实用图像处理入门 - 3 - 训练自己的识别器

1 环境准备

1.1 基本工具:

  • Visual Studio 2012 必装
  • opencv 2.4+ 必装 ( 目前是2.4.6, 下载链接 ). ( 假设已安装完毕, opencv安装目录以下用 {opencv} 表示 )
  • cygwin 必装 ( 安装教程, 网上一抓一大把, 就不贴链接了. 记得安装 perl )
  • CMake 必装 ( 下载链接, 用来编译 opencv )

 

1.2 辅助工具:

  • imageclipper 工具. 此工具能快速的从原始图片中截取待识别区域, 生成只包含待识别区域的图片. ( 下载地址 )
  • opencv_createsamples 工具. 在文件夹 {cvbuild}/bin/Release/opencv_createsamples.exe 中.
  • mergevec 工具. 用来把多个 *.vec 文件生成一个 *.vec 文件. ( 下载地址 )
  • createtrainsamples 工具, 用来快速生成大量测试样本. ( 下载地址 )
  • 如果以上地址无法打开, 这里有以上工具的合集. ( 百度网盘下载 )
  • 此文中用到的所有命令, 均以sh脚本文件保存在这里( 百度网盘下载, 下文用 “脚本附件”表示此附件 ). 您可以省去很多编写脚本的麻烦

 

1.3 项目文件结构如下:

image

2 详细步骤

2.1 编译 opencv

因为这一步骤比较长, 被我单独开贴到这里了.

此步骤务必完成, 否则后续步骤无法执行

编译 opencv 的目标位置, 在下文中用 {cvbuild} 表示

2.2 制作样本

2.2.1 负样本

目标: 生成 背景描述文件 bg.txt

步骤:

  1. 下载负样本文件. ( 忘记从哪里下载的了, 事先申明这图片库不是我制作的, 请大家不要用于商业用途. 百度盘下载 )
  2. 解压文件到某处. 进入文件夹, 执行以下命令:
    ?
    1
    2
    cd ./samples/negtive/
    find ./ -name "*.png" > ./bg.txt

得到 bg.txt. 即为负样本文件. ( 脚本附件/S2-fetchNegtiveImage.sh )

 

2.2.2 正样本

目标: 生成正样本的 *.vec 样本描述文件

2.2.2.1 用 imageclipper 截取待识别区域

运行命令:(  假设源图片放在 ./samples/positive/src/ 文件夹中 )

如果没有特殊说明, 文中所有的命令均在 cygwin 终端中执行.

?
1
./imageclipper/imageclipper.exe ./samples/positive/src/ -o ./samples/positive/%i__%x__%y__%w__%h__.png

( 脚本附件/S1-clipPositiveImage.sh )

在命令行中输入

?
1
./imageclipper/imageclipper.exe

可以看到 imageclipper 的使用说明. 咱们主要关心一下 –o 参数:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 -o <output_format = imgout_format or vidout_format>
        Determine the output file path format.
        This is a syntax sugar for -i and -v.
        Format Expression)
            %d - dirname of the original
            %i - filename of the original without extension
            %e - filename extension of the original
            %x - upper-left x coord
            %y - upper-left y coord
            %w - width
            %h - height
            %r - rotation degree
            %. - shear deformation in x coord
            %, - shear deformation in y coord
            %f - frame number (for video)
        Example) ./$i_%04x_%04y_%04w_%04h.%e
            Store into software directory and use image type of the original.

-o 参数主要来控制生成图片的文件名.

比如咱们这里的 –o 参数为 “%i__%x__%y__%w__%h__.png”.

就表示生成文件的文件名为 “原文件名__x坐标__y坐标__宽度__高度__.png”.

生成文件在文件夹:./samples/positive/ 中:

image

 

2.2.2.2 用 opencv_createsamples 对截取出的区域生成样本描述文件 *.vec

opencv 官方文档中对 opencv_createsamples 的使用描述见这里

在终端中输入 opencv_createsamples 不加任何参数, 查看使用帮助:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
$ ./opencvTools/opencv_createsamples.exe
Usage: D:\vsWorkspace\trainClassifier\opencvTools\opencv_createsamples.exe
  [-info <collection_file_name>]
  [-img <image_file_name>]
  [-vec <vec_file_name>]
  [-bg <background_file_name>]
  [-num <number_of_samples = 1000>]
  [-bgcolor <background_color = 0>]
  [-inv] [-randinv] [-bgthresh <background_color_threshold = 80>]
  [-maxidev <max_intensity_deviation = 40>]
  [-maxxangle <max_x_rotation_angle = 1.100000>]
  [-maxyangle <max_y_rotation_angle = 1.100000>]
  [-maxzangle <max_z_rotation_angle = 0.500000>]
  [-show [<scale = 4.000000>]]
  [-w <sample_width = 24>]
  [-h <sample_height = 24>]

