Opencv造出属于自己的xml训练器_opencv训练xml模型

一、基本步骤

1.利用python爬虫爬取（也可以手动收集）图片集，分为pos（正相关，要识别的）和neg（负相关，里面没有pos，一般是背景之类的无关图）一般1：3即可，笔主这里准备500：1500.

爬虫随便搜一个就行，忘了从哪个大佬那里copy的了（仅供参考侵删） 里面 地面 是搜索词，替换即可，倒数第三行改一下路径即可。

import time
import requests
import urllib
 
page = input("请输入要爬取多少页：")
page = int(page) + 1  # 确保其至少是一页，因为 输入值可以是 0
header = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_1_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
n = 0  # 图片的前缀 如 0.png
pn = 1  # pn是从第几张图片获取 百度图片下滑时默认一次性显示30张
for m in range(1, page):
    url = 'https://image.baidu.com/search/acjson?'
    param = {
        'tn': 'resultjson_com',
        'logid': '8846269338939606587',
        'ipn': 'rj',
        'ct': '201326592',
        'is': '',
        'fp': 'result',
        'queryWord': '地面',
        'cl': '2',
        'lm': '-1',
        'ie': 'utf-8',
        'oe': 'utf-8',
        'adpicid': '',
        'st': '-1',
        'z': '',
        'ic': '',
        'hd': '',
        'latest': '',
        'copyright': '',
        'word': '地面',
        's': '',
        'se': '',
        'tab': '',
        'width': '',
        'height': '',
        'face': '0',
        'istype': '2',
        'qc': '',
        'nc': '1',
        'fr': '',
        'expermode': '',
        'force': '',
        'cg': 'girl',
        'pn': pn,
        'rn': '30',
        'gsm': '1e',
    }
    page_info = requests.get(url=url, headers=header, params=param)
    page_info.encoding = 'utf-8'  # 确保解析的格式是utf-8的
    page_info = page_info.json()  # 转化为json格式在后面可以遍历字典获取其值
    info_list = page_info['data']  # 观察发现data中存在 需要用到的url地址
    del info_list[-1]  # 每一页的图片30张，下标是从 0 开始 29结束 ，那么请求的数据要删除第30个即 29为下标结束点
    img_path_list = []
    for i in info_list:
        img_path_list.append(i['thumbURL'])
        for index in range(len(img_path_list)):
            print(img_path_list[index])  # 所有的图片的访问地址
            time.sleep(1)
            urllib.request.urlretrieve(img_path_list[index], "D:/Awangyefu/" + str(n) + '.jpg')
        n = n + 1
 
    pn += 29

有改动的话，改名

import os
 
files = os.listdir("D:/python_work/mongfang_xml/pos/")#原来文件夹的路径
i = 0
 
for file in files:
    original = "D:/python_work/mongfang_xml/pos/" + os.sep + files[i]
    #修改后放置图片的路径 F:/ns，也可将 img_ 换成其他标注
    new = "D:/python_work/mongfang_xml/pos1/" + os.sep  + str(i + 1) + ".jpg"
    os.rename(original, new)
    i += 1

灰度处理

#处理正样本
import cv2
path = "C:/pos/"          #pos文件所在地址
for i in range(1, 27):    #pos文件中图片数量
    print(path+str(i)+'.jpg')
    img = cv2.imread(path+str(i)+'.jpg', cv2.IMREAD_GRAYSCALE)
    img5050=cv2.resize(img,(50,50))        #将pos文件中图片压缩为50*50
    cv2.imshow("img", img5050)
    cv2.waitKey(20)
    cv2.imwrite('C:/pos1/'+str(i)+'.jpg', img5050)
 
#处理负样本
import cv2
path = "C:/neg/"
for i in range(1, 30):
    print(path+str(i)+'.jpg')
    img = cv2.imread(path+str(i)+'.jpg', cv2.IMREAD_GRAYSCALE)
    cv2.imwrite('C:/neg1/'+str(i)+'.jpg', img)

2.创建正负样本txt，将正样本图片压缩，和将正负样本灰度处理后，在文件夹中生成它们的路径图txt（不知道叫啥）

点击目录，输入cmd进入命令行控制器，输入

dir /b >pos.txt

3.修改正负样本txt，通过python写个程序（3，4合并）或者sublime给txt文件添加路径和正样本添加调整大小。

import os
def create_pos_n_neg():
    for file_type in ['pos']:       #运行一次之后修改pos为neg
        for img in os.listdir(file_type):
            if (file_type == 'neg'):
                line = file_type + '/' + img + '\n'
                with open('neg.txt', 'a') as f:
                    f.write(line)
            elif (file_type == 'pos'):
                line = file_type + '/' + img + ' 1 0 0 50 50\n'
                with open('pos.txt', 'a') as f:
                    f.write(line)
 
if __name__ == '__main__':
    create_pos_n_neg()

4.创建vec文件

点击根目录，输入构造

opencv_createsamples -vec pos.vec -info pos.txt -bg neg.txt -w 50 -h 50

注意：如果报错如读取不到图片pos\pos.txt，把pos.txt文件中最后一行带txt的删掉即可 

如果警告无法启动此程序，因为计算机丢失opencv_..balabala，就搜这个，添加到环境配置PATH中即可。

 5.文件夹中创建data文件夹，点击根目录，输入构造

opencv_traincascade -data data -vec pos.vec -bg neg.txt -numPos 500 -numNeg 1500 -numStages 15 -featureType LBP -w 50 -h 50 -minHitRate 0.9999 -maxFalseAlarmRate 0.5

 6.得到xml文件

python中运行即可

import cv2
def detect():
    print("识别项目")
    cascade_xpider=cv2.CascadeClassifier("./data/cascade.xml")
    cap=cv2.VideoCapture(0)
    # cv2.nameWindow("camera")
    while True:
        ret,frame=cap.read()
        # frame=cv2.resize(frame,(320,240))
        gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        xpiders=cascade_xpider.detectMultiScale(gray, 1.1, 20, cv2.CASCADE_SCALE_IMAGE, (100, 100),
                                                       (150, 150))
        for (x,y,w,h) in xpiders:
            cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
 
        cv2.imshow("camera",frame)
        if cv2.waitKey(10)& 0xFF == ord("q"):
            break
    cap.release()
    cv2.desstoryAllWindows()
 
detect()

效果