位置: IT常识 - 正文

opencv训练自己的模型,实现特定物体的识别(opencv训练模型教程)

编辑:rootadmin
opencv训练自己的模型,实现特定物体的识别 1.说明opencv安装包中有训练好的分类器文件,可以实现人脸的识别。当然,我们也可以训练自己的分类器文件,实现对特定物体的识别。本文章就详细介绍下如何训练自己的分类器文件。2.效果我训练的是检测苹果的的分类器文件,可以实现对苹果的识别。 3.准备3.1 程序准备训练自己的分类器文件,需要用到两个程序 : opencv_createsamples.exe和opencv_traincascade.exeopencv最新的安装包中没有这两个程序,我们可以下载 3.4.14这个版本的安装包进行安装。opencv安装包 : opencv-3.4.14-vc14_vc15.exe安装完成后,在这个目录下就会有这两个程序文件 opencv\build\x64\vc15\bin3.2 样本数据准备

推荐整理分享opencv训练自己的模型,实现特定物体的识别(opencv训练模型教程),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:opencv训练模型教程,opencv自学,opencv训练xml,opencv训练模型教程,opencv训练模型教程,opencv训练模型教程,opencv 训练自己的svm,opencv训练模型教程,内容如对您有帮助,希望把文章链接给更多的朋友!

正样本数据 : 也就是我们需要检测的物体图片,可以自己用手机拍摄下你要检测的物体的图片,多拍摄一些不同角度的图片。

我的正样本数据在这个目录下 image\positive\img,大概有50多张图片

然后在image\positive目录下新建一个info.dat文件,在其中记录正样本图片信息

opencv训练自己的模型,实现特定物体的识别(opencv训练模型教程)

参数介绍

img/1.jpg : 文件路径和文件名1:表示图片中有几个目标物体,一般一个就行了0,0:目标物体起始坐标1280,1706:目标物体大小

负样本数据:不包含我们要检测物体的图片,可以拍摄一些风景之类的图片,尽量多一些。

我的负样本数据在这个目录下 image\negitive\img

然后在image\negitive目录下新建一个bg.txt文件,在其中记录负样本图片信息

负样本图片信息我们只需记录路径和文件名就行了,但是这里要注意,路径名要写绝对路径,后面会说为什么。

3.3 正样本VEC文件创建训练样本之前先要生成vec文件,要用到opencv_createsamples.exe程序opencv_createsamples.exe部分参数介绍 [-info <collection_file_name>] # 记录样本数据的文件(就是我们刚才创建的info.data文件) [-img <image_file_name>] [-vec <vec_file_name>] # 输出文件,内含用于训练的正样本。 [-bg <background_file_name>] # 背景图像的描述文件 [-num <number_of_samples = 1000>] #样本数量(默认为1000) [-bgcolor <background_color = 0>] #指定背景颜色 [-w <sample_width = 24>]#输出样本的宽度(以像素为单位) [-h <sample_height = 24>]#输出样本的高度(以像素为单位)

参考

在安装包的这个目录下opencv\build\x64\vc15\bin可以找到opencv_createsamples.exe程序,我们生成下vec文件D:\opencv3.4.12\opencv\build\x64\vc15\bin\opencv_createsamples.exe -info C:\Users\lng\Desktop\image\positive\info.dat -vec C:\Users\lng\Desktop\image\sample.vec -num 58 -bgcolor 0 -bgthresh 0 -w 24 -h 24在image目录下就生成了vec文件 4.样本数据训练完成上面的准备工作,就可以开始训练样本。训练样本需要用到opencv_traincascaded.exe程序opencv_traincascaded.exe程序部分参数介绍 -data <cascade_dir_name> #目录名,如不存在训练程序会创建它,用于存放训练好的分类器 -vec <vec_file_name> #包含正样本的vec文件名 -bg <background_file_name> #背景描述文件 [-numPos <number_of_positive_samples = 2000>] #每级分类器训练时所用的正样本数目 [-numNeg <number_of_negative_samples = 1000>] #每级分类器训练时所用的负样本数目 [-numStages <number_of_stages = 20>] #训练的分类器的级数--cascadeParams-- [-featureType <{HAAR(default), LBP, HOG}>] # 特征的类型: HAAR - 类Haar特征; LBP - 局部纹理模式特征 [-w <sampleWidth = 24>] #训练样本的尺寸(单位为像素) [-h <sampleHeight = 24>] #训练样本的尺寸(单位为像素)--boostParams-- [-minHitRate <min_hit_rate> = 0.995>] #分类器的每一级希望得到的最小检测率 [-maxFalseAlarmRate <max_false_alarm_rate = 0.5>] #分类器的每一级希望得到的最大误检率

