基于faster-rcnn的图片标注和数据集生成自动化工具（数据集格式同pascal voc）

未完待续。。。

faster-rcnn的模型训练需要大量数据集，目前使用labelImg工具，需要人工一张一张标注，效率低。本文使用python编写了自动化图片标注和数据集生成工具（本文标注目标是人脸，大家可以根据需要训练其他目标判别模型，比如汽车、自行车等标注需要的图片数据集）。

使用该工具可以自动完成整个数据集的生成（图片标注和数据集文件），生成的数据集符合pascal voc格式，可以直接在faster-rcnn中训练模型。

 

效果展示

000182.jpg

本文只说明原理，提供参考，实际应用需考虑其他因素。

环境配置

win7

python3.6.3

tensorflow-gpu1.5（cuda_9.0.176_windows.exe，cudnn-7.0.5（其他版本报错，运行占用内存较多会异常终止））

keras2.1.4

注意：各软件之间版本之间存在适配问题。

 

实现步骤

一、准备

       1.1 素材准备

             标注的素材准备（1.视频（人脸较多）、2.文件夹（人物网站爬取或自己收集））

       1.2.环境搭建

       1.3.人脸检测模型选择

           一般有以下可选

           1.3.1 使用opencv  参考（点击跳转）

           1.3.2 使用dlib 参考（点击跳转）

            1.3.3 使用腾讯、百度或阿里（旷世科技Face++）等开发平台的的人脸检测API接口  参考（点击名称跳转）

            1.3.4 自己训练人脸检测的模型（神经网络（SelectiveSearch + CNN）） 参考（点击跳转）

二、实现步骤（视频，本文选择《欢乐颂》电视剧视频）

2.1.打开视频，截取一帧视频（图片）

2.2 判断2.1中图片有是否有人脸（使用1.3.2 dlib人脸检测模型）

2.3 如果2.2中有人脸（没有人脸则跳转到2.1继续截取，直到视频结束），则获取人脸的区域保存该区域图片和人脸区域图片在2.1图片中的位置（左上角x（xmin），左上角y（ymin），右下角x（xmax），右下角y（ymax））保存到data\VOC2007\JPEGImages 中。

图片命名000001.jpg、000002.jpg以此递增。

同时data\VOC2007\Annotations中存放同名（后缀不同）文件0000001.xml。xml文件存放图片中人脸的类别和位置。图片和人脸数据的关系是1对多（一张图片中存在一个或多个人脸，无人脸图片已过滤）。

0000182.jpg（3个人脸）

0000182.xml（3个人脸对应3个object）

  VOC2007
  000182.jpg
  
    The VOC2007 Database
    PASCAL VOC2007
    flickr
    340039936
  
  
    uma_tyan
    ?
  
  
    960
    540
    3
  
  0
  3
  
  
  

代码

set_face_dataset.py

建立Pascal VOC数据集文件结构、xml文件生成、数据集分割（训练集、测试集）。

count.txt 用于计数，初始化第一行写数字1

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import os
import cv2
import random
from lxml import etree, objectify
from lxml.etree import Element, SubElement, tostring

base_dir = os.path.join(os.getcwd(), 'training_data\VOC2007')
jpg_dir = os.path.join(base_dir, 'JPEGImages')
ano_dir = os.path.join(base_dir, 'Annotations')
img_dir = os.path.join(base_dir, r'ImageSets\Main')
count_dir = os.path.join(base_dir, r'count.txt')

def setdir():
    if not os.path.isdir(base_dir):
        os.makedirs(base_dir)

    if not os.path.isdir(jpg_dir):
        os.makedirs(jpg_dir)

    if not os.path.isdir(ano_dir):
        os.makedirs(ano_dir)

    if not os.path.isdir(img_dir):
        os.makedirs(img_dir)

    if not os.path.isdir(count_dir):
        os.makedirs(count_dir)

