基于opencv+ImageAI+tensorflow的智能动漫人物识别系统——深度学习算法应用(含python、JS、模型源码)+数据集（一）

---

前言

本项目通过爬虫技术获取图片，利用OpenCV库对图像进行处理，识别并切割出人物脸部，形成了一个用于训练的数据集。通过ImageAI进行训练，最终实现了对动漫人物的识别模型。同时，本项目还开发了一个线上Web应用，使得用户可以方便地体验和使用该模型。

首先，项目使用爬虫技术从网络上获取图片。这些图片包含各种动漫人物，其中我们只对人物脸部进行训练，所以我们会对图像进行处理，并最终将这些图像将作为训练数据的来源。

其次，利用OpenCV库对这些图像进行处理，包括人脸检测、图像增强等步骤，以便准确识别并切割出人物脸部。这一步是为了构建一个清晰而准确的数据集，用于模型的训练。

接下来，通过ImageAI进行训练。ImageAI是一个简化图像识别任务的库，它可以方便地用于训练模型，这里用于训练动漫人物的识别模型。

最终，通过项目开发的线上Web应用，用户可以上传动漫图像，系统将使用训练好的模型识别图像中的动漫人物，并返回相应的结果。

总的来说，本项目结合了爬虫、图像处理、深度学习和Web开发技术，旨在提供一个便捷的动漫人物识别服务。这对于动漫爱好者、社交媒体平台等有着广泛的应用前景。

总体设计

本部分包括系统整体结构图和系统流程图。

系统整体结构图

系统整体结构如图所示。

系统流程图

系统流程如图所示。

运行环境

本部分包括爬虫、模型训练及实际应用运行环境。

爬虫

安装Python3.6以上及Selenium3.0.2版本。

1.安装Anaconda

使用Anaconda管理Python环境。在Windows环境下载Anaconda完成安装,下载地址为https://www.anaconda.com/。

验证安装。单击菜单【开始】→Anaconda3(64-bit)→Anaconda Navigator，若可以成功启动Anaconda Navigator则说明安装成功。

2.安装Python3.6

打开计算机的cmd命令行窗口,新建Python3.6环境,名称为TensorFlow:

conda create --name tensorflow python=3.6

激活环境:

conda activate tensorflow

3.更换pip源

由于网络问题,需要更换Python包管理工具pip的下载源来提高下载速度。按Win+R组合键打开用户目录%HOMEPATH%,在此目录下创建pip文件夹以及pip.ini文件，成功更换pip的源为清华镜像。内容如下:

[global]
timeout = 60000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

4.安装Python包

新建一个.txt文件并命名为crawler_requirements.txt,写入如下内容:

future==0.16.0
futures==3.0.5
requests==2.12.1
selenium==3.0.2

在启动的Python环境cmd窗口输入:

pip install -r crawler_requirements.txt

即可安装爬虫所需要的包。

5.下载phantomjs

Selenium是用于Web应用程序测试的工具，其测试直接在浏览器中运行，需要使用phantomjs。在Linux环境下的phantomjs是完整的,可以直接使用pip安装使用，但是在Windows环境下需要下载phantomjs.exe文件来引用。新建bin文件夹用于存储phantomjs.exe可执行文件。

官网下载地址：https://phantomjs.org/download.html

模型训练

本部分包括安装依赖、安装ImageAI。

1.安装依赖

TensorFlow 1.4.0(及更高版本)安装或通过pip安装:

pip3 install -- upgrade tensorflow

Numpy1.13.1(及更高版本)安装或通过pip安装:

pip3 install numpy

SciPy0.19.1(及更高版本)安装或通过pip安装:

pip3 install scipy

OpenCV安装或通过pip安装:

pip3 install opencv - python

pillow安装或通过pip安装:

pip3 install pillow

Matplotlib安装或通过pip安装:

pip3 install matplotlib

h5py安装或通过pip安装:

pip3 install h5py

Keras2.x安装或通过pip安装:

pip3 install keras

2.安装lmageAl

可以直接通过下面命令安装ImageAI：

pip3 install imageai

也可以先下载imageai-2.0.1-py3-none-any.whl。

下载地址为https://github.com/OlafenwaMoses/ImageAI/releases/download/2.0.1/imageai-2.0.1-py3-none-any.whl

然后在下载目录下，运行如下命令安装ImageAI:

pip3 install imageai-2.0.1-py3-none-any.whl

实际应用

实际应用包括前端开发环境和后端环境的搭建。

1.前端

实际应用过程中需要在官网下载Jquery3.5.0.js、bootstrap 4.4.1.js和template.js0.8.0.js等3个文件。

2.安装Flask

通过ask1.1.2接收和发送用户请求,使用pip直接安装:

pip install -y Flask

3.安装Nginx

本地开发完成后，需要在服务器端运行。配置服务器端的环境为Nginx,Nginx(enginex)，是高性能的HTTP和运行代理Web服务器，同时也提供了IMAP/POP3/SMTP服务。Nginx负责接收和转发用户请求,同时保证服务器端的负载均衡。

安装Nginx。选择稳定版本：服务器端的Linux环境为CentOS 6.2x86_64。使用Linux下包管理工具yum安装缺少的依赖包:

# yum -y install gcc gcc-c++make libtoolzlib zlib zlib-devel openssl openssl-devel pcre pcre-devel

如果yum上没有这些软件包,可以下载源码编译安装,编译时默认安装的目录,确保在安装Nginx时找到动态库文件。从网站http://nginx.org/en/download.html下载稳定版nginx-1.6.3.tar.gz到/usr/local/src下解压。

另外下载2个插件模块——nginx_upstream_check_module-0.3.0.tar.gz 和 nginx-goodies-nginx-sticky-module-ng-bd312d586752.tar.gz(建议在/usr/local/src下解压后将目录重命名为nginx-sticky-module-ng-1.2.5),前者用于检查后端服务器的状态,后者用于后端做负载均衡解决报错(sessions ticky问题)。注意插件与Nginx的版本兼容问题，一般插件越新越好，Nginx则无须追求最新的版本。

启动Nginx服务,命令如下:

systemctl start nginx

修改Nginx的配置文件。

打开/etc/nginx/nginx.conf文件,修改server部分。相关代码如下:

server {
		#监听端口
		listen 80;
		#访问城名
		server_name localhost;
		#编码格式,若网页格式与此不同,将被自动转码
		#charset koi8
		#虚拟主机访问日志定义
		#access_log logs/host.access.log main;
		#对URL进行匹配
		location / {
			#访问路径,可以是相对路径也可以是绝对路径
			root html;
			#首页文件,以下按顺序匹配
			index l index.htm;
			}
}

本项目在阿里云的控制台开放服务器端口才能被用户访问，Nginx服务器默认为80端口。

相关其它博客

基于opencv+ImageAI+tensorflow的智能动漫人物识别系统——深度学习算法应用(含python、JS、模型源码)+数据集（二）

基于opencv+ImageAI+tensorflow的智能动漫人物识别系统——深度学习算法应用(含python、JS、模型源码)+数据集（三）

基于opencv+ImageAI+tensorflow的智能动漫人物识别系统——深度学习算法应用(含python、JS、模型源码)+数据集（四）

工程源代码下载

详见本人博客资源下载页

---

其它资料下载

如果大家想继续了解人工智能相关学习路线和知识体系，欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线，所有资料免关注免套路直接网盘下载》
这篇博客参考了Github知名开源平台，AI技术平台以及相关领域专家：Datawhale，ApacheCN，AI有道和黄海广博士等约有近100G相关资料，希望能帮助到所有小伙伴们。