参考

在安装包的这个目录下opencv\build\x64\vc15\bin可以找到opencv_traincascade.exe程序,开始训练样本这里注意下

指定-bg参数时,文件名前不能加路径,所以需要把刚才在image\negitive下创建的bg.txt文件拷贝到opencv_traincascade.exe程序所在目录下,所以要在bg.txt写负样本图片的绝对路径。指定numPos参数时,因为每个阶段训练时有些正样本可能会被识别为负样本,故每个训练阶段后都会消耗一定的正样本。因此,此处使用的正样本数量绝对不能等于或超过positive文件夹下的正样本个数,一般留有一定的余量指定-numNeg参数时,可以多于negitive目录下的负样本数量D:\opencv3.4.12\opencv\build\x64\vc15\bin\opencv_traincascade.exe -data C:\Users\lng\Desktop\image -vec C:\Users\lng\Desktop\image\sample.vec -bg bg.txt -numPos 50 -numNeg 500 -numStages 12 -feattureType HAAR -w 24 -h 24 -minHitRate 0.995 -maxFalseAlarmRate 0.5执行结果PARAMETERS:cascadeDirName: C:\Users\lng\Desktop\imagevecFileName: C:\Users\lng\Desktop\image\sample.vecbgFileName: bg.txtnumPos: 50numNeg: 500numStages: 12precalcValBufSize[Mb] : 1024precalcIdxBufSize[Mb] : 1024acceptanceRatioBreakValue : -1stageType: BOOSTfeatureType: HAARsampleWidth: 24sampleHeight: 24boostType: GABminHitRate: 0.995maxFalseAlarmRate: 0.5weightTrimRate: 0.95maxDepth: 1maxWeakCount: 100mode: BASICNumber of unique features given windowSize [24,24] : 162336===== TRAINING 0-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 500 : 1Precalculation time: 0.581+----+---------+---------+| N | HR | FA |+----+---------+---------+| 1| 1| 1|+----+---------+---------+| 2| 1| 0.05|+----+---------+---------+END>Training until now has taken 0 days 0 hours 0 minutes 1 seconds.===== TRAINING 1-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 500 : 0.084832Precalculation time: 0.576+----+---------+---------+| N | HR | FA |+----+---------+---------+| 1| 1| 1|+----+---------+---------+| 2| 1| 0.146|+----+---------+---------+END>Training until now has taken 0 days 0 hours 0 minutes 3 seconds.===== TRAINING 2-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 500 : 0.0149993Precalculation time: 0.592+----+---------+---------+| N | HR | FA |+----+---------+---------+| 1| 1| 1|+----+---------+---------+| 2| 1| 0.186|+----+---------+---------+END>Training until now has taken 0 days 0 hours 0 minutes 5 seconds.===== TRAINING 3-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 500 : 0.00288033Precalculation time: 0.652+----+---------+---------+| N | HR | FA |+----+---------+---------+| 1| 1| 1|+----+---------+---------+| 2| 1| 0.298|+----+---------+---------+END>Training until now has taken 0 days 0 hours 0 minutes 7 seconds.===== TRAINING 4-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 500 : 0.000768845Precalculation time: 0.615+----+---------+---------+| N | HR | FA |+----+---------+---------+| 1| 1| 1|+----+---------+---------+| 2| 1| 1|+----+---------+---------+| 3| 1| 0.366|+----+---------+---------+END>Training until now has taken 0 days 0 hours 0 minutes 11 seconds.===== TRAINING 5-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 500 : 0.000375057Precalculation time: 0.61+----+---------+---------+| N | HR | FA |+----+---------+---------+| 1| 1| 1|+----+---------+---------+| 2| 1| 1|+----+---------+---------+| 3| 1| 0.366|+----+---------+---------+END>Training until now has taken 0 days 0 hours 0 minutes 15 seconds.===== TRAINING 6-stage =====<BEGINPOS count : consumed 50 : 50NEG count : acceptanceRatio 2 : 0.00016276Required leaf false alarm rate achieved. Branch training t训练完成后,在img目录下就会生成以下文件。 