opencv的分类器制作方法

需要工具：

python，
opencv资源包（链接：https://pan.baidu.com/s/1YKWr_2zZYk944YKkjJh8LQ
提取码：t18c ）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

由于比赛需要学习了一下分类器的使用方法，本文参考了很多博主的方法和资源，这里也会给出从各博主处获取的一些资源，感谢大佬们！

一、收集需要识别的物体图片

图片尽量拍的占屏比大一些

类似这样，然后拍摄物体的多个面并且要让物体和背景之间色差大一点，一共拍了22张
每张照片编好号码，我用的是wps批量重命名

二、运行程序

1.改变图片大小并灰度处理

import cv2
for i in range(1, 23):  # 批量处理照片 //左开右闭，以图片数量为准
    img = cv2.imread('pos6/'+'0' + str(i) + '.jpg', cv2.IMREAD_GRAYSCALE)  # 读入照片，并转灰度 
    // pos6是工程的当前路径 ‘0’是因为图片名称第一位是0  
    img1 = cv2.resize(img, (40, 40))  # 调整大小
    cv2.imwrite('pos/' + str(i) + '.jpg', img1)  # 保存图片
print('批量转灰度成功！')

2.生成样本txt文件，只需要改第三行代码中的’pos’改成’pos’或’neg’

import os

def create_pos_n_neg():
    for file_type in ['pos']:  # 此处修改pos或neg即可生成正负样本的描述文件，pos是生成正样本描述文件info.txt
        for img in os.listdir(file_type):
            if (file_type == 'neg'):
                line = file_type + '/' + img + '\n'
                with open('bg.txt', 'a') as f:
                    f.write(line)
            elif (file_type == 'pos'):
                line = file_type + '/' + img + ' 1 0 0 40 40\n' 
                //1是编号，0 0是起始像素点，40 40是图片大小，要和程序1的大小一样
                with open('info.txt', 'a') as f:
                    f.write(line)

if __name__ == '__main__':
    create_pos_n_neg()
    print('正样本描述文件info.txt已生成')

做好bg.txt（在最后一行改成bg.txt）后再做info.txt
负样本资源：（链接：https://pan.baidu.com/s/1omQyLDSn9Buo2jeG5SEJxg
提取码：acno ）

三、训练

解压opencv后将第1个程创建的pos文件夹和第2个程序的info.txt和bg.txt文件复制到有opencv_createsamples.exe和opencv_traincascade.exe的文件夹内，并且创建data文件夹

代码如下（示例）：

opencv_createsamples -info info.txt -num 30 -w 40 -h 40 -vec positives.vec

numPOS是正样本数量，且要小于实际数量，讲道理是样本越多越好，但是数据多了就会出现内存不足

opencv_traincascade.exe -data data -vec positives.vec -bg bg.txt -numPos 21 -numNeg 85 -numStages 10 -w 40 -h 40

成功后会在data文件夹中生成xml文件

四、最后一步

import cv2
import numpy as np
import math

alpha = 1.0 * math.pi / 180  # degree measured manually
v0 = 119.865631204  # from camera matrix
ay = 332.262498472  # from camera matrix
h1 = 5.5  # cm
h2 = 5.5

face_cascade = cv2.CascadeClassifier('cascade.xml')
face_cascade.load('F:/xml/cascade.xml')

cap = cv2.VideoCapture(0)


def calculate(v, h, x_shift, image):
    # compute and return the distance from the target point to the camera
    d = h / math.tan(alpha + math.atan((v - v0) / ay))
    if d > 0:
        cv2.putText(image, "%.1fcm" % d,
                    (image.shape[1] - x_shift, image.shape[0] - 20),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 2)
    return d


while True:
    ret, img_new = cap.read()
    gray_new = cv2.cvtColor(img_new, cv2.COLOR_BGR2GRAY)  # hui du tu
    # img = cv2.imread('C:/Users/10579/Desktop/03.jpg')
    # img_new = cv2.imread('C:/Users/10579/Desktop/04.jpg')

    gray = cv2.cvtColor(img_new,cv2.COLOR_BGR2GRAY)      #hui du tu

    faces = face_cascade.detectMultiScale(gray_new, 1.3, 5)  # 分类器对象调用


    for (x, y, w, h) in faces:
        cv2.rectangle(img_new, (x, y), (x + w, y + h), (255, 255, 255), 2)
        roi_gray = gray_new[y:y + h, x:x + w]
        roi_color = img_new[y:y + h, x:x + w]
        cv2.putText(img_new, 'chong dian qi', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (128, 0, 128), 2)
        """
        v_param1 = y + h - 5
        if v_param1 > 0:
            d1 = calculate(v_param1, h1, 300, img_new)
            # d2 = calculate(v_param2, self.h2, 100, image)
            d_stop_sign = d1
            # d_light = d2
            print(d1)
        """

    # cv2.imshow('img',img)
    cv2.imshow('img1', img_new)
    if cv2.waitKey(1) & 0XFF == ord('q'):  # 检测到按键q退出
        cap.release()
        cv2.destroyAllWindows()
        break
    #k = cv2.waitKey(30) & 0xff
    #if k == 27:
        #break
cap.relaese()
cv2.destroyAllWindows()

成功