Python 使用OpenCV自定義辨識物件

woff

GitHub Source Code
原文文章

演示圖：

Python OpenCV 自定義 辨識物件

成功辨識出貓

Python OpenCV 自定義 辨識物件

人類不會辨識出來

本文分為兩部分：
1.圖片的取得與資料建立
2.辨識模型的訓練

1.下載ImageNet圖片到neg資料夾

1. # (本案例下載1131張)
   
2. 
   
3. import urllib.request
   
4. import cv2
   
5. import os
   
6. 
   
7. # 創建圖片保存目錄
   
8. if not os.path.exists('neg'):
   
9.     os.makedirs('neg')
   
10. 
    
11. neg_img_url = ['http://image-net.org/api/text/imagenet.synset.geturls?wnid=n02123159']
    
12. 
    
13. urls = ''
    
14. for img_url in neg_img_url:
    
15.     urls += urllib.request.urlopen(img_url).read().decode()
    
16. 
    
17. img_index = 1
    
18. for url in urls.split('\n'):
    
19.     try:
    
20.         print(url)
    
21.         urllib.request.urlretrieve(url, 'neg/'+str(img_index)+'.jpg')
    
22.         # 把圖片轉為灰度圖片
    
23.         gray_img = cv2.imread('neg/'+str(img_index)+'.jpg', cv2.IMREAD_GRAYSCALE)
    
24.         # 更改圖像大小
    
25.         image = cv2.resize(gray_img, (150, 150))
    
26.         # 保存圖片
    
27.         cv2.imwrite('neg/'+str(img_index)+'.jpg', image)
    
28.         img_index += 1
    
29.     except Exception as e:
    
30.         print(e)
    
31. 
    
32. # 判斷兩張圖片是否完全一樣
    
33. def is_same_image(img_file1, img_file2):
    
34.     img1 = cv2.imread(img_file1)
    
35.     img2 = cv2.imread(img_file2)
    
36.     if img1.shape == img2.shape and not (np.bitwise_xor(img1, img2).any()):
    
37.         return True
    
38.     else:
    
39.         return False
    
40. 
    
41. # 去除重複圖片
    
42. """
    
43. file_list = os.listdir('neg')
    
44. try:
    
45.     for img1 in file_list:
    
46.         for img2 in file_list:
    
47.             if img1 != img2:
    
48.                 if is_same_image('neg/'+img1, 'neg/'+img2) is True:
    
49.                     print(img1, img2)
    
50.                     os.remove('neg/'+img1)
    
51.         file_list.remove(img1)
    
52. except Exception as e:
    
53.     print(e)
    
54. """

複製代碼

建立圖片列表文件(neg.txt)

1. import os
   
2. import numpy as np
   
3. 
   
4. with open('neg.txt', 'w') as f:
   
5.     for img in os.listdir('neg'):
   
6.         line = 'neg/'+img+'\n'
   
7.         f.write(line)

複製代碼

2.安裝OpenCV(3.4.6)

1. https://sourceforge.net/projects/opencvlibrary/files/3.4.6/opencv-3.4.6-vc14_vc15.exe/download
   
2. #解壓縮至相關目錄(目錄名稱為opencv)

複製代碼

複製步驟1.下載的圖片及文件

將neg資料夾、neg.txt、目標物圖片(例如:cat.jpg)
移動到X:\opencv\build\x64\vc14\bin
#在該資料夾中同時會看到
opencv_createsamples.exe和opencv_traincascade.exe

建立pos.txt文件

#開啟CMD，輸入以下指令，建立pos.txt文件
opencv_createsamples -img object.jpg -bg neg.txt -info pos.txt -maxxangle 0.5 -maxyangle -0.5 -maxzangle 0.5 -num 5000
#預設值為1000

object.jpg 訓練目標檔案

建立pos.vec文件

#開啟CMD，輸入以下指令，建立pos.vec文件
opencv_createsamples -info pos.txt -num 5000 -w 20 -h 30 -vec pos.vec
#若pos.txt為2000，則這邊的num也為同樣2000，依照pos.txt的值而訂

開始訓練辨識模型

#開啟CMD，輸入以下指令，先建立資料夾再訓練模型
mkdir data
opencv_traincascade -data data -vec pos.vec -bg neg.txt -numPos 1000 -numNeg 500 -numStages 20 -w 20 -h 30  
# numPos通常為numNeg的兩倍
# numPos和numNeg必須小於提供的neg照片數量
# Stages越少，訓練時間越短
# 此步驟需花上較常時間進行訓練

Python OpenCV 自定義 辨識物件

本次花了25分2秒在訓練模型上


測試分類器

1. import cv2
   
2. cat_haar = cv2.CascadeClassifier(r"D:\opencv\build\x64\vc14\bin\data\cascade.xml")
   
3. # 讀取圖片
   
4. img = cv2.imread('cat.jpg')
   
5. # 轉成灰階圖片
   
6. gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   
7. cat = cat_haar.detectMultiScale(gray, 1.06, 1,minSize=(50, 50))
   
8. # 繪製貓的方框
   
9. for (x, y, w, h) in cat:
   
10.     cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
    
11. # 顯示成果
    
12. cv2.namedWindow('img', cv2.WINDOW_NORMAL)  #正常視窗大小
    
13. cv2.imshow('img', img)                     #秀出圖片
    
14. cv2.waitKey(0)                             #等待按下任一按鍵
    
15. cv2.destroyAllWindows()                    #關閉視窗

複製代碼

文章出處

網頁設計,網站架設 ,網路行銷,網頁優化,SEO - NetYea 網頁設計