cascade.xml就是我们需要的分类器文件,其他都是过程文件。5.测试代码main.cpp#include <iostream>#include <opencv2/opencv.hpp>char* face_cascade_name = "C:\\Users\\lng\\Desktop\\image\\cascade.xml";void faceRecongize(cv::CascadeClassifier faceCascade, cv::Mat frame);int main(){ cv::VideoCapture *videoCap = new cv::VideoCapture;cv::CascadeClassifier faceCascade; // 加载苹果分类器文件if (!faceCascade.load(face_cascade_name)) {std::cout << "load face_cascade_name failed. " << std::endl;return -1;} // 打开摄像机videoCap->open(0);if (!videoCap->isOpened()) {videoCap->release();std::cout << "open camera failed"<< std::endl; return -1;}std::cout << "open camera success"<< std::endl; while(1){cv::Mat frame;//读取视频帧videoCap->read(frame);if (frame.empty()) {videoCap->release();return -1;} //进行苹果识别faceRecongize(faceCascade, frame); //窗口进行展示 imshow("face", frame); //等待回车键按下退出程序if (cv::waitKey(30) == 13) {cv::destroyAllWindows();return 0;} } system("pause"); return 0;}void faceRecongize(cv::CascadeClassifier faceCascade, cv::CascadeClassifier eyesCascade, cv::CascadeClassifier mouthCascade, cv::Mat frame) {std::vector<cv::Rect> faces; // 检测苹果faceCascade.detectMultiScale(frame, faces, 1.1, 2, 0 | cv::CASCADE_SCALE_IMAGE, cv::Size(30, 30));for (int i = 0; i < faces.size(); i++) { // 用椭圆画出苹果部分 cv::Point center(faces[i].x + faces[i].width / 2, faces[i].y + faces[i].height / 2);ellipse(frame, center, cv::Size(faces[i].width / 2, faces[i].height / 2), 0, 0, 360, cv::Scalar(255, 0, 255), 4, 8, 0);cv::Mat faceROI = frame(faces[i]);std::vector<cv::Rect> eyes; // 苹果上方区域写字进行标识cv::Point centerText(faces[i].x + faces[i].width / 2 - 40, faces[i].y - 20);cv::putText(frame, "apple", centerText, cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 0, 255), 2);}}CMakeListscmake_minimum_required (VERSION 3.5)project (faceRecongize2015)MESSAGE(STATUS "PROJECT_SOURCE_DIR " ${PROJECT_SOURCE_DIR})SET(SRC_LISTS ${PROJECT_SOURCE_DIR}/src/main.cpp)set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11")#set(CMAKE_AUTOMOC ON)#set(CMAKE_AUTOUIC ON)#set(CMAKE_AUTORCC ON)# 配置头文件目录include_directories(${PROJECT_SOURCE_DIR}/src)include_directories("D:\\opencv3.4.12\\opencv\\build\\include")include_directories("D:\\opencv3.4.12\\opencv\\build\\include\\opencv2")# 设置不显示命令框if(MSVC)#set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} /SUBSYSTEM:WINDOWS /ENTRY:mainCRTStartup")endif()# 添加库文件set(PRO_OPENCV_LIB "D:\\opencv3.4.12\\opencv\\build\\x64\\vc15\\lib\\opencv_world3412.lib" "D:\\opencv3.4.12\\opencv\\build\\x64\\vc15\\lib\\opencv_world3412d.lib")IF(WIN32) # 生成可执行程序ADD_EXECUTABLE(faceRecongize2015 ${SRC_LISTS})# 链接库文件 TARGET_LINK_LIBRARIES(faceRecongize2015 ${PRO_OPENCV_LIB})ENDIF()6.编译说明我的opencv 3.4.12的安装路径是 D:\opencv3.4.12目录结构- src - mian.cpp- build_x64- CMakeLists编译命令, 在build_x64目录下执行cmake -G "Visual Studio 14 2015 Win64" ..cmake --build ./ --config Release编译完成后拷贝D:\opencv3.4.12\opencv\build\x64\vc15\bin目录下的opencv_world3412.dll和opencv_world3412d.dll到可执行程序目录下。备注经过测试,自己训练的样本,准确度还是比较差的。可能是正样本数据太少,且图片背景占据位置较多。要提高准确度,首先增加正样本图片数量,还要就是尽量让你的目标物体占满整个图片,不要留有太多的背景。而且也要有尽可能多的负样本数据。
本文链接地址:https://www.jiuchutong.com/zhishi/297605.html 转载请保留说明!