    # 计数文件初始化
    with open(count_dir, 'w') as f:
        f.writelines('1')

def make_xml(facelist, image_name, w, h):
    (filepath, tempfilename) = os.path.split(image_name)
    (filename, extension) = os.path.splitext(image_name)

    annotation = etree.Element("annotation")
    etree.SubElement(annotation, "folder").text = "VOC2007"
    etree.SubElement(annotation, "filename").text = tempfilename
    source = etree.SubElement(annotation, "source")
    etree.SubElement(source, "database").text = "The VOC2007 Database"
    etree.SubElement(source, "annotation").text = "PASCAL VOC2007"
    etree.SubElement(source, "image").text = "flickr"
    etree.SubElement(source, "flickrid").text = "340039936"

    size = etree.SubElement(annotation, "owner")
    etree.SubElement(size, "flickrid").text = 'uma_tyan'  # 必须用string
    etree.SubElement(size, "name").text = '?'

    size = etree.SubElement(annotation, "size")
    etree.SubElement(size, "width").text = str(w)
    etree.SubElement(size, "height").text = str(h)
    etree.SubElement(size, "depth").text = '3'
    etree.SubElement(annotation, "segmented").text = '0'
    list_len = len(facelist)
    etree.SubElement(annotation, "object_num").text = str(list_len)

    for i in range(list_len):

        key_object = etree.SubElement(annotation, "object")
        etree.SubElement(key_object, "name").text = "face"
        etree.SubElement(key_object, "pose").text = "Unspecified"
        etree.SubElement(key_object, "truncated").text = '0'
        etree.SubElement(key_object, "difficult").text = '0'
        bndbox = etree.SubElement(key_object, "bndbox")
        etree.SubElement(bndbox, "xmin").text = str(facelist[i][0].left())
        etree.SubElement(bndbox, "ymin").text = str(facelist[i][0].top())
        etree.SubElement(bndbox, "xmax").text = str(facelist[i][0].right())
        etree.SubElement(bndbox, "ymax").text = str(facelist[i][0].bottom())

    doc = etree.ElementTree(annotation)

    xml_name = os.path.join(filepath, filename + '.xml')
    xml_name = xml_name.replace("JPEGImages","Annotations")
    doc.write(open(xml_name, "wb"), encoding='utf-8',pretty_print=True)

    return

# 文件后缀自动修改为".jpg"
def file_name(file_dir):
    L=[]
    for root, dirs, files in os.walk(file_dir):
        for file in files:
            if os.path.splitext(file)[1] == '.xml':
                L.append(file[:-4])
    return L

# 文件后缀自动修改为".jpg"
def file_name():
    L=[]
    for root, dirs, files in os.walk(ano_dir):
        for file in files:
            if os.path.splitext(file)[1] == '.xml':
                L.append(file[:-4])
    return L


# 记录分割
def file_seg(list):
    list_len = len(list)
    list_len_2 = int(list_len/2)
    list_len_4 = int(list_len/4)

    random.shuffle(list)
    with open(os.path.join(img_dir,'trainval.txt'),'w') as f:
        f.write('\n'.join(list[0:list_len_2]))
    with open(os.path.join(img_dir,'test.txt'),'w') as f:
        f.write('\n'.join(list[list_len_2:]))
    with open(os.path.join(img_dir,'train.txt'),'w') as f:
        f.write('\n'.join(list[0:list_len_4]))
    with open(os.path.join(img_dir,'val.txt'),'w') as f:
        f.write('\n'.join(list[list_len_4:list_len_2]))

    return


def setfacedb(img, list):
    with open(count_dir,'r') as f:
        count = f.readline()
    filetype = '.jpg'
    Newdir = os.path.join(jpg_dir, str(count).zfill(6) + filetype)
    print(Newdir)
    cv2.imwrite(Newdir,img)

    image= cv2.imread(Newdir)
    h, w = image.shape[:2]

    # 新建xml文件
    try:
        make_xml(list, Newdir, w, h)
    except Exception as e:
        print(e)
    with open(count_dir,'w') as f:
        f.write(str(int(count) + 1))

if __name__ == "__main__":
    setdir()

video_face_sign_dir.py

自动化标记图片并整理到对应文件夹中

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os
import numpy as np
import sys
import time
import cv2
import dlib
from setfacedb import*

from keras.preprocessing import image as imagekeras
from keras.models import load_model
from PIL import Image, ImageDraw, ImageFont
from glob import glob

size = 150
save_dir = os.path.join(os.getcwd(), 'saved_models')
model_name = 'keras_face_trained_model.h5'

