毕设：基于Yolov5的手势识别应用与实现_3_制作数据集

1、使用工具

标注工具：LabelImg

下载方法：

1.CMD中输入下边代码

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

2、拍摄照片

作者使用Opencv+python脚本进行拍摄，要使用务必先安装Opencv

import cv2
import os

print("=============================================")
print("= 热键(请在摄像头的窗口使用)：       =")
print("= z: 更改存储目录             =")
print("= x: 拍摄图片               =")
print("= q: 退出                 =")
print("=============================================")
print()
class_name = input("请输入存储目录：")
while os.path.exists(class_name):
    class_name = input("目录已存在！请输入存储目录：")
os.mkdir(class_name)

index = 1
cap = cv2.VideoCapture(0)
width = 1280
height = 720
w = 720
cap.set(cv2.CAP_PROP_FRAME_WIDTH, width)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, height)

crop_w_start = (width - w) // 2
crop_h_start = (height - w) // 2

print(width, height)

while True:
    # get a frame
    ret, frame = cap.read()
    # show a frame
    frame = frame[crop_h_start:crop_h_start + w, crop_w_start:crop_w_start + w]
    frame = cv2.flip(frame, 1, dst=None)
    cv2.imshow("capture", frame)

    input = cv2.waitKey(1) & 0xFF

    if input == ord('z'):
        class_name = input("请输入存储目录：")
        while os.path.exists(class_name):
            class_name = input("目录已存在！请输入存储目录：")
        os.mkdir(class_name)
    elif input == ord('x'):
        cv2.imwrite("%s/%d.jpeg" % (class_name, index),
                    cv2.resize(frame, (224, 224), interpolation=cv2.INTER_AREA))
        print("%s: %d 张图片" % (class_name, index))
        index += 1
    if input == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

数据集照片要点：

1、数量！！！！这个是关键，尽可能多，作者所使用yolov5s模型（主要是显卡带不动别的），至少要在100张以上才能让识别率提升到可用

2、样本尽可能多样化，手势正面，侧面、背面，有光、无光、本人的、别人的，总之你能想到越多不一样的样本，你的识别率越高.

 3、标注方法

首先准备下VOC格式数据集的文件夹

├── VOC2007
│├── JPEGImages  存放需要打标签的图片文件
│├── Annotations  存放标注的标签文件

│├──ImageSets 存放测试集与训练集列表的文件夹

打开lableimg后把打开图片的文件路径设置成JPEGImages，标签存储路径改成Annotations，打开设置开启自动保存

接下来尝试开始标注：

常用的快捷键：w启用标注，d下一张，s保存

标注时需要注意

1、务必尽可能地把贴住你所想要识别的物体，减少背景的干扰，最好背景占比低于30%，否则会导致在不一样的背景难以识别的情况

2、可以准备几张空白的背景图作为负样本，不需要标注，直接跳过，最后新建几个空标签文件就行。

标注界面：

 生成标签文件：

4、 标签转化

LabelImg生成的文件不能直接使用，要进行中心化转化

代码如下，需要注意的是，classes那里要改成你要训练的目标名称，一定要与你标注时用的名字一样，大小写都不能错

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import  shutil

sets=[('TrainVal', 'train'), ('TrainVal', 'val')]

classes = ["cheng"]

def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(year, image_set, image_id):
    in_file = open('VOC%s/Annotations/%s.xml'%(year, image_id),'rb')
    out_file = open('VOC%s/labels/%s_%s/%s.txt'%(year, year, image_set, image_id), 'w')
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        bb = convert((w,h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

def copy_images(year,image_set, image_id):a
    in_file = 'VOC%s/JPEGImages/%s.jpg'%(year, image_id)
    out_flie = 'VOC%s/images/%s_%s/%s.jpg'%(year, year, image_set, image_id)
    shutil.copy(in_file, out_flie)

wd = getcwd()

for year, image_set in sets:
    if not os.path.exists('VOC%s/labels/%s_%s'%(year,year, image_set)):
        os.makedirs('VOC%s/labels/%s_%s'%(year,year, image_set))
    if not os.path.exists('VOC%s/images/%s_%s'%(year,year, image_set)):
        os.makedirs('VOC%s/images/%s_%s'%(year,year, image_set))
    image_ids = open('VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
    list_file = open('VOC%s/%s_%s.txt'%(year, year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOC%s/images/%s_%s/%s.jpeg\n'%(wd, year, year, image_set, image_id))
        convert_annotation(year, image_set, image_id)
        copy_images(year, image_set, image_id)

    list_file.close()

归一化完成之后，要进行训练集与测试集的分类，代码如下：

import os
import random

xmlfilepath = "VOCTrainval/Annotations"  # xml文件的路径
saveBasePath = "VOCTrainVal/ImageSets/"  # 生成的txt文件的保存路径

trainval_percent = 0.85  # 训练验证集占整个数据集的比重（划分训练集和测试验证集）
train_percent = 0.7  # 训练集占整个训练验证集的比重（划分训练集和验证集）
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

print("train and val size", tv)
print("traub suze", tr)
ftrainval = open(os.path.join(saveBasePath, 'Main/trainval.txt'), 'w')
ftest = open(os.path.join(saveBasePath, 'Main/test.txt'), 'w')
ftrain = open(os.path.join(saveBasePath, 'Main/train.txt'), 'w')
fval = open(os.path.join(saveBasePath, 'Main/val.txt'), 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

其中训练集比重与测试集比重，将直接影响你的实验结果，可以根据你的数据集进行调整比例。

代码运行完成后，我们将可以看到voc文件夹整体框架如下：

 到这一步基本上，数据集就准备好了，但不是完了，你会根据你一次次训练的结果，测试的结果，看看缺陷在哪，会补充很多很多东西。我计划1000张照片解决，结果增增改改到了1700真的非常头疼。