OpenCV的机器学习

基本概念
计算机视觉是机器学习的一种应用，而且是最有价的应用
人脸识别
- 哈尔(Haar)级联方法
- 深度学习方法(DNN)

Haar人脸识别方法

哈尔(Haar)级联方法是专门为解决人脸识别而推出的，在深度学习还不流行时，哈尔已可以商用
Haar人脸识别步骤：
- 创建Haar级联器
- 导入图片并将其灰度化
- 调用detectMultiScale方法进行人脸识别
detectMultiScale(img, double scaleFactor = 1.1, int minNeighbors = 3)
- scaleFactor缩放比例
- minNeighbors最小像素值

#创建Haar级联器
facer = cv2.CascadeClassifier('训练文件')
#导入图片并将其灰度化
img = cv2.imread('p.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#调用detetMultiScale方法进行人脸识别
#返回值faces是[[x,y,h,w]]数组
faces = facer.detectMultiScale(gray, 1.1, 3)for(x,y,w,h) in faces:cv2.rectangle(img,(x,y),(x+w, y+h),(0,0,255),2)

Haar其他脸部特征的检测
眼鼻口等
在检测出的人脸上再检测眼睛，能提高准确度

Haar+Tesseract车牌识别

车牌识别具体步骤

通过Haar定位车牌的大体位置
对车牌进行预处理
- 对车牌进行二值化处理
- 进行形态学处理
- 滤波去除噪点
- 缩放
调用Tesseract进行文字识别

#引入Tesseract库
import pytesseract
#创建Haar级联器
flate = cv2.CascadeClassifier('训练文件')
#导入图片并将其灰度化
img = cv2.imread('p.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#车牌定位
flates = plate.detectMultiScale(gray, 1.1, 3)for(x,y,w,h) in flates:cv2.rectangle(img,(x,y),(x+w, y+h),(0,0,255),2)#对获取的车牌进行预处理
#1.提取ROil
roi = gray[y:y+h, x:x+w]
#2.进行二值化
ret, roi_bin = cv2.threshold(roi, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)#lang指定语言，多个语言用+号连接
#config参数配置 分段形式常选8 11  引擎模式 常选3默认
pytesseract.image_to_string(roi, lang = 'chi_sim+eng', config = '--psm 8 --oem 3')

深度学习基础知识

深度学习是计算机视觉最为重要的方法
深度学习简史
- 深度学习很早就被提出，但一直停滞不前
- 2011，微软在语音识别上使用，取得了突破
- 2012，DNN在图像识别领域取得惊人的效果，在ImageNet评测的错误率从26%降低到15%
- 2016，AlphaGo击败人类，引起世界震惊

深度学习网络

DNN (Deep Neural Netword) 深度神经网络
RNN (Recurrent Neural Netword) 循环神经网络
CNN (Convolutional Neural Netword) 卷积神经网络

RNN主要用途
- 语音识别
- 机器翻译
- 生成图像描述

CNN主要用途
- 图片分类、检索
- 目标定位检测
- 目标分割
- 人类识别
几种CNN网络实现
- LetNet,1998,第一代CNN,28*28手写字
- AlexNet,2012,ImageNet比赛的冠军
- VGG、GoogleLeNet、ResNet
几种CNN目标检测网络实现
- RCNN、Fast RCNN、Fast RCNN
- SSD(Single Shot Detectors)
- YOLO、YOLOv2…YOLOv5

模型训练

深度学习库
- TensorFlow，Google
- caffe->caffe2->torch(pytorch) 贾扬清
- MXNet,Apache
训练数据集
- MNIST、Fashion-MNIST 手写字母
- VOC 举办挑战赛时的数据集，2012年后不再举办
- COCO，用于目标检测的大型数据集
- ImageNet
训练模型
- Tf训练出的模型是.pb文件
- Pytorch训练出的模型是.pth文件
- Caffe训练出的模型是.caffe文件
- ONNX开放性神经交换格式训练出的模型是.onnx文件
OpenCV对DNN的支持
- OpenCV 3.3 将DNN转正
- OpenCV只能使用DNN，不能训练DNN模型
OpenCV支持的模型
- Tensor
- Flowtorch(pytorch)
- Caffe
- DarkNet

