初学目标检测,用人脸识别作为练习
在wider face官网下载数据集之后,首先要将其转化为VOC格式,这里一般会用python脚本实现转化,参考网上的代码,进行修改之后终于转化成功,过程中我做了详细的注释,现在将代码贴出来,供大家参考、交流。
#生成VOC数据集
#输入库
import os,cv2,sys,shutil
from xml.dom.minidom import Document
def writexml(filename,saveimg,bboxes,xmlpath): #定义写xml文件的函数
doc = Document() #定义一个文件
annotation = doc.createElement('annotation') #定义一个结点annotation
doc.appendChild(annotation) #将根结点annotation作为doc的一个子节点
folder = doc.createElement('folder')#定义一个节点folder
folder_name = doc.createTextNode('widerface')
folder.appendChild(folder_name)
annotation.appendChild(folder) #将folder作为annotation的子节点
filenamenode = doc.createElement('filename') #定义一个节点filenamenode
filename_name = doc.createTextNode(filename)
filenamenode.appendChild(filename_name)
annotation.appendChild(filenamenode) #将filenamenode作为annotation的子节点
source = doc.createElement('source') #定义一个节点source
annotation.appendChild(source) #将source作为annotation的子节点
database = doc.createElement('database') #定义一个节点database
database.appendChild(doc.createTextNode('wider face Database'))
source.appendChild(database)
annotation_s = doc.createElement('annotation')
annotation_s.appendChild(doc.createTextNode('PASCAL VOC2007'))
source.appendChild(annotation_s)
image = doc.createElement('image')
image.appendChild(doc.createTextNode('flickr'))
source.appendChild(image)
flickrid = doc.createElement('flickrid')
flickrid.appendChild(doc.createTextNode('-1'))
source.appendChild(flickrid)
owner = doc.createElement('owner')
annotation.appendChild(owner)
flickrid_o = doc.createElement('flickrid')
flickrid_o.appendChild(doc.createTextNode('yanyu'))
owner.appendChild(flickrid_o)
name_o = doc.createElement('name')
name_o.appendChild(doc.createTextNode('yanyu'))
owner.appendChild(name_o)
size = doc.createElement('size') #定义一个子节点size
annotation.appendChild(size)
width = doc.createElement('width')
width.appendChild(doc.createTextNode(str(saveimg.shape[1])))
height = doc.createElement('height')
height.appendChild(doc.createTextNode(str(saveimg.shape[0])))
depth = doc.createElement('depth')
depth.appendChild(doc.createTextNode(str(saveimg.shape[2])))
size.appendChild(width)
size.appendChild(height)
size.appendChild(depth)
segmented = doc.createElement('segmented')
segmented.appendChild(doc.createTextNode('0'))
annotation.appendChild(segmented)
for i in range(len(bboxes)):
bbox = bboxes[i]
objects = doc.createElement('object')
annotation.appendChild(objects)
object_name = doc.createElement('name')
object_name.appendChild(doc.createTextNode('face'))
objects.appendChild(object_name)
pose = doc.createElement('pose')
pose.appendChild(doc.createTextNode('Unspecified'))
objects.appendChild(pose)
truncated = doc.createElement('truncated')
truncated.appendChild(doc.createTextNode('1'))
objects.appendChild(truncated)
difficult = doc.createElement('difficult')
difficult.appendChild(doc.createTextNode('0'))
objects.appendChild(difficult)
bndbox = doc.createElement('bndbox')
