在Python中通过OpenCV自己训练分类器 进行特定物体实时识别

已于 2022-10-05 19:39:47 修改
阅读量6.6k 收藏 72
点赞数 5
文章标签： 机器学习 深度学习 python 人工智能 计算机视觉
于 2021-05-11 14:12:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46405486/article/details/116651808
版权

在Python中通过OpenCV自己训练分类器进行特定物体实时识别

0、 前言

OpenCV中提供了一些训练好的分类器供我们调用，从而实现物体识别和分类，如人脸检测、年龄和性别预测、猫脸检测、（汽车、船、猫、狗、沙发等）物体识别等。本篇文章的目的主要是介绍如何利用OpenCV自己训练分类器，实现特定物体的识别，这里以人手识别为例，对整个训练及识别测试过程进行说明，并附有程序代码。

1、 运行环境

操作系统：win10-64bit；
集成开发环境（IDE）:Visual Studio Code；
Python版本：python 3.7（在Visual Studio Code中安装的扩展模块）
OpenCV版本：opencv snippets 1.2.2（在Visual Studio Code中安装的扩展模块）

2、 训练分类器

（1） 正样本制作

①自己拍一些人手的照片，或者直接从网上找一些人手的图片，保存到一个文件夹中（我这里为了方便，直接把图片按数字顺序命名了）。
在这里插入图片描述
②将上述图片保存成灰度图，并将尺寸…
详细内容见：在Python中通过OpenCV自己训练分类器 进行特定物体实时识别详细讲解
https://download.csdn.net/download/weixin_46405486/18581036

结果：分类器训练完成之后，通过该分类器进行目标物体识别，效果如下图。效果可能还有待提高，扔存在误检、漏检的情况，但基本能检测出目标区域，通过调整检测参数和优化训练数据，可能会进一步提高检测精度，大家可以自行多尝试一下，本文主要主要对分类器的训练和测试过程进行了介绍，希望对大家有点用处，文中错误的地方也请大家批评指正，大家共同进步！
在这里插入图片描述

详细内容请参考在Python中通过OpenCV自己训练分类器 进行特定物体实时识别详细讲解
https://download.csdn.net/download/weixin_46405486/18581036
或参考https://www.syjshare.com/res/EPML3G28

