手把手教你如何利用Python + opencv opencv实时识别指定或自定义物体

手把手教你如何利用Python+opencvopencv实时识别指定(或自定义）物体一.引入

opencv人脸识别大家应该都听说过，本篇目的是利用opencv从视频帧中识别指定的物体，并框出来，且可以保存截取到的物体图片，会将整个流程都讲一下,包括训练自己的分类器，使用训练好的分类器进行识别。这里以识别舌头为例。二.

环境：

1.

python3.6.3

2.opencv

3.4.0三.训练自己的分类器1.注意点：训练集分为正样本，负样本，样本全部为灰度图片，正样本图片尺寸需要固定，一般40*40左右即可，大了电脑跑不动，负样本尺寸不固定，负样本数量要比正样本多才行，少了有问题。图片批量缩小工具下载：链接：/s/1pMAp19p密码：vpp1图片批量灰度处理：使用美图秀秀2.正样本制作，使用美图秀秀将舌头的图片全部裁剪出来（尺寸一致为：40*40的），保存到一个文件夹pos中，当然可以先用大尺寸正方形框进行裁剪，然后再用图片缩小工具进行制定尺寸缩小。最后再用美图秀秀批量灰度化。附上名字自动有序化Java代码：Stringpath="C:\\Users\\Administrator\\Desktop\\pos\\"; Filef=newFile(path); File[]files=f.listFiles(); for(Filefile:files){ i++; file.renameTo(newFile(path+i+"."+file.getName().split("\\.")[1])); }处理后得到如下所示图片：3.负样本制作：如上操作类似，不过这里不要求尺寸一样，但是负样本图片中一定不要包含待识别的区域（如这里的：舌头）如下所示：

4.生成样本资源记录文件：a.正样本资源记录文件新建pos文件夹，将正样本的灰度图拷贝进去使用JAVA代码生成正样本资源记录文件：Stringpath="E:\\tools\\python\\eclipse\\work\\pythonTest\\demo\\0202\\img\\train\\tongue\\pos\\"; Filetxtfile=newFile(path+"pos.txt"); FileOutputStreamfos=newFileOutputStream(txtfile); PrintWriterpw=newPrintWriter(fos,true); Strings=""; File[]files=newFile(path).listFiles(); for(Filefile:files){ pw.println("pos/"+file.getName()+"1004040"); }生成后删除最后一行的带有(pos.txt)的内容，让正样本资源记录文件内容如下类似所示：

(1004040)分别指代：数量

左上方的坐标位置(x,y)

右下方的坐标位置(x,y)处理好后，将pos.txt移动到上一级文件夹b.负样本资源记录文件新建neg文件夹，将负样本的灰度图拷贝进去使用JAVA代码生成负样本资源记录文件：Stringpath="E:\\tools\\python\\eclipse\\work\\pythonTest\\demo\\0202\\img\\train\\tongue\\neg\\"; Filetxtfile=newFile(path+"neg.txt"); FileOutputStreamfos=newFileOutputStream(txtfile); PrintWriterpw=newPrintWriter(fos,true); Strings=""; File[]files=newFile(path).listFiles(); for(Filefile:files){ pw.println("neg/"+file.getName()); }生成后删除最后一行的带有(neg.txt)的内容，让负样本资源记录文件内容如下类似所示：处理好后，将negtxt移动到上一级文件夹得到如图所示文件夹结构：5.使用opencv提供的opencv_createsamples.exe程序生成样本vec文件，新建批处理文件：createsamples.bat内容如下：opencv_createsamples.exe-vecpos.vec-infopos.txt-num25-w40-h40pause说明：25是正样本图片的数量

4040是正样本图片的宽高这些参数的详细解释：/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html运行后会生成pos.vec文件6.使用opencv提供的opencv_traincascade.exe程序训练分类器，新建xml文件夹，再新建批处理文件：LBP_train.bat内容如下：opencv_traincascade.exe-dataxml-vecpos.vec-bgneg.txt-numPos25-numNeg666-numStages10-w40-h40-minHitRate0.999-maxFalseAlarmRate0.2-weightTrimRate0.95-featureTypeLBPpause说明：25是正样本图片的数量

666是负样本图片的数量

numNeg是层级数

4040是训练样本的宽高.....具体参数解释请查看文档：/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html运行后会在xml文件夹生成如下文件：

其中cascade.xml是我们需要使用的分类器四.测试训练好的分类器'''Createdon2018年2月2日实时人脸检测@author:nuohy'''importcv2#加载opencv自带的人脸分类器#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=0timeF=10whileTrue:flag+=1ret,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)inrect:cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)#识别到物体后进行裁剪保存#jiequ=img[x:(x+w),y:(y+h)]#cv2.imwrite('E://tools//python//eclipse//work//pythonTest//demo//0202//img//save//'+str(flag)+'.jpg',jiequ)#saveasjpg#读取到保存图片#if(flag%timeF==0):#cv2.imwrite('E://tools//python//eclipse//work//pythonTest/