本文将使用opencv-python识别自定义物体，能够区分识别到的物体，如果用作人脸识别，则能够区分出不同的人脸id，也就是能够分得清张三，李四，王二麻子

（这方案已经很老了，去学 Tensorflow2或者Pytorch 吧）

本文提供的所有资源仅供学习使用，不可商用

文末有完整工程链接

效果：

识别出局座，大紧，大众和沃尔沃

vs2017+python+opencv配置请参考vs2017+python+opencv配置_qq_43440703的博客-CSDN博客

本文中文乱码问题参考博客CV2 puttext不能显示中文问题_天上飞下一毛雪的博客-CSDN博客_cv2.puttext 显示中文

为什么能让程序识别出我们想要让它识别的物体，程序怎么能认得哪个是我们想要识别的物体

此时我们需要事先训练程序，我们需要事先告诉它，哪个人是局座，哪个人是大紧，哪个车是沃尔沃，哪个车是大众

如何训练程序去认识这些人和物，我们在本文最后去讲

本教程中出现的所有的训练数据文件都包含在文末的工程文件中，下载后可直接运行

注意：

本教程只使用了少量的样本训练，精度一般，主要是了解思想

本教程中对应物体的训练数据仅对本视频文件有较好的识别概率，其他场景效果不行

如果需要在任何场景中都能识别局座或者其他人和物，需要重新使用大量到的样本数据去训练，需要成千上万个样本，本程序只是一个示例教程

掌握了思想，就可以自己去准备样本去训练

程序实现：

新建一个Python应用程序

安装opencv-python

from PIL import Image, ImageDraw, ImageFont
import cv2
import numpy as np
import time#由于直接用opencv显示中文会乱码，所以先将图片格式转化为PIL库的格式，用PIL的方法写入中文，然后在转化为CV的格式
def change_cv2_draw(image,strs,local,sizes,colour):   cv2img = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)pilimg = Image.fromarray(cv2img)draw = ImageDraw.Draw(pilimg) font = ImageFont.truetype("SIMYOU.TTF",sizes, encoding="utf-8")  #SIMYOU.TTF为字体文件draw.text(local, strs, colour, font=font)image = cv2.cvtColor(np.array(pilimg), cv2.COLOR_RGB2BGR)return image#src为输入的图像
#classifier为对应识别物体的分类器
#strs为识别出的物体的中文说明
#colors表示框的颜色
#minSize为识别物体的最小尺寸，当识别的物体尺寸低于这个尺寸，则不检测，就当没识别到
#minSize为识别物体的最大尺寸，当大于该尺寸时不识别
def myClassifier(src,classifier,strs,colors,minSize,maxSize):gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)#detectMultiScale()方法里面的参数在另一篇博客中有详解：https://blog.csdn.net/GottaYiWanLiu/article/details/90442274obj = classifier.detectMultiScale(gray,scaleFactor = 1.15, minNeighbors = 5,minSize=minSize,maxSize=maxSize) for (x,y,w,h) in obj:cv2.rectangle(src,(x,y),(x+w,y+w),colors,2) #画框，（x,y）为识别物体的左上角顶点，（w，h）为宽和高src=change_cv2_draw(src,strs,(x,y-20),20,colors)#显示中文return src#读取视频文件 若 cap=cv2.VideoCapture(0)，则为获取摄像头画面
cap=cv2.VideoCapture("001.mp4")#读取对应物体的训练数据，  注意，以下这些训练数据仅对本视频文件有较好的识别概率，其他场景不行
#其他场景中，需要重新使用大量到的样本数据去训练，本程序只是一个示例教程juzuo=cv2.CascadeClassifier("juzuo.xml")   #局座人脸的训练数据
dajin=cv2.CascadeClassifier("dajin.xml")   #大紧人类的训练数据
volvo=cv2.CascadeClassifier("volvo.xml")   #沃尔沃汽车的训练数据
volkswagen=cv2.CascadeClassifier("volkswagen.xml") #大众汽车的训练数据while True:_,frame=cap.read()frame=myClassifier(frame,juzuo,"局座",(0,0,255),(40,40),(60,60))frame=myClassifier(frame,dajin,"大紧",(0,255,0),(40,40),(70,70))frame=myClassifier(frame,volvo,"沃尔沃",(255,0,0),(35,35),(70,70))frame=myClassifier(frame,volkswagen,"大众",(0,255,255),(40,40),(70,70))cv2.imshow("frame",frame)cv2.waitKey(30)

如果想按Esc键退出程序

将最后一行改为：

c=cv2.waitKey(30)

if c==27:

cv2.destroyAllWindows()

break

所有参数说明看注释

如何训练我们想要识别的物体?