objects.appendChild(bndbox)
xmin = doc.createElement('xmin')
xmin.appendChild(doc.createTextNode(str(bbox[0])))
bndbox.appendChild(xmin)
ymin = doc.createElement('ymin')
ymin.appendChild(doc.createTextNode(str(bbox[1])))
bndbox.appendChild(ymin)
xmax = doc.createElement('xmax')
xmax.appendChild(doc.createTextNode(str(bbox[0] + bbox[2])))
bndbox.appendChild(xmax)
ymax = doc.createElement('ymax')
ymax.appendChild(doc.createTextNode(str(bbox[1] + bbox[3])))
bndbox.appendChild(ymax)
f = open(xmlpath, "w")
f.write(doc.toprettyxml(indent=''))
f.close()
rootdir = "D:/wider_face" #定义根目录
#解析真值文件的函数
def convertimgset(img_set):
#指向图像,有两个路径,可能是train也可能是val
imgdir = rootdir + "/WIDER_" + img_set + "/images"
#指向真值信息
gtfilepath = rootdir + "/wider_face_split/wider_face_" + img_set + "_bbx_gt.txt"
fwrite = open(rootdir + "/ImageSets/Main/" + img_set + ".txt", 'w') #定义一个文件对象,用来存放图片目录
#定义一个索引
index = 0
#打开真值文件
with open(gtfilepath, 'r') as gtfiles:
while(index < 1000): # 只取前1000行的数据,如果想跑全部的,可以改为true
filename = gtfiles.readline()[:-1]#读取图像路径,第一行是图片的路径
if filename == None or filename == "": #判断一下文件的路径是否存在
#############
continue #如果不存在就继续读取
imgpath = imgdir + "/" + filename #
img = cv2.imread(imgpath) #用opencv读取图片,用到后面的size里
if not img.data: #判断图片是否存在
break #如果不存在就报错
#numbbox = int(gtfiles.readline())
numbbox = max(1,int(gtfiles.readline())) #读入图片中的人脸数(第二行),这里如果使用上面那行代码就会报错
#因为会有人脸框为0的图片,会导致下面的循环出错
#改成1可以才能把人脸框的数据读进来,尽管他是0 0 0 0
bboxes = []
print(numbbox)
for i in range(numbbox):
line = gtfiles.readline() #继续读下一行,每一行就是一个人脸框
lines = line.split(" ") #按空格对信息进行分割
lines = lines[0:4] #前四个就是标注信息,取0123,分别是人脸框左上角的坐标值,和框的高宽
#将标注信息存放到bounding box中,左上角的坐标值,和宽度,高度
bbox = (int(lines[0]), int(lines[1]), int(lines[2]), int(lines[3]))
#if int(lines[2]) < 40 or int(lines[3]) < 40:
# continue
#将bounding box添加在一个集合中
bboxes.append(bbox)
#cv2.rectangle(img, (bbox[0],bbox[1]),(bbox[0]+bbox[2],bbox[1]+bbox[3]),color=(255,255,0),thickness=1)
#定义图片的名字,把/转化为_,将文件夹和文件名合并
filename = filename.replace("/", "_")
#判断是否存在标注信息
if len(bboxes) == 0: #bboxs的长度为0的话就代表没有收集到人脸
print("no face") #这时候输出no face
continue #没有人脸就不执行下面的操作了,没有人脸就不把这张图的名字写入txt,也不打印成功信息
#cv2.imshow("img", img)
#cv2.waitKey(0)
#将图片copy过去
cv2.imwrite("{}/JPEGImages/{}".format(rootdir,filename), img) #图片对应的路径,传入图片路径
fwrite.write(filename.split(".")[0] + "\n") #将当前图片的名字写入到txt文件中
xmlpath = "{}/Annotations/{}.xml".format(rootdir,filename.split(".")[0]) #定义xml的存储路径
writexml(filename, img, bboxes, xmlpath) #调用上面的函数将相应的参数传入到指定的位置
print("success number is ", index) #添加打印信息
index += 1
fwrite.close() #关闭文件对象
if __name__=="__main__": #定义一个main函数
img_sets = ["train","val"] #定义需要解析的文件的集合
for img_set in img_sets: #循环遍历这两个文件
convertimgset(img_set) #调用函数
shutil.move(rootdir + "/ImageSets/Main/" + "train.txt", rootdir + "/ImageSets/Main/" + "trainval.txt") #修改文件名
shutil.move(rootdir + "/ImageSets/Main/" + "val.txt", rootdir + "/ImageSets/Main/" + "test.txt")
运行之后可以生成相应的xml文件,txt文件和图片文件夹