前言

本文详细介绍怎么制作属于自己的分类器,本篇以口罩识别为例来讲解.

一、分类器制作

1.样本准备

在pycharm建立的项目根目录中建立mask文件夹

在mask文件夹下分别建立have_mask和no_mask，分别用来放正样本，即戴口罩的照片，和负样本，即不带口罩的照片，搜一搜可以下载到口罩检测训练集，我这里因为文件数量太多无法上传。

正样本未处理

负样本未处理

2.样本制作

(1)图片重命名

方便对样本进行批量处理，我们需要对样本进行重命名，运行以下即可获得以1000开头的连续图片命名的正样本。

改为负样本的路径，且把count改为10000即可获得为10000开头的连续图片命名的负样本

coding:utf-8
import os

path = r'C:\Users\Gaomagic\PycharmProjects\kouzhaodetect\mask\have_mask'  # 人脸口罩数据集正样本的路径
filelist = os.listdir(path)
count = 1000  # 开始文件名1000.jpg
for file in filelist:
    Olddir = os.path.join(path, file)
    if os.path.isdir(Olddir):
        continue
    filename = os.path.splitext(file)[0]
    filetype = os.path.splitext(file)[1]
    Newdir = os.path.join(path, str(count) + filetype)
    os.rename(Olddir, Newdir)
    count += 1

(2)修改图片像素

import pandas as pd
import cv2

for n in range(10000, 11790):  # 代表正数据集中开始和结束照片的数字
    path = r'C:\Users\Gaomagic\PycharmProjects\kouzhaodetect\mask\no_mask/' + str(n) + '.jpg'
    # 读取图片
    img = cv2.imread(path)
    img = cv2.resize(img, (80, 80))  # 修改样本像素为20x20
    cv2.imwrite(r'C:\Users\Gaomagic\PycharmProjects\kouzhaodetect\mask\no_mask/' + str(n) + '.jpg', img)
    n += 1

修改完后效果如下

正样本

负样本

 3.生成资源记录文件

按下win+r输入cmd打开命令提示符界面进入have_mask文件夹

输入以下代码即可创建路径文件

dir /b/s/p/w *.jpg > have_mask.txt

 此时在have_mask下就会产生一个have_mask.txt文件，并将其放到上一层目录

 对于no_mask进行上述重复步骤即可

最后结果如下

 之后要对正样本进行预处理，在have_mask.txt末尾加入1 0 0 20 20执行以下代码即可

coding:utf-8
Houzhui=r" 1 0 0 20 20" #后缀
filelist = open(r'C:\Users\Gaomagic\PycharmProjects\kouzhaodetect\mask\have_mask.txt','r+',encoding = 'utf-8')
line = filelist.readlines()
for file in line:
    file=file.strip('\n')+Houzhui+'\n'
    print(file)
    filelist.write(file)

最后得到的文件

 4.生成vec文件

将如下opencv包里的文件复制到项目mask文件夹下，并在当前文件夹创建xml放置训练好的模型

 按 win+R 输入 cmd 进入命令窗口， 然后进入到 mask 文件夹，然后输入如下命令：

opencv_createsamples.exe -vec havemask.vec -info have_mask.txt -num 400 -w 20 -h 20

得到havemask.vec文件  

  5.训练模型

在当前文件夹下新建text文件加入以下代码

opencv_traincascade.exe -data xml -vec havemask.vec -bg no_mask.txt -numPos 250 -numNeg 500 -numStages 20 -w 20 -h 20 -mode ALL

pause

 修改文件名称为start.bat

打开start.bat开始训练模型 

 根据训练样本数目多少来确定训练时间长短，我训练的比例为250:500，预计半小时左右时间

训练完成后在xml文件下即可看到以下文件，第一个文件即为我们训练好的分类器

二、检验分类器

 输入以下代码

import cv2

detector = cv2.CascadeClassifier(r'C:\Users\Gaomagic\PycharmProjects\kouzhaodetect\mask\xml\haarcascade_mcs_nose.xml')
mask_detector = cv2.CascadeClassifier(r'C:\Users\Gaomagic\PycharmProjects\kouzhaodetect\mask\xml\cascade.xml')
cap = cv2.VideoCapture(0)
while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    nose = detector.detectMultiScale(gray, 1.1, 3)
    if ret:
        for (x, y, w, h) in nose:
            face = img[y:y + h, x:x + w]  
            mask_face = mask_detector.detectMultiScale(gray, 1.1, 5)
            cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)
            cv2.putText(img, "no_mask", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
            for (x2, y2, w2, h2) in mask_face:
                cv2.rectangle(img, (x2, y2), (x2 + w2, y2 + h2), (0, 255, 0), 2)
                cv2.putText(img, "have_mask", (x2, y2), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
        cv2.imshow('mask', img)
        cv2.waitKey(3)

cap.release()
cv2.destroyAllWindows()

得到如下测试结果 

 训练精度不是很高，当检测到鼻子识，说明没有戴口罩。

总结

本篇以口罩识别为例，讲述了如何制作自己的分类器