我们需要用到的参数有:

?
1
2
3
4
5
6
7
8
9
  [-img <image_file_name>]                                        //样本图片url
  [-vec <vec_file_name>]                                          //生成 vec 文件名
  [-bg <background_file_name>]                                    // 背景图片描述文件.( 即一个文本文件, 里面每一行是一个背景文件的url )
  [-num <number_of_samples = 1000>]                               // 对每一个图片生成多少个变形后的图片.          
  [-maxxangle <max_x_rotation_angle = 1.100000>]                  // 最大x方向翻转
  [-maxyangle <max_y_rotation_angle = 1.100000>]                  // 最大y方向翻转
  [-maxzangle <max_z_rotation_angle = 0.500000>]                  // 最大z方向翻转
  [-w <sample_width = 24>]                                                                              
  [-h <sample_height = 24>]                                       //这里的w和h在以后会多次用到, 一定要保证和这里的相等. 否则会失败        

下面使用 openc_createasamples 工具来对每一个目标文件生成对应的 *.vec 样本描述文件

新建 ./S3-createsamples.sh 文件. 内容如下: ( 脚本附件/S3-createsamples.sh )

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#!/bin/sh
positive_dir="./samples/positive/"
list=($(find ./samples/positive/ -name "*.png" ))
length of filelist: ${#list[@]}
 
content=""
for file in ${list[@]}
do
        echo ==========================
    name=${file##*/}
    echo filename: $name
 
    arr=${name//__/ }
    arr=($arr)
    echo ${arr[@]}
    echo width: ${arr[3]}, height: ${arr[4]}
 
    line="$name"
    content="$content$name.vec \n"
     
    vecname=${name//./_}
 
    ./opencvTools/opencv_createsamples.exe -vec ./samples/positive/$vecname.vec –bg ./samples/negtive/bg.txt -img $file -w 50 -h 25 -num 5
        echo ==========================
done
 
listfile=$positive_dir"vec_list.txt"
targetfile=$positive_dir"target.vec"
echo $listfile
echo $targetfile
 
find $positive_dir -name "*png.vec" > $listfile
./imageclipper/mergevec.exe $listfile $targetfile  -w 50 -h 25

如果需要, 根据 1.3 中本项目的文件结构图, 将上面的文件路径改成你需要的路径.

执行命令:

?
1
$ ./S3-createSamples.sh

打开文件夹, 看到一列 *.vec 文件就对啦~~

image

2.2.2.3 用 mergevec 工具合并 *.vec 文件

细心的您执行完 步骤2.2.2.2 之后, 就会发现上图已经有合并后的 target.vec 了.

为了方便, 我已经把合并 vec 的步骤写到 S3-createsamples.sh 文件里去了. 看看这个文件的最后两行就知道啦.

输入以下命令可以看到 mergevec 的使用帮助:

?
1
2
3
4
5
$ ./imageclipper/mergevec.exe
Usage: D:\vsWorkspace\trainClassifier\imageclipper\mergevec.exe
  <collection_file_of_vecs>
  <output_vec_filename>
  [-show] [-w <sample_width = 24>] [-h <sample_height = 24>]

 

 

2.2.3 测试样本

目标: 生成大量带有待识别区域的测试图片, 在这些图片中, 待识别区域的位置都已知.

方法: 把证样本图片中的待识别区域, 经过缩放拉伸翻转后, 按随机位置贴在背景图片上, 并记录下待识别区域在背景图片上的位置.

假设我们想训练一个识别嘴巴的识别器. 生成的测试样本如下:

image

利用我们训练的识别器, 对这些图片进行识别. 得到的结果, 跟实际情况相比较, 即可知道识别器的识别率和性能.