上一篇:基于yoloV7添加关键点训练记录(yolov5 教程)

下一篇:使用小程序实现AI动漫脸特效(使用小程序实现im)

  • 微信怎么看朋友圈访客记录(微信怎么看朋友在不在线状态)

    微信怎么看朋友圈访客记录(微信怎么看朋友在不在线状态)

  • 快手怎么@别人名字(快手怎么别人看不到我的作品)

    快手怎么@别人名字(快手怎么别人看不到我的作品)

  • 屏幕烂了如何自己修复(屏幕坏了自己怎么修)

    屏幕烂了如何自己修复(屏幕坏了自己怎么修)

  • 微信怎么迁移聊天记录(微信怎么迁移聊天记录到新手机)

    微信怎么迁移聊天记录(微信怎么迁移聊天记录到新手机)

  • 小米手机频繁自动锁屏(小米手机频繁自动关机怎么办)

    小米手机频繁自动锁屏(小米手机频繁自动关机怎么办)

  • 淘宝换类目还是开新店(淘宝换类目还是重新开店好)

    淘宝换类目还是开新店(淘宝换类目还是重新开店好)

  • 基带传输和频带传输有什么区别(基带传输和频带传输的区别)

    基带传输和频带传输有什么区别(基带传输和频带传输的区别)

  • 微信退群有通知吗(微信退群的人聊天记录还在吗)

    微信退群有通知吗(微信退群的人聊天记录还在吗)

  • 表格中字体怎么竖着(表格中字体怎么居中)

    表格中字体怎么竖着(表格中字体怎么居中)

  • 抖音被拉黑点赞对方能看到吗(抖音被拉黑点赞的作品怎么取消)

    抖音被拉黑点赞对方能看到吗(抖音被拉黑点赞的作品怎么取消)

  • 一身份证绑几个淘宝号(身份证绑几个微信号怎么查)

    一身份证绑几个淘宝号(身份证绑几个微信号怎么查)

  • mar al00是华为什么型号(maral00是华为什么型号)

    mar al00是华为什么型号(maral00是华为什么型号)

  • 快手改昵称有限制吗(快手改昵称上限怎么办)

    快手改昵称有限制吗(快手改昵称上限怎么办)

  • word文档页码怎么设置(word文档页码怎么从第二页开始)

    word文档页码怎么设置(word文档页码怎么从第二页开始)

  • 在windows中,分配CPU时间的基本单位是(在windows中分配cpu的基本单位是)

    在windows中,分配CPU时间的基本单位是(在windows中分配cpu的基本单位是)

  • 魅族16sPro怎么关闭通知预览(魅族16s怎么关闭打开的应用)

    魅族16sPro怎么关闭通知预览(魅族16s怎么关闭打开的应用)

  • 什么是单模5g(什么是单模流量包?)

