使用opencv的级联分类器训练样本获得xml数据的方法 2021.02.17

最新推荐文章于 2024-07-18 10:19:17 发布

studyandknow

最新推荐文章于 2024-07-18 10:19:17 发布

阅读量502

点赞数 1

文章标签： xml

本文链接：https://blog.csdn.net/m0_46664448/article/details/113839297

版权

本文介绍了如何使用OpenCV的opencv_createsamples.exe和opencv_traincascade.exe工具，通过收集正负样本图片，进行图像预处理，创建标签文件，调整图片大小并灰度化，最后生成描述文件和vec文件，训练级联分类器以得到XML数据集。详细步骤包括样本准备、标签文件创建、vec文件生成和分类器训练。

摘要由CSDN通过智能技术生成

大致步骤是：收集样本（正、负样本）——制作标签文件——训练样本——获得xml数据集
使用opencv（我使用的版本是opencv 3.4.12）自带的build\x64\vc15\bin里面的opencv_createsamples.exe和opencv_traincascade.exe（opencv_createsamples.exe生成vec文件，opencv_traincascade.exe训练生成xml文件）

1.在安装的opencv的bin文件夹里创建三个空白文件夹，分别是negdata、posdata、xml
2.收集正样本图片放入posdata文件夹中，正样本图片就是我们需要检测的目标图片，这个图片越多越好，对图片的要求是：1、只包含要检测的图片； 2、图片应尽量保持相同的大小（也可以不用保持相同大小）；3、如果有能力那么建议对检测的图片进行二值化处理（也可以不用处理）。以上要求都是为了提高正样本（即目标图片）训练的准确度。

收集负样本图片放入negdata文件夹中，负样本是没有包含我们需要检测的目标图片，图片越多越好，应大于等于正样本图片数，对图片的要求：1、图片内没有任何与检测目标相同的部分，2、任何图片都可以作为负样本图片，以上要求都是为了提高正样本的抗环境复杂度。参考此处链接

下面开始整理posdata文件夹和negdata文件夹：
1.分别让内部图片呈现出 1.jpg 2.jpg 此类格式。此时，可使用代码如下

# import  os
# path="D:\\opencv\\build\\x64\\vc15\\bin\\posdata"
# filelist = os.listdir(path)
# #print(filelist)
# i = 0
# for item in filelist:
#     src = os.path.join(os.path.abspath(path), item)
#     dst = os.path.join(os.path.abspath(path),str(i) + '.jpg') #重新命名并改格式

#     os.rename(src, dst)
#     print('converting %s to %s ...' % (src, dst))
#     i = i + 1



import  os
path="D:\\opencv\\build\\x64\\vc15\\bin\\negdata"
filelist = os.listdir(path)
#print(filelist)
i = 0
for item in filelist:
    src = os.path.join(os.path.abspath(path), item)
    dst = os.path.join(os.path.abspath(path),str(i) + '.jpg'