基于Tensorflow的自定义对象识别检测模型的训练及视频实时识别（一）

开题

经历了近一周的摸索，Tensorflow这个深度学习框架，也算是有一个了结，总结一下吧！
这个流程一下子看上去涉及的东西的确是很大的，所以细分为以下步骤：

吃水不忘打井人，感谢：
https://blog.csdn.net/dy_guox/article/details/79111949

一、 Python 、Tensorflow 安装及环境配置

二、 Object Detection API配置

三、 LabelImage对训练样本标注处理

四、 标注后训练样本验证样本格式转换tfrecord

五、 训练模型选取及参数配置

六、 定位在Object Detection文件下train.py开始训练

七、 上一步训练结果固化成pb模型

八、 视频流中调用模型预测

下面的文章我也将对以上步骤从个人开发角度阐述下：

一、python 、tensorflow的安装问题此处不做说明（tensorflow我用的cpu版本、IDE：PyCharm）

二、关于 Object Detection API的配置

1、请前往官方地址下载 https://github.com/tensorflow/models
发现现在通过git和直接download下载很慢甚至下载一半就挂掉了，所以百度网盘提供目前我训练用的models文件（非最新版）获取连接如下：
链接：https://pan.baidu.com/s/14lKw1nos0quZ4P7LetOVvg
提取码：4i6d

下面操作都是在models/research下

2、在 https://github.com/google/protobuf/releases 网站中选择windows 版本（最下面），解压后将bin文件夹中的protoc.exe放到C:\Windows下或将bin加入环境变量如：D:\protoc-3.4.0-win32\bin加入path中

进入models\research\目录下 按shift + 右键 打开命令行窗口，输入：

protoc object_detection/protos/*.proto --python_out=.

对proto文件进行编译，完成后会生成对应名称的py脚本文件

3、将models\reserach 和models\research\slim 加入环境变量

4、验证环境：
在models\research下 按shift + 右键 开启命令行输入

python object_detection/builders/model_builder_test.py

等待一秒左右，若下方出现 ok 字样 不报错，说明环境配置成功

5、跑通官方示例：
在PyCharm下打开终端定位到models\research\object_detection下 输入

jupyter-notebook

将自动打开浏览器如下

点击上方标记的object_detection_tutorial.ipynb 进入可编辑脚本处理页

点击Run All 等待一会，第一次执行会从脚本链接中下载模型所以可能慢很多，若当前标签页一直处于
说明脚本仍在执行中，耐心等待沙漏消失，运行完毕后最下方可见【狗】和【滑翔伞】图片识别结果

此处便是关于模型调用的官方样例，以后关于视频流的实时监测也将在此基础上优化，这也是后话了，后面在介绍吧！

三、自定义对象处理

1、训练样品及验证样品图片标注

官方下载地址LabelImage https://github.com/tzutalin/labelImg/releases
解压放在非中文路径下，新建文件夹分别保存训练和验证图片、标注后训练和验证的xml


双击labelImage.exe

（绿色的背景刚好影响了标注框，不太明显）

1. Open Dir 选择要标记的图片源
2. Change Save Dir 选择标记后要保存xml的路径
3. 下一张、上一张、保存
4. Create RextBox 点击开始标记
5. raccoon 为标签，即要识别的物体名称(如：dog cat person car…)

注：对图片标注不仅仅是体力活，其实也是技术活，打标区域不仅需要涵盖物体可见区域，还要尽量减少无关背景在存在

2、xml标注文件转tfrecord

import os
import glob
import pandas as pd
import xml.etree.ElementTree as ET


def xml_to_csv(path):
    xml_list = []
    for xml_file in glob.glob(path + '/*.xml'):
        tree = ET.parse(xml_file)
        root = tree.getroot()
        for member in root.findall('object'):
            value = (root.find('filename').text,
                     int(root.find('size')[0].text),
                     int(root.find('size')[1].text),
                     member[0].text,
                     int(member[4][0].text),
                     int(member[4][1].text),
                     int(member[4][2].text),
                     int(member[4][3].text)
                     )
            xml_list.append(value)
    column_name = ['filename', 'width', 'height', 'class', 'xmin', 'ymin', 'xmax', 'ymax']
    xml_df = pd.DataFrame(xml_list, columns=column_name)
    return xml_df


def main():
    # xml文件的路径
    image_path = os.path.join(os.getcwd(), 'data/train_xml')
    xml_df = xml_to_csv(image_path)
    # 输出路径
    xml_df.to_csv('data/train.csv', index=None)
    print('Successfully converted annotations  xml to csv.')

