本專欄主要介紹若是經過OpenCv-Python進行圖像處理，經過原理理解OpenCv-Python的函數處理原型，在具體狀況中，針對不一樣的圖像進行不一樣等級的、不一樣方法的處理，以達到對圖像進行去噪、銳化等一系列的操做。同時，但願觀看本專欄的小夥伴能夠理解到OpenCv進行圖像處理的強大哦，若有轉載，請註明出處(原文連接和做者署名)，感謝各位小夥伴啦！python

上次博客，瞭解了OpenCV經過本身訓練好的模型進行人臉檢測，而且給出了圖像中、視頻中、攝像頭中的人臉檢測算法，也知道了OpenCV的訓練模型針對正臉的檢測準確率是大於百分之95的，而對於側臉的檢測是與側臉突出的臉部面積的大小，光照強度有關的，所以，該模型若是應用於人臉檢測系統只能但方面的用於正臉；既然咱們可以使用該模型，那麼該模型是怎樣進行訓練的呢？這是咱們須要弄懂的。編程

本次博客，林君學長將帶你們瞭解OpenCV神經網絡模型訓練是如何進行訓練的，以人臉口罩識別爲例bash

OpenCV圖像處理實戰四：經過OpenCV進行人臉口罩模型訓練並進行口罩檢測

網絡

[Python圖像處理十九]:Opencv圖像處理實戰四之經過OpenCV進行人臉口罩模型訓練並進行口罩檢測

1、OpenCv的下載及安裝

一、OpenCv的下載
二、OpenCv的安裝
三、查看是否具備模型訓練環境

2、人臉口罩數據集的下載及處理

一、人臉口罩數據集下載
二、數據集重命名爲連續序列
三、正負樣本數據集像素處理
四、建立正負樣本數據集路徑txt文檔
五、將正負樣本txt文檔複製到數據集同級目錄

3、口罩數據集的模型訓練

一、建立XML文件夾
二、複製訓練模型的exe文件
三、對正負樣本txt文檔進行預處理
四、生成正樣本mask.vec文件和負樣本mask1.vec文件
五、進行模型訓練

4、戴口罩檢測

一、經過以下python代碼，進行口罩模型訓練的監測

新冠疫情的影響下，人民羣衆被迫戴上口罩，相信各位小夥伴們也不例外，但在戴口罩的狀況下，咱們會遇到各類不方便的問題，例如在進出校園或者是小區的時候，須要將口罩摘下來，而後進行人臉識別，特別麻煩，本次博客，林君學長主要帶你們瞭解如何對口罩數據集進行模型訓練，而後進行戴口罩識別

模型訓練環境：Opencv-3.4.1(這裏並無使用opencv-python進行訓練)

1、OpenCv的下載及安裝

在進行OpenCv的安裝同時，你們會有幾個選擇，一個是新版本的OpenCv-4.xx，另外一種選擇即是OpenCv-3.xx，在林君學長通過各類測試以後，發現對於模型訓練的須要，選擇OpenCv-3.4.1版本的進行win下的安裝，由於該版本會具備數據集模型訓練的exe文件，所以，建議你們選擇OpenCv-3.4.1進行下載安裝！ide

一、OpenCv的下載

1）、OpenCv-3.4.1官網下載連接
https://opencv.org/opencv-3-4-1/

2）、選擇Win pack進行win10安裝包下載

3）、在彈出的頁面等待5秒，進行路徑選擇下載

函數

二、OpenCv的安裝

1）、點擊下載好的OpenCv-3.4.1.exe進行自定義安裝

2）、雙擊，自定義路徑暗轉

3）、安裝成功

工具

三、查看是否具備模型訓練環境

1）、找到opencv的安裝路徑，而後查到路徑 \opencv\build\x64\vc14\bin下是否具備下圖標記的的兩個exe文件

2）、若是具備上面兩個工具，咱們即可以進行下一步，固然，若是安裝林君學長推薦的OpenCv-3.4.1,必定會有以上兩個模型訓練exe文件的，接下來，咱們便進入下一步，口罩數據集的下載吧！

測試

2、人臉口罩數據集的下載及處理

人臉口罩數據集主要是爲了進行模型訓練，OpenCv經過神經網絡進行模型訓練，經過網絡查找而言，口罩數據集的正負比例爲1:3，及解釋爲，500張戴口罩的數據集，須要1500張不戴口罩的數據集進行模型訓練，在這裏，林君學長已經準備好了咱們須要的大體爲1:3正負樣本比例的數據集，小夥伴能夠經過以下連接進行下載。ui

一、人臉口罩數據集下載

1）、經過以下連接進行人臉口罩數據集的下載，包括600張正樣本(戴口罩)和1800多張負樣本(不帶口罩)
https://download.csdn.net/download/qq_42451251/12566250
2）、CSDN下載後的樣本以下所示，咱們解壓後將裏面的mask文件夾放在F盤或者其餘方便操做的盤下面；