    什么是单模5g(什么是单模流量包?)

  • 华为p30支持nfc功能吗(华为p30可以使用nfc吗)

    华为p30支持nfc功能吗(华为p30可以使用nfc吗)

  • 宽带dns异常怎么解决(家里的宽带dns错误怎么解决)

    宽带dns异常怎么解决(家里的宽带dns错误怎么解决)

  • 手机分身坏处是什么(手机分身有危险吗)

    手机分身坏处是什么(手机分身有危险吗)

  • element plus组件居中显示(elementui常用组件)

    element plus组件居中显示(elementui常用组件)

  • 由中世纪的城墙包围着的市镇,西班牙滨海托萨 (© dleiva/Alamy)(中世纪城门)

    由中世纪的城墙包围着的市镇,西班牙滨海托萨 (© dleiva/Alamy)(中世纪城门)

  • 加计扣除10%进项税会计分录 申报表
  • 个体工商户开劳务发票税率
  • 小规模纳税人收入超过500万怎么办
  • 财产租赁合同金额含税吗
  • 委外加工怎么做仓库账
  • 什么叫欠账
  • 5附加税政策优惠退税需要哪些资料
  • 促销费可以开专票吗
  • 非利息净收入包括营业外收入吗
  • 现金日记账定金和实收怎么记
  • 企业销售现金折扣
  • 企业所得税政策最新2023税率
  • 陈列费发票属于什么类型
  • 什么叫项目所在地
  • 过节时单位发的奖金
  • 商铺租金收入税是多少税率
  • 小企业处置固定资产
  • 有进项税额转出怎么结转增值税
  • 计提本月城市维护建设税,教育费附加500元
  • 库存商品进货价怎么算
  • 运费从货款中扣除后付款分录怎么做
  • 企业给予的折扣怎么入账
  • 苹果手机升级微信版本
  • spss安装后无法启动,并行配置不正确
  • php操作mysql数据库
  • 装win7ahci
  • elementui能做什么
  • 如何批量清理桌面
  • php抓取网页图片
  • php日期差
  • 为公司垫付费用,怎么要回
  • 公司注销前的资料怎么办
  • 会计科目结构什么意思
  • 基于骨骼关键点的动作识别
  • 火爆全网的头像男
  • java中同步
  • php ltrim
  • 预算收入的核算
  • 预算外财政支出
  • 期权分为哪几种
  • SQL Server 2005 模板参数使用说明
  • 运输费抵扣进项税怎么算
  • 办公室装修用什么材料便宜
  • 高新技术企业核心人才保险
  • 销项负数发票给谁
  • 采购未到票如何入账
  • 上个月多计提的费用怎么调整
  • 转账给个人账户
  • 固定资产报废会计科目处理
  • 工程施工企业收到工程款,怎么做分录
  • 贷款罚息会计分录
  • 跨年度利息收入如何调整
  • 私人贴现做账
  • 政府专项扶持资金
  • 高新技术企业的税收优惠政策
  • sql server数据库怎么导出
  • freebsd联网
  • 微软历代操作系统
  • centos 6.5安装教程
  • centos安装编译环境
  • ubuntu20.04问题
  • linux系统init命令
  • windows更新88
  • mac安全设置在哪里
  • win7的cpu怎么看
  • [置顶]电影名字《收件人不详》
  • android ui绘制
  • 有哪些好用的linux
  • dos命令大全及用法
  • 一键删除通讯录联系人
  • 安卓手机查看sd卡
  • unity?
  • 迅雷继续下载
  • easyui toolbar布局
  • 集资房税收问题
  • 贵阳税务局领导
  • 环保税新政策
  • 银行收取手续费可以抵扣进项税额吗
  • 完税证明在哪里查询打印
  • 手表关税税率一般是多少
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设