# 类别编码转换为中文名称返回
def return_name(codelist):
    names = ['樊胜美', '关雎尔', '邱莹莹']
    for it in range(0, len(codelist), 1):
        if int(codelist[it]) == 1.0:
            return names[it]

# 类别编码转换为英文名称返回
def return_name_en(codelist):
    names = ['fsm', 'gje', 'qyy']
    for it in range(0, len(codelist), 1):
        if int(codelist[it]) == 1.0:
            return names[it]

# 返回目录下全部.jpg文件的列表
def get_image(image_path):
    name = glob(image_path+"/*jpg")
    return name

# 区分和标记视频中截图的人脸
def face_rec():
    global  image_ouput
    model = load_model(os.path.join(save_dir, model_name))
    # camera = cv2.VideoCapture("2.mp4") # 视频
    # camera = cv2.VideoCapture(0) # 摄像头

    # img_list = get_image(os.path.join(os.getcwd(), 'img'))
    img_list = get_image(os.path.join(os.getcwd(), 'test1'))

    for imgitem in img_list:
        # read, img = camera.read()
        img = cv2.imread(imgitem)
        img1 = img
        try:
            # 未截取视频图片结束本次循环
            if not (type(img1) is np.ndarray):
                continue
            gray_img = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) # 图片转为灰度图
        except:
            print("Unexpected error:", sys.exc_info()[0])
            break

        # 使用detector进行人脸检测
        # 使用dlib自带的frontal_face_detector作为我们的特征提取器
        detector = dlib.get_frontal_face_detector()
        dets = detector(gray_img, 1) # 提取截图中所有人脸

        if len(dets) < 1: # 没有人脸，结束本次循环
            continue

        facelist = []
        for i, d in enumerate(dets): # 依次区分截图中的人脸
            x1 = d.top() if d.top() > 0 else 0
            y1 = d.bottom() if d.bottom() > 0 else 0
            x2 = d.left() if d.left() > 0 else 0
            y2 = d.right() if d.right() > 0 else 0

            face = img[x1:y1, x2:y2]
            face = cv2.resize(face, (size, size))

            x_input = np.expand_dims(face, axis=0)
            prey = model.predict(x_input)
            print(prey, 'prey')

            facelist.append([d,  return_name(prey[0])]) # 存储一张图中多张人脸坐标

        setfacedb(img1,facelist)

        cv2_im = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # cv2和PIL中颜色的hex码的储存顺序不同
        pil_im = Image.fromarray(cv2_im)

        draw = ImageDraw.Draw(pil_im)  # 括号中为需要打印的cqanvas，这里就是在图片上直接打印
        font = ImageFont.truetype("simhei.ttf", 20, encoding="utf-8")  # 第一个参数为字体文件路径，第二个为字体大小


        cv2_char_img = cv2.cvtColor(np.array(pil_im), cv2.COLOR_RGB2BGR)
        # 显示图片
        cv2.imshow("camera", cv2_char_img)
    cv2.destroyAllWindows()

if __name__ == "__main__":
    face_rec() # 人脸目标自动化生成
    file_seg(file_name()) # 生成txt文件

 

详细讲解

1、运行set_face_dataset.py 生成Pascal voc 文件结构（setdir()）

2、运行video_face_sign_dir.py （先选择视频）生成数据（图片、标注、训练和验证数据（txt））

 

推荐阅读

https://saicoco.github.io/object-detection-4/

https://blog.csdn.net/hongxingabc/article/details/79039537

https://blog.csdn.net/yaoqi_isee/article/details/79254574

https://blog.csdn.net/sinat_30071459/article/details/50723212

https://www.cnblogs.com/zjutzz/p/5983160.html

https://github.com/endernewton/tf-faster-rcnn

https://github.com/yhenon/keras-frcnn

https://github.com/fizyr/keras-retinanet

https://blog.csdn.net/wyx100/article/details/81235208

https://blog.csdn.net/qq_32799915/article/details/79081659

https://tzutalin.github.io/labelImg/

 

完整项目下载

为方便没积分童鞋，请加企鹅，共享文件夹。

包括：代码、数据集合（图片）、已生成model、安装库文件等。

https://github.com/gbusr/ML/tree/master/facecnn

set_face_dataset.py和video_face_sign_dir.py存放到facecnn目录下，即可运行。

 

QQ（群：452205574）