老中医@
关注
  • 5
    点赞
  • 踩
  • 72
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
Python基于深度学习的人脸识别项目源码+演示视频，利用OpenCV进行人脸检测与识别
04-03
该人脸识别实例是一个基于深度学习和计算机视觉技术的应用，主要利用OpenCV和Python作为开发工具。系统采用了一系列算法和技术，其中包括以下几个关键步骤： 图像预处理：首先，对输入图像进行预处理，包括读取图片、将图片灰度转换、修改图片的尺寸、绘制矩形_圆等。这些预处理步骤有助于提高后续人脸检测的准确性和稳定性。 人脸检测：利用OpenCV中的人脸检测器，基于卷积神经网络的面部检测器，以侦测图像中可能存在的人脸区域。Haar级联分类器通过将图像区域与预先定义的特征模式进行比对来识别人脸。 特征提取：当检测到人脸区域后，系统会利用深度学习技术从这些区域中提取特征。 人脸识别：提取的人脸特征将与预先存储的人脸特征数据库进行比对和匹配。本实例中导入的haarcascade_frontalface_default.xml 是 OpenCV 中的一个经典的 Haar 级联分类器模型文件，用于人脸检测。Haar 级联分类器是一种基于 Haar 特征的目标检测方法，特别适用于检测具有特定形状的物体，如人脸等。该模型文件包含了经过训练的分类器，用于检测人脸正面
第三篇【传奇开心果短博文系列】Python的OpenCV库技术点案例示例：物体检测与识别
jackchuanqi的博客
01-25 540
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。在物体检测与识别领域，OpenCV可以用于实现包括人脸识别、目标检测、目标跟踪等功能。以下是一些常见的物体检测与识别功能，可以使用OpenCV实现：人脸检测与识别：OpenCV提供了基于Haar特征的级联分类器（Cascade Classifier），可以用于检测和识别人脸。
【Python实战】——Python+Opencv是实现车牌自动识别
jd1813346972的博客
03-04 2307
该篇文章将以实战形式演示利用Python结合Opencv实现车牌识别，全程涉及图像预处理、车牌定位、车牌分割、通过模板匹配识别结果输出。该项目对于智能交通、车辆管理等领域具有实际应用价值。通过自动识别车牌号码，可以实现车辆追踪、违章查询、停车场管理等功能，提高交通管理的效率和准确性。可用于车牌识别技术学习。
基于OpenCV已训练好的分类器进行人脸检测，并替换为目标人脸.zip
04-06
OpenCV（Open Source Computer Vision Library）是一款开源的计算机视觉库，专门为图像和视频处理任务设计，广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍： 历史与发展 起源：OpenCV于1999年由英特尔公司发起，旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由非盈利组织OpenCV.org维护，并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台：OpenCV支持多种操作系统，包括但不限于Windows、Linux、macOS、Android和iOS，确保代码能够在不同平台上无缝运行。 丰富的功能：库中包含了数千个优化过的函数，涵盖了计算机视觉领域的诸多方面，如图像处理（滤波、形态学操作、色彩空间转换等）、特征检测与描述（如SIFT、SURF、ORB等）、物体识别与检测（如Haar级联分类器、HOG、DNN等）、视频分析、相机校正、立体视觉、机器学习（SVM、KNN、决策树等）、深度学习（基于TensorFlow、PyTorch后端的模型加载与部署）等。 高效性能：OpenCV代码经过高度优化，能够利用多核CPU、GPU以及特定硬件加速（如Intel IPP、OpenCL等），实现高速图像处理和实时计算机视觉应用。 多语言支持：尽管OpenCV主要使用C++编写，但它提供了丰富的API绑定，支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言，方便不同领域的开发者使用。 开源与免费：OpenCV遵循BSD开源许可证发布，用户可以免费下载、使用、修改和分发库及其源代码，无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建，这些模块提供了不同层次的功能： Core：包含基本的数据结构（如cv::Mat用于图像存储和操作）、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc：提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui：提供图形用户界面（GUI）支持，如图像和视频的显示、用户交互（如鼠标事件处理）以及简单的窗口管理。 VideoIO：负责视频的读写操作，支持多种视频格式和捕获设备。 Objdetect：包含预训练的对象检测模型（如Haar级联分类器用于人脸检测）。 Features2D：提供特征点检测（如SIFT、ORB）与描述符计算、特征匹配与对应关系估计等功能。 Calib3d：用于相机标定、立体视觉、多视图几何等问题。 ML：包含传统机器学习算法，如支持向量机（SVM）、K近邻（KNN）、决策树等。 DNN：深度神经网络模块，支持导入和运行预训练的深度学习模型，如卷积神经网络（CNN）。
python-opencv Haar LBP级联分类器下载，训练模型
03-09
级联分类器下载，训练模型 下载直接可用
OpenCVSnippets:这个 repo 包含一些 OpenCV 代码片段
07-11
OpenCVS 片段 这个 repo 包含一些 OpenCV 代码片段。 裁剪图像 此代码片段旋转图像并在旋转图像中找到可能的最大裁剪窗口。 它是 Stack Overflow 问题中 Python 答案的转换： 和 JavaScript 版本： 。 ELA 此代码片段使用与网站相同的技术在提供的图像中执行错误级别分析。 ELA 允许根据压缩错误分析直观地查看 JPG 图像中所做的更改。
OpenCV物体检测分类
weixin_44686138的博客
05-13 3274
使用Teachable Machine快速创建自定义模型，检测分类图像，并实现了一个简单的猫狗检测项目。
（终章）[图像识别]13.OpenCV案例 自定义训练集分类器物体检测
雾狼的游戏屋
10-05 3782
正样本集为包含“识别物体”的灰度图，一般大于等于2000张，尺寸不能太大，尺寸太大会导致训练时间过长。负样本集为不含“识别物体”的任何图片，一般大于等于5000张，尺寸比正样本集稍大。一般为正样品集的3倍。在当前文件夹下新建五个文件夹，pos和neg放处理后的图片，ini_pos和ini_neg放原来的图像，xml放以后自定义生成的分类器将下载的正负样本集分别放入ini_pos和ini_neg文件夹。我百度图片上下载了船的图片到ini_pos,鱼的图片到ini_neg。
