一. 引入
opencv人臉識別大家應該都聽說過，本篇目的是利用opencv從視頻幀中識別指定的物體，並框出來，且可以保存截取到的物體圖片，會將整個流程都講一下,包括訓練自己的分類器，使用訓練好的分類器進行識別。這里以識別舌頭為例。
二. 環境：
1. python 3.6.3
2. opencv 3.4.0
三. 訓練自己的分類器
1. 注意點：訓練集分為正樣本，負樣本，樣本全部為灰度圖片，正樣本圖片尺寸需要固定，一般40*40左右即可，大了電腦跑不動，負樣本尺寸不固定，負樣本數量要比正樣本多才行，少了有問題。
圖片批量縮小工具下載：鏈接：https://pan.baidu.com/s/1pMAp19p 密碼：vpp1
圖片批量灰度處理：使用美圖秀秀
2. 正樣本制作，使用美圖秀秀將舌頭的圖片全部裁剪出來（尺寸一致為：40*40的），保存到一個文件夾pos中，當然可以先用大尺寸正方形框進行裁剪，然后再用圖片縮小工具進行制定尺寸縮小。最后再用美圖秀秀批量灰度化。
附上名字自動有序化Java代碼：
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]));
}
處理后得到如下所示圖片：
3. 負樣本制作：如上操作類似，不過這里不要求尺寸一樣，但是負樣本圖片中一定不要包含待識別的區域（如這里的：舌頭）
如下所示：
4. 生成樣本資源記錄文件：
a. 正樣本資源記錄文件
新建pos文件夾，將正樣本的灰度圖拷貝進去
使用JAVA代碼生成正樣本資源記錄文件：
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");
}
生成后刪除最后一行的帶有(pos.txt)的內容，讓正樣本資源記錄文件內容如下類似所示：
(1 0 0 40 40)分別指代： 數量 左上方的坐標位置(x,y) 右下方的坐標位置(x,y)
處理好后，將pos.txt 移動到上一級文件夾
b. 負樣本資源記錄文件
新建neg文件夾，將負樣本的灰度圖拷貝進去
使用JAVA代碼生成負樣本資源記錄文件：
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());
}
生成后刪除最后一行的帶有(neg.txt)的內容，讓負樣本資源記錄文件內容如下類似所示：
處理好后，將negtxt 移動到上一級文件夾
得到如圖所示文件夾結構：
5. 使用opencv提供的opencv_createsamples.exe程序生成樣本vec文件，新建批處理文件：createsamples.bat
內容如下：
opencv_createsamples.exe -vec pos.vec -info pos.txt -num 25 -w 40 -h 40
pause
說明：25是正樣本圖片的數量 40 40 是正樣本圖片的寬高
這些參數的詳細解釋：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html
運行后會生成 pos.vec文件
6. 使用opencv提供的opencv_traincascade.exe程序訓練分類器，新建xml文件夾，再新建批處理文件：LBP_train.bat
內容如下：
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
說明： 25是正樣本圖片的數量 666是負樣本圖片的數量 numNeg是層級數 40 40是訓練樣本的寬高 .....
具體參數解釋請查看文檔：http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html
運行后會在xml文件夾生成如下文件：
其中cascade.xml是我們需要使用的分類器
四 . 測試訓練好的分類器
'''
Created on 2018年2月2日
實時人臉檢測
@author: nuohy
'''
import cv2
# 加載opencv自帶的人臉分類器
# 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)
#識別到物體后進行裁剪保存
#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
#讀取到保存圖片
# 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()
效果圖如下所示：
---------------------
作者：Nuohy
來源：CSDN
原文：https://blog.csdn.net/qq_27063119/article/details/79247266
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！