参考博客：

opencv3.3版本训练自己的物体分类器_刘延林 | 梦陆的博客-CSDN博客

首先我们需要安装3.0以上4.0以下的opencv

本人使用的opencv3.4.0

官网下载：Releases - OpenCV

安装完以后

在路径opencv\build\x64\vc14\bin\下有我们需要的训练程序

opencv_createsamples.exe和opencv_traincascade.exe

以本文为例：

首先新建一个文件夹取名 JuZuo

然后将opencv\build\x64\vc14\bin\下的所有文件复制到该文件夹下

然后在此文件夹下再新建一个pos文件夹，一个neg文件夹，一个xml文件夹

如下图所示：

其中neg文件夹保存我们的负样本

pos文件夹保存我们的正样本，

正负样本都是图片文件

正样本就是我们需要识别的物体的图片，而负样本中不能出现正样本

负样本下载（本人花积分从csdn上下载的）：

我推荐自己去网上搜，尊重别人劳动成果，我本来想把我下载的博主的链接粘贴过来，结果找了半天没找到

先用这个吧

链接：https://pan.baidu.com/s/1ahJA6BsY4oVL20oY3GSQjg
提取码：2o95

负样本的尺寸没有具体要求，只要比正样本大就行

而正样本，尺寸需要统一，为了保准训练的速度，本文正样本图片尺寸统一20x20

需要使用ps或者其他软件裁剪一下

局座正样本下载（本人一点一点的裁的）：

链接：https://pan.baidu.com/s/1Erwm59tzfdDHL3HTnu4QpA
提取码：gi7p

然后将负样本所有图片放到neg文件夹下

将局座的所有正样本图片放到pos文件夹下

然后win+r 输入cmd，打开cmd

比如本人的JuZuo文件夹在D盘

则输入 d: 然后回车

然后来到我们的负样本文件夹

输入：cd D:\JuZuo\neg 回车

此时我们已经进入neg文件夹

输入：dir /b/s/p/w *.jpg > neg.txt 回车

此时会在neg文件末尾生成一个neg.txt文件

然后我们进入pos文件夹

输入 cd D:\JuZuo\pos 回车

此时我们输入：dir /b/s/p/w *.jpg > pos.txt 回车

此时会在pos文件末尾生成一个pos.txt文件

如下图：

此时我们将neg.txt和pos.txt文件都移动到D:\JuZuo\路径下

即移动到上一层目录

此时我们需要修改一下pos.txt

此时我们借助Notepad++程序，百度Notepad++下载

右键pos.txt，使用Notepad++打开

然后按 Ctrl+H

将所有的jpg替换成jpg 1 0 0 20 20

替换完后：

一定要记得保存

修改完后，

在回到D:\JuZuo\文件夹下

在cmd 命令提示符里输入： cd D:\JuZuo 回车

然后输入：opencv_createsamples.exe -vec pos.vec -info pos.txt -num 200 -w 20 -h 20 回车

其中-num 后面的200，是正样本的数量，比如有300个正样本，不一定要用满，比如我用200个，后面两个20 就是正样本的尺寸

如下图：

此时会在JiuZuo文件夹下创建一个pos.vec文件

此时我们新建一个文本文档

命名任意，但是需要将后缀名改为bat，比如start.bat

如下图：

此时右键start.bat,编辑

opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 200 -numNeg 400 -numStages 15 -w 20 -h 20 -maxFalseAlarmRate 0.4 -precalcValBufSize 2048 -precalcIdxBufSize 2048 -mode ALLpause

将这一段话复制进去保存

numPos为正样本数量，numNeg为负样本数量，numStages为分类器的级数，w和h为正样本的宽和高，maxFalseAlarmRate为最大误报率，precalcValBufSize为缓存大小，用于存储预先计算的特征值单位为MB，precalcIdxBufSize为缓存大小，用于存储预先计算的特征索引(feature indices)，单位为MB。内存越大，训练时间越短。

具体参数说明请参考官方文档：

https://www.baidu.com/link?url=qZmbQOIgAdjLrWTy0-JAZW5UvMbHYuPDA0sDtGEPvJTLh2hPc56dccEq_9q6yYtSvBBciUE9cQrUYN8iTlec7a3lAPAlaBQd3X60WHvPm7qJcMPTNcwSuVcfQHdrJRoF&wd=&eqid=8cd1a75100010c7b000000055ce60780

