy
- String path = "E:\tools\python\eclipse\work\pythonTest\demo\0202\img\train\tongue\pos";
- File txtfile =
new
File(path+"pos.txt"); - FileOutputStream fos =
new
FileOutputStream(txtfile); - PrintWriter pw =
new
PrintWriter(fos,true
); - String s = "";
- File[] files =
new
File(path).listFiles(); for
(File file : files) {- pw.println("pos/"+file.getName()+" 1 0 0 40 40");
- }
生成後刪除最後一行的帶有(pos.txt)的內容，讓正樣本資源記錄文件內容如下類似所示：
(1 0 0 40 40)分別指代： 數量 左上方的坐標位置(x,y) 右下方的坐標位置(x,y)
處理好後，將pos.txt 移動到上一級文件夾
b. 負樣本資源記錄文件
新建neg文件夾，將負樣本的灰度圖拷貝進去
使用JAVA代碼生成負樣本資源記錄文件：
[java] view plain copy
- String path = "E:\tools\python\eclipse\work\pythonTest\demo\0202\img\train\tongue\neg";
- File txtfile =
new
File(path+"neg.txt"); - FileOutputStream fos =
new
FileOutputStream(txtfile); - PrintWriter pw =
new
PrintWriter(fos,true
); - String s = "";
- File[] files =
new
File(path).listFiles(); for
(File file : files) {
- pw.println("neg/"+file.getName());
- }
生成後刪除最後一行的帶有(neg.txt)的內容，讓負樣本資源記錄文件內容如下類似所示：
處理好後，將negtxt 移動到上一級文件夾
得到如圖所示文件夾結構：
5. 使用opencv提供的opencv_createsamples.exe程序生成樣本vec文件，新建批處理文件：createsamples.bat
內容如下：
[python] view plain copy
- opencv_createsamples.exe -vec pos.vec -info pos.txt -num 25 -w 40 -h 40
- pause
說明：25是正樣本圖片的數量 40 40 是正樣本圖片的寬高
這些參數的詳細解釋：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html
運行後會生成 pos.vec文件
6. 使用opencv提供的opencv_traincascade.exe程序訓練分類器，新建xml文件夾，再新建批處理文件：LBP_train.bat
內容如下：
[python] view plain copy
- opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 25 -numNeg 666 -numStages 10 -w 40 -h 40 -minHitRate 0.999 -maxFalseAlarmRate 0.2 -weightTrimRate 0.95 -featureType LBP
- pause
說明： 25是正樣本圖片的數量 666是負樣本圖片的數量 numNeg是層級數 40 40是訓練樣本的寬高 .....
具體參數解釋請查看文檔：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html
運行後會在xml文件夾生成如下文件：
其中cascade.xml是我們需要使用的分類器
四 . 測試訓練好的分類器
[python] view plain copy
- """""
- Created on 2018年2月2日
- 實時人臉檢測
- @author: nuohy
- """
import
cv2- # 載入opencv自帶的人臉分類器
- # faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
- # faceCascade.load("E:/python/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml")
- faceCascade = cv2.CascadeClassifier("cascade.xml")
- faceCascade.load("E:/tools/python/eclipse/work/pythonTest/demo/0202/img/train/tongue/xml/cascade.xml")
- cap = cv2.VideoCapture(0)
- flag = 0
- timeF = 10
while
True:- flag+=1
- ret, frame = cap.read()
- img = frame.copy()
- gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
- rect = faceCascade.detectMultiScale(
- gray,
- scaleFactor=1.15,
- minNeighbors=3,
- minSize=(3,3),
- flags = cv2.IMREAD_GRAYSCALE
- )
for
(x, y, w, h)in
rect:- cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
- #識別到物體後進行裁剪保存
- #jiequ = img[x:(x+w), y:(y+h)]
- #cv2.imwrite("E://tools//python//eclipse//work//pythonTest//demo//0202//img//save//"+str(flag) + ".jpg",jiequ) #save as jpg
- #讀取到保存圖片
- # if(flag%timeF==0):
- # cv2.imwrite("E://tools//python//eclipse//work//pythonTest//demo//0202//img//save//"+str(flag) + ".jpg",frame) #save as jpg
- cv2.imshow("frame", frame)
if
cv2.waitKey(1) & 0xFF == ord("q"):break
- cap.release()
- cv2.destroyAllWindows()
TAG:程序員小新人學習 |