OpenCV使用DNN

DNN使用步骤
- 读取模型，并得到深度神经网络
- 读取图片/视频
- 将图片转成张量，送入深度神经网络
- 进行分析，并得到结果

导入模型

readNetFromTensorflow(model, config)
- model 训练出的模型文件
- config 对网络模型的描述，如输入规格，尺寸，宽高，网络的每一层级及其作用
readNetFromCaffe(config, model)
readNetDarknet(config, model), YOLO
readNet(model, [config, [framework]])

blobFromImage函数读取图像并将图像转成张量

将图像转成张量
blobFromImage(image,scalefactor = 1.0, size = Size(), mean = Scalar(), swapRB = false, crop = false…)
scalefactor 缩放因子
size 指定图像尺寸
mean 平均差值 RGB三元组消除输入图像中光照的变化 (103, 116, 123)
swapRB RB是否进行交换根据不同模型要求设置
crop 是否以图像的中心点为中心，对图像进行裁剪

将张量送入网络并执行

net.setInput(blob) 将张量塞进网络
net.forward() 让网络自动对图片进行分析

[实战]物体分类

#导入模型，并得到深度神经网络
net = cv2.readNetFromCaffe(config, model)
#读取图片，并将将图片转成张量
blob = dnn.blobFromImage(img, 1.0, (224,224), (104, 117, 123))
#将张量送入深度神经网络中，并进行预测
net.setInput(blob)
r = net.forward()
#得到结果，显示
with open(path, 'rt') as f:classes = [x [x.find("") + 1:] for x in f]order = sorted(r[0], reverse = True)
z = list(range(3))
for i in range(0, 3):z[i] = np.where(r[0] == order[i])[0][0]print('第', i+1 '项，匹配：', classes[z[i]], end = '')print('类所在行', z[i] + 1, '', '可能性：', order[i])

OpenCV(12)-OpenCV的机器学习相关推荐

Day 12: OpenCV —— Java开发者的人脸检测
今天我准备学习如何用Java来进行人脸检测.人脸检测有助于在任何数字图像上识别人脸,在做了一些研究后,我发现OpenCV的库可以帮我检测图像中的人脸.不过,我没能找到一个完整的通过Java使用Open ...
【OpenCV】OpenCV介绍及C++环境配置
文章目录 OpenCV介绍 Windows OpenCV环境配置 OpenCV介绍 OpenCV是一个跨平台计算机视觉和机器学习软件库,可以运行在Linux.Windows.Android和Mac O ...
【OpenCV学习】《OpenCV3编程入门》--毛星云 01 邂逅OpenCV（OpenCV基本概念与基本架构） ROS系统上的运用（python实现）
对 <OpenCV3编程入门>第一章的学习笔记:理解什么是计算机视觉,什么是OpenCV,以及其中的联系等等. PS:此书为2014年出版,opencv的版本和接口也与现在有些不一致了,作 ...
如何在ARM开发板上从源码编译安装OpenCV和OpenCV contrib
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达本文主要介绍如何在ARM开发板上从源码编译安装OpenCV和OpenCV contrib. OpenC ...
CV之OpenCV：OpenCV库涉及概念、常见函数、常用案例、HALCON软件简介之详细攻略
CV之OpenCV:OpenCV库涉及概念.常见函数.常用案例.HALCON软件简介之详细攻略目录 CV入门 OpenCV使用过程 1.基本教程 OpenCV的相关概念 1.基本概念
12 聚类模型 -- 机器学习基础理论入门
12 聚类模型 – 机器学习基础理论入门 4.1 聚类问题介绍定义聚类分析又称群分析,目标时将样本划分为紧密关系的子集或簇应用聚类分析在实际中应用非常广泛,如:市场细分.社交圈分析.天体数据分 ...
vs2017python配置opencv_[opencv +VS2017] opencv、vs2017安装配置，环境搭建
文章目录 [opencv] 3.4.1下载安装一.前言二.说明三.下载opencv 3.1 获取链接 3.2 下载结果四.安装opencv 五.配置opencv环境六.vs2017 6.1下 ...
[opencv +VS2017] opencv、vs2017安装配置，环境搭建
文章目录 [opencv] 3.4.1下载安装一.前言二.说明三.下载opencv 3.1 获取链接 3.2 下载结果四.安装opencv 五.配置opencv环境六.vs2017 6.1下 ...
OpenCV之ml 模块. 机器学习：支持向量机(SVM)介绍支持向量机对线性不可分数据的处理
支持向量机(SVM)介绍目标本文档尝试解答如下问题: 如何使用OpenCV函数 CvSVM::train 训练一个SVM分类器, 以及用 CvSVM::predict 测试训练结果. 什么是支持向 ...

OpenCV(12)-OpenCV的机器学习

OpenCV的机器学习

Haar人脸识别方法

Haar+Tesseract车牌识别

深度学习基础知识

深度学习网络

模型训练

OpenCV使用DNN

导入模型

blobFromImage函数读取图像并将图像转成张量

将张量送入网络并执行

[实战]物体分类

OpenCV(12)-OpenCV的机器学习相关推荐

最新文章

热门文章