创建 S5-createTestSample.sh 内容如下: ( 脚本附件/S5-createTestSample.sh )

?
1
2
3
4
5
6
cd ./samples/test/
find ../negtive/ -name "*.png" > negtive.dat #正样本
find ../positive/ -maxdepth 1 -name "*.png" > positive.dat # 负样本
perl ../../imageclipper/createsamples.pl positive.dat negtive.dat tests 1000 \
"../../opencvTools/opencv_createsamples -bgcolor 0 -bgthresh 0 -maxxangle 1.1 -maxyangle 1.1 -maxzangle 0.5 maxidev 40"
find tests/ -name "info.dat" -exec cat \{\} \; > tests.dat # merge info files

运行脚本文件 S5-createTestSample.sh . 查看 ./samples/test/tests 文件夹, 就能看到各种样本图片啦~~

样本图片列表存放在:

./samples/test/tests.dat

里. 如果内容如下:

?
1
2
3
4
5
tests/IMG_20130718_150032__228__548__107__58__.png/0001_0044_0065_0071_0071.jpg 1 44 65 71 71
tests/IMG_20130718_150032__228__548__107__58__.png/0002_0068_0232_0125_0125.jpg 1 68 232 125 125
tests/IMG_20130718_150032__228__548__107__58__.png/0003_0126_0071_0112_0112.jpg 1 126 71 112 112
tests/IMG_20130718_150032__228__548__107__58__.png/0004_0043_0136_0057_0057.jpg 1 43 136 57 57
...

证明你成功的创建了测试样本!

2.3 训练过程

目标: 利用 opencv_haartraining 工具训练识别器

执行以下命令来训练识别器:

?
1
2
3
4
5
6
 ./opencvTools/opencv_haartraining.exe  \
                -data ./teeath_haartraining  \
                -vec ./samples/positive/target.vec   \
                -bg ./samples/negtive/bg.txt   \
                -w 50 -h 25 -nsplits 2 -npos 30 -nneg 200  \
                -nonsym -mem 512 -mode ALL -minhitrate 0.95 -maxfalsealarm 0.5

( 脚本附件/S4-training.sh )

注意: 此步骤可能因为正样本过少或者负样本过少而导致错误. 如果出现错误, 请使用更多样本进行尝试.

训练过程可能要持续好几天, 请耐心等待.

opencv_haartraining 的官方使用说明见这里

输入以下命令可查看简要参数说明:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
$ ./opencvTools/opencv_haartraining.exe
Usage: D:\vsWorkspace\trainClassifier\opencvTools\opencv_haartraining.exe
  -data <dir_name>
  -vec <vec_file_name>
  -bg <background_file_name>
  [-bg-vecfile]
  [-npos <number_of_positive_samples = 2000>]
  [-nneg <number_of_negative_samples = 2000>]
  [-nstages <number_of_stages = 14>]
  [-nsplits <number_of_splits = 1>]
  [-mem <memory_in_MB = 200>]
  [-sym (default)] [-nonsym]
  [-minhitrate <min_hit_rate = 0.995000>]
  [-maxfalsealarm <max_false_alarm_rate = 0.500000>]
  [-weighttrimming <weight_trimming = 0.950000>]
  [-eqw]
  [-mode <BASIC (default) | CORE | ALL>]
  [-w <sample_width = 24>]
  [-h <sample_height = 24>]
  [-bt <DAB | RAB | LB | GAB (default)>]
  [-err <misclass (default) | gini | entropy>]
  [-maxtreesplits <max_number_of_splits_in_tree_cascade = 0>]
  [-minpos <min_number_of_positive_samples_per_cluster = 500>]

 

2.4 测试性能

目标: 通过用大量测试数据进行实际测试, 得到识别器的识别率和识别性能

原理: 已在 2.3.3 讲过. 可回看参考.

执行命令:

?
1
./opencvTools/opencv_performance.exe -data teeath_haartraining/ -w 50 -h 25 -info samples/test/tests.dat -ni

( 脚本附件/S6-test.sh )

3 参考

3.1 Tutorial: OpenCV haartraining

3.2 Rapid Object Detection With A Cascade of Boosted Classifiers Based on Haar-like Features Introduction

3.3 Merge vec files created by createsamples

3.4 Cascade Classifier Training ( opencv offical document )

3.5 imageclipper ( A tool to crop images manually fast )

posted @ 2013-07-26 16:06  知明所以  阅读(6320)  评论(0)  编辑  收藏  举报