OpenCV级联分类器识别车辆实践笔记
肖永威的专栏
10-10 1785
OpenCV级联分类器识别车辆实践笔记，包括静态图片中车辆识别和视频中车辆识别。
利用python 和opencv 识别图片中的物体
airei0的博客
08-04 2530
opencv 识别图片中的物体
基于Python，使用Opencv+keras的实时手势识别系统.zip
04-05
OpenCV（Open Source Computer Vision Library）是一款开源的计算机视觉库，专门为图像和视频处理任务设计，广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍： 历史与发展 起源：OpenCV于1999年由英特尔公司发起，旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由非盈利组织OpenCV.org维护，并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台：OpenCV支持多种操作系统，包括但不限于Windows、Linux、macOS、Android和iOS，确保代码能够在不同平台上无缝运行。 丰富的功能：库中包含了数千个优化过的函数，涵盖了计算机视觉领域的诸多方面，如图像处理（滤波、形态学操作、色彩空间转换等）、特征检测与描述（如SIFT、SURF、ORB等）、物体识别与检测（如Haar级联分类器、HOG、DNN等）、视频分析、相机校正、立体视觉、机器学习（SVM、KNN、决策树等）、深度学习（基于TensorFlow、PyTorch后端的模型加载与部署）等。 高效性能：OpenCV代码经过高度优化，能够利用多核CPU、GPU以及特定硬件加速（如Intel IPP、OpenCL等），实现高速图像处理和实时计算机视觉应用。 多语言支持：尽管OpenCV主要使用C++编写，但它提供了丰富的API绑定，支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言，方便不同领域的开发者使用。 开源与免费：OpenCV遵循BSD开源许可证发布，用户可以免费下载、使用、修改和分发库及其源代码，无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建，这些模块提供了不同层次的功能： Core：包含基本的数据结构（如cv::Mat用于图像存储和操作）、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc：提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui：提供图形用户界面（GUI）支持，如图像和视频的显示、用户交互（如鼠标事件处理）以及简单的窗口管理。 VideoIO：负责视频的读写操作，支持多种视频格式和捕获设备。 Objdetect：包含预训练的对象检测模型（如Haar级联分类器用于人脸检测）。 Features2D：提供特征点检测（如SIFT、ORB）与描述符计算、特征匹配与对应关系估计等功能。 Calib3d：用于相机标定、立体视觉、多视图几何等问题。 ML：包含传统机器学习算法，如支持向量机（SVM）、K近邻（KNN）、决策树等。 DNN：深度神经网络模块，支持导入和运行预训练的深度学习模型，如卷积神经网络（CNN）。
在Python中通过OpenCV自己训练分类器进行特定物体实时识别.pdf
05-11
本篇文章的目的主要是介绍如何利用OpenCV自己训练分类器，实现特定物体的识别，这里以人手识别为例，对整个分类器训练及识别测试过程进行详细说明，并附有程序代码。
基于Python+OpenCV的车牌识别系统.zip
04-05
丰富的功能：库中包含了数千个优化过的函数，涵盖了计算机视觉领域的诸多方面，如图像处理（滤波、形态学操作、色彩空间转换等）、特征检测与描述（如SIFT、SURF、ORB等）、物体识别与检测（如Haar级联分类器、HOG...
机器学习和深度学习常见算法
计算机爱好者
04-12 1138
通过上述对比，我们可以看到不同的算法有各自的特点和适用场景。选择合适的算法需要根据具体问题的性质、数据的特点以及性能要求来决定。在实际应用中，可能需要结合多种算法或者对算法进行改进以达到最佳效果。
车轮上的智能：探索机器学习在汽车行业的应用前景
最新发布
小新的博客
04-21 2239
从设计和制造的优化，到车辆性能的提升，再到自动驾驶技术的发展，机器学习正在推动汽车行业的转型。然而，要充分发挥机器学习的潜力，还需要高质量的数据、先进的算法和强大的计算能力。共享出行服务就是一个很好的例子。通过产学研用的紧密合作，以及法规和标准的合理制定，可以克服这些挑战，推动汽车行业的健康发展。通过机器学习，汽车设计师能够利用大量的历史数据和实时反馈，优化设计流程，实现更快速、更精准的决策。：现有的法律法规可能无法完全适应机器学习技术的发展，需要新的法规框架来指导其在汽车行业的应用，并保护消费者权益。
机器学习基础入门（二）（线性回归与成本函数）
十二月的猫
04-17 793
线性回归是一种用于建立自变量与因变量之间关系的监督学习算法。成本函数则是用来量化模型预测错误的程度，并指导模型参数的优化。在机器学习领域，尤其是线性回归中，成本函数具有重要意义
条件生成对抗网络（cGAN）在AI去衣技术中的应用探索
AI开源工具分享
04-17 2141
生成器G根据随机噪声和条件变量生成去衣后的图像，而判别器D则判断生成的图像是否真实且符合指定的条件。在训练过程中，生成器和判别器通过竞争和合作的方式，共同优化一个损失函数，使得生成的图像既真实又符合给定的条件。随着深度学习技术的飞速发展，生成对抗网络（GAN）作为其中的一个重要分支，在图像生成、图像修复等领域展现出了强大的能力。AI去衣技术是指利用计算机视觉和深度学习技术，对图像中的人物进行去衣处理，生成穿着不同或没有衣物的图像。cGAN作为一种强大的图像生成模型，为AI去衣技术的实现提供了有力的支持。
20240329-1-SVM面试题
qq_24428851的博客
04-17 1012
SVM，Support Vector Machine，它是一种二分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；其还包括，这使它成为实质上的非线性分类器。其学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题。其学习算法就是求解凸二次规划的最优化算法。这里涉及了几个概念，。
在python中通过opencv自己训练分类器进行特定物体实时识别
05-11
在Python中，我们可以使用OpenCV来自己训练分类器进行特定物体实时识别。这个过程的主要步骤是： 1. 收集数据。首先需要收集一些分类对象的图像数据，并将它们转换成用于训练的格式，比如Haar或LBP特征向量。 2. ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

老中医@

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值