然后双击start.bat启动

然后会在xml中生成cascade.xml文件，此文件就是训练后的文件

我们只需在代码中读取此文件即可

工程链接：

链接：https://pan.baidu.com/s/1cK19bZkNFwnQDBxAo9UDfg
提取码：fosm

OpenCV-Python人脸识别，车辆识别，自定义物体识别，自定义分类器相关推荐

opencv人脸识别以及自定义物体识别系统
目录一.简介: 二.软硬件应用: 三.模块介绍: (一)人脸识别: (二).自定义物体识别: (三).图片展示: (四).python框架: (五).执行器--单片机: 四.效果展示: 五.总结 : ...
物体识别_小鼠新物体识别Protocol
Ennaceur 和 Delacour于 1988 年报道了一种非奖赏性的.简单的认知记忆实验模型--新物体识别实验(Novel Object Recognition, NOR),用于评估啮齿动物记忆 ...
opencv python 人脸识别相似度_OpenCV+Tensorflow实现实时人脸识别演示
原标题:OpenCV+Tensorflow实现实时人脸识别演示 Facenet网络介绍 FaceNet是谷歌提出的人脸识别模型,它跟其他人脸识别模型最大的一个不同就是它不是一个中间层输出,而是直接在欧 ...
OpenCV Python 人脸识别签到系统（超详细注释）
文章目录前言 1.1 具体功能描述 1.2 使用注意事项 2.1 具体代码实现 2.1.1 视频截取人脸代码 2.1.2 人脸识别代码总结前言代码实现并不难,个人觉得本项目最大的难点在装库上, ...
OpenCV+python 人脸识别
首先给大家推荐一本书:机器学习算法原理与编程实践本文内容全部转载于书中,相当于一个读书笔记了吧绪论 1992年麻省理工学院通过实验对比了基于结构特征的方法与基于模版匹配的方法,发现模版匹配的方法要 ...
python识别简单训练模型_Python-OpenCV —— 物体识别（TrainCascadeClassification）
在上次教程Python-OpenCV -- Machine Learning讲述了如何建立模型,进行训练,然后利用模型对新获得的照片进行预测并给出预测值,本期教程针对某个特定的物体进行检测,将其标记出 ...
【实战】OpenCV+Python项目实战--文档扫描OCR识别
文章目录 1 准备工作(python) 1.1 np.diff用法 1.2 tesseract和pytesseract安装 2代码实现 2.1 文档提取与摆正 2.2 OCR扫描 1 准备工作(pyt ...
完整opencv(emgucv)人脸、检测、采集、识别、匹配、对比
//成对几何直方图匹配 public static string MatchHist() { string haarXml ...
如何使用CNN进行物体识别和分类_RCNN物体识别
R-CNN,图片识别目标检测(Object Detection)是图像分类的延伸,除了分类任务,还要给定多个检测目标的坐标位置.R-CNN是最早基于CNN的目标检测方 ...

OpenCV-Python人脸识别，车辆识别，自定义物体识别，自定义分类器

本文将使用opencv-python识别自定义物体，能够区分识别到的物体，如果用作人脸识别，则能够区分出不同的人脸id，也就是能够分得清张三，李四，王二麻子

（这方案已经很老了，去学 Tensorflow2或者Pytorch 吧）

本文提供的所有资源仅供学习使用，不可商用

文末有完整工程链接

为什么能让程序识别出我们想要让它识别的物体，程序怎么能认得哪个是我们想要识别的物体

此时我们需要事先训练程序，我们需要事先告诉它，哪个人是局座，哪个人是大紧，哪个车是沃尔沃，哪个车是大众

如何训练程序去认识这些人和物，我们在本文最后去讲

本教程中出现的所有的训练数据文件都包含在文末的工程文件中，下载后可直接运行

注意：

本教程只使用了少量的样本训练，精度一般，主要是了解思想

本教程中对应物体的训练数据仅对本视频文件有较好的识别概率，其他场景效果不行

如果需要在任何场景中都能识别局座或者其他人和物，需要重新使用大量到的样本数据去训练，需要成千上万个样本，本程序只是一个示例教程

掌握了思想，就可以自己去准备样本去训练

程序实现：

如何训练我们想要识别的物体?

一定要记得保存

工程链接：

OpenCV-Python人脸识别，车辆识别，自定义物体识别，自定义分类器相关推荐

最新文章

热门文章