opencv实时识别指定物体

一. 引入

    opencv人脸识别大家应该都听说过，本篇目的是利用opencv从视频帧中识别指定的物体，并框出来，且可以保存截取到的物体图片，会将整个流程都讲一下,包括训练自己的分类器，使用训练好的分类器进行识别。这里以识别舌头为例。

二.  环境：

    1.  python 3.6.3

    2. opencv 3.4.0

三. 训练自己的分类器

1. 注意点：训练集分为正样本，负样本，样本全部为灰度图片，正样本图片尺寸需要固定，一般40*40左右即可，大了电脑跑不动，负样本尺寸不固定，负样本数量要比正样本多才行，少了有问题。

图片批量缩小工具下载：链接：https://pan.baidu.com/s/1pMAp19p 密码：vpp1

图片批量灰度处理：使用美图秀秀

2. 正样本制作，使用美图秀秀将舌头的图片全部裁剪出来（尺寸一致为：40*40的），保存到一个文件夹pos中，当然可以先用大尺寸正方形框进行裁剪，然后再用图片缩小工具进行制定尺寸缩小。最后再用美图秀秀批量灰度化。

附上名字自动有序化Java代码：

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]));
        }

处理后得到如下所示图片：

3. 负样本制作：如上操作类似，不过这里不要求尺寸一样，但是负样本图片中一定不要包含待识别的区域（如这里的：舌头）

如下所示：

4. 生成样本资源记录文件：

a. 正样本 资源记录文件

新建pos文件夹，将正样本的灰度图拷贝进去

使用JAVA代码生成正样本资源记录文件：

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");
        }

生成后删除最后一行的带有(pos.txt)的内容，让正样本资源记录文件内容如下类似所示：

(1 0 0 40 40)分别指代： 数量  左上方的坐标位置(x,y)  右下方的坐标位置(x,y)

处理好后，将pos.txt 移动到上一级文件夹

b. 负样本资源记录文件

新建neg文件夹，将负样本的灰度图拷贝进去

使用JAVA代码生成负样本资源记录文件：

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());

        }

生成后删除最后一行的带有(neg.txt)的内容，让负样本资源记录文件内容如下类似所示：

处理好后，将negtxt 移动到上一级文件夹

得到如图所示文件夹结构：

5. 使用opencv提供的opencv_createsamples.exe程序生成样本vec文件，新建批处理文件：createsamples.bat

内容如下：

opencv_createsamples.exe -vec pos.vec -info pos.txt -num 25 -w 40 -h 40
pause

说明：25是正样本图片的数量   40 40 是正样本图片的宽高

这些参数的详细解释：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html

运行后会生成 pos.vec文件

6. 使用opencv提供的opencv_traincascade.exe程序训练分类器，新建xml文件夹，再新建批处理文件：LBP_train.bat

内容如下：

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

说明： 25是正样本图片的数量   666是负样本图片的数量   numNeg是层级数  40 40是训练样本的宽高 .....

具体参数解释请查看文档：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html

运行后会在xml文件夹生成如下文件：

其中cascade.xml是我们需要使用的分类器

四 . 测试训练好的分类器

'''''
Created on 2018年2月2日
实时人脸检测
@author: nuohy
'''
import cv2

# 加载opencv自带的人脸分类器
# 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)
        #识别到物体后进行裁剪保存
        #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

    #读取到保存图片
#     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()

 效果图如下所示：