    image_path = os.path.join(os.getcwd(), data/'test_xml')
    xml_df = xml_to_csv(image_path)
    # 输出路径
    xml_df.to_csv('data/text.csv', index=None)
    print('Successfully converted  textxml  xml to csv.')


main()

将上一步训练和验证csv文件转换tfrecord

from __future__ import division
from __future__ import print_function
from __future__ import absolute_import

import os
import io
import pandas as pd
import tensorflow as tf

from PIL import Image
from object_detection.utils import dataset_util
from collections import namedtuple, OrderedDict

flags = tf.app.flags
# 几个输入的参数，
# python generate_tfrecord.py --csv_input=data/train_labels.csv --output_path=test/data/train.record --image_dir=images
flags.DEFINE_string('csv_input', '', 'Path to the CSV input')
flags.DEFINE_string('output_path', '', 'Path to output TFRecord')
flags.DEFINE_string('image_dir', '', 'Path to images')
FLAGS = flags.FLAGS


# TO-DO replace this with label map
# 改成你的类别
def class_text_to_int(row_label):
    if row_label == 'cigarette':  # cigarette  raccoon
        return 1
    else:
        return 0


def split(df, group):
    data = namedtuple('data', ['filename', 'object'])
    gb = df.groupby(group)
    return [data(filename, gb.get_group(x)) for filename, x in zip(gb.groups.keys(), gb.groups)]


def create_tf_example(group, path):
    with tf.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid:
        encoded_jpg = fid.read()
    encoded_jpg_io = io.BytesIO(encoded_jpg)
    image = Image.open(encoded_jpg_io)
    width, height = image.size

    filename = group.filename.encode('utf8')
    image_format = b'jpg'
    xmins = []
    xmaxs = []
    ymins = []
    ymaxs = []
    classes_text = []
    classes = []

    for index, row in group.object.iterrows():
        xmins.append(row['xmin'] / width)
        xmaxs.append(row['xmax'] / width)
        ymins.append(row['ymin'] / height)
        ymaxs.append(row['ymax'] / height)
        classes_text.append(row['class'].encode('utf8'))
        classes.append(class_text_to_int(row['class']))

    tf_example = tf.train.Example(features=tf.train.Features(feature={
        'image/height': dataset_util.int64_feature(height),
        'image/width': dataset_util.int64_feature(width),
        'image/filename': dataset_util.bytes_feature(filename),
        'image/source_id': dataset_util.bytes_feature(filename),
        'image/encoded': dataset_util.bytes_feature(encoded_jpg),
        'image/format': dataset_util.bytes_feature(image_format),
        'image/object/bbox/xmin': dataset_util.float_list_feature(xmins),
        'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs),
        'image/object/bbox/ymin': dataset_util.float_list_feature(ymins),
        'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs),
        'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
        'image/object/class/label': dataset_util.int64_list_feature(classes),
    }))
    return tf_example


def main(_):
    writer = tf.python_io.TFRecordWriter(FLAGS.output_path)
    path = os.path.join(FLAGS.image_dir)
    examples = pd.read_csv(FLAGS.csv_input)
    grouped = split(examples, 'filename')
    for group in grouped:
        tf_example = create_tf_example(group, path)
        writer.write(tf_example.SerializeToString())

    writer.close()
    output_path = os.path.join(os.getcwd(), FLAGS.output_path)
    print('Successfully created the TFRecords: {}'.format(output_path))


if __name__ == '__main__':
    tf.app.run()

'''
cd 到generate_tfrecord.py该文件目录下
执行命令：python generate_tfrecord.py --csv_input=data/train_labels.csv --output_path=test/data/train.record --image_dir=images
解释：
python generate_tfrecord.py --csv_input=[train_labels.csv的路径] --output_path=[输出train.record的路径] --image_dir=[输入图片的路径]
最终得到：
train.record 和 test.record

注：在xml 转csv 和csv转tfrecord过程中 若出现错误，请检查
1. 图片和xml 是否一 一 对 应
2. 路径问题，最为保险的是绝对路径和双斜杠 如：D:\PyCharm\raccoon_dataset_sample\testimg
r 、t、n等开头的直接双斜杠处理省得有歧义

结语：

由于篇幅限制这篇就到这里吧，下一篇在继续吧！

基于Tensorflow的自定义对象识别检测模型的训练及视频实时识别（二）