提取到F盤以後以下所示：

二、數據集重命名爲連續序列

經過樣本，咱們能夠發現，數據集裏面的圖片是不連續的，，所以，咱們須要將正負樣本數據集重命名，命名爲連續增長的圖片格式，爲了後面的圖片像素調整
1）、經過以下python代碼對正負樣本進行重命名

#對數據集重命名
#coding:utf-8
import os
path = "F:\\mask\\have_mask" #你的路徑
filelist = os.listdir(path)
count=1000 #開始文件名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

正樣本重命名結果以下所示：

2）、一樣的，在上面修改路徑，爲負樣本一樣重命名

#對負樣本數據集重命名
#coding:utf-8
import os
path = "F:\\mask\\no_mask" #你的路徑
filelist = os.listdir(path)
count=10000 #開始文件名10000.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

負樣本重命名結果以下所示：

值得注意的是，當咱們設置的開始命名須要大於數據集中最後一張圖片的數據，否則會報錯，例如，數據集中最後一張爲1000.jpg，那咱們設置的count應該大於1000

當數據集重命名成功以後，咱們即可以對圖片的的像素進行處理了！看下面步驟吧！

三、正負樣本數據集像素處理

官方推薦，正樣本數據集的像素最好設置爲20x20的像素，讓訓練的模型精度更高；而負樣本數據集應該不低於50x50的樣本，這樣設置的緣由是方便OpenCv加快模型訓練，所以咱們須要對剛剛的數據集進行像素修改，具體操做以下；
1）、經過以下python代碼，修改正樣本數據集的像素爲20x20

#修改正樣本像素
import pandas as pd
import cv2
for n in range(1000,1606):#表明正數據集中開始和結束照片的數字
    path='F:\\mask\\have_mask\\'+str(n)+'.jpg'
    # 讀取圖片
    img = cv2.imread(path)
    img=cv2.resize(img,(20,20)) #修改樣本像素爲20x20
    cv2.imwrite('F:\\mask\\have_mask\\' + str(n) + '.jpg', img)
    n += 1

正樣本數據集修改後以下所示：

2）、一樣的，修改負樣本的像素爲60x60，知道大於50x50便好

#修改負樣本像素
import pandas as pd
import cv2
for n in range(10000,11790):#表明負樣本數據集中開始和結束照片的數字
    path='F:\\mask\\no_mask\\'+str(n)+'.jpg'
    # 讀取圖片
    img = cv2.imread(path)
    img=cv2.resize(img,(60,60)) #修改樣本像素爲60x60
    cv2.imwrite('F:\\mask\\no_mask\\' + str(n) + '.jpg', img)
    n += 1

負樣本數據集修改後像素以下所示：

四、建立正負樣本數據集路徑txt文檔

建立正負樣本路徑的txt文檔是爲了後面模型訓練而使用，接下來咱們便通cmd終端命令行進行路徑文檔建立吧！
1）、正樣本數據集路徑文檔建立
（1）、打開打開cmd，進入到存放正樣本的have_mask文件夾

F:
cd mask\have_mask

（2）、cmd終端輸入以下命令建立路徑文檔

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

這時候，在正樣本數據集的末尾，你就會發現已經建立一個have_mask.txt的路徑正樣本文件，文件內容以下所示：

2）、負樣本數據集路徑文檔建立
對於負樣本路徑文檔的建立，和上面方式一下以下：
（1）、進入負樣本文件夾

cd /mask/no_mask/

（2）、輸入以下命令，建立負樣本路徑txt文檔

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

負樣本路徑文檔內容以下所示：

五、將正負樣本txt文檔複製到數據集同級目錄

將上面咱們建立的路徑文檔分別複製到數據集的同級目錄，以下所示：

3、口罩數據集的模型訓練

一、建立XML文件夾

1）、建立xml文件夾，存放OpenCV訓練好的模型

二、複製訓練模型的exe文件

1）、將OpenCV安裝路徑 \opencv\build\x64\vc14\bin下的opencv_createsamples.exe可執行文件和opencv_traincascade.exe可執行文件及另外兩個下圖文件複製到數據集同級目錄，以下所示：

三、對正負樣本txt文檔進行預處理

1）、因爲正負樣本須要生成 .vec格式的文檔進行模型訓練，所以，咱們須要經過對txt文檔進行預處理，向have_mask.txt文件沒行中加入 1 0 0 20 20，經過以下代碼添加：

#正樣本文件預處理 沒行目錄結尾加入 1 0 0 20 20 
#coding:utf-8
import os
#Houzui="_Apple"
Houzui=r" 1 0 0 20 20" #後綴
filelist = open('F:\\mask\\have_mask.txt','r+',encoding = 'utf-8')
line = filelist.readlines()
for file in line:
    file=file.strip('\n')+Houzui+'\n'
    print(file)
    filelist.write(file)

2）、該代碼因爲不會覆蓋之間的文件，只能添加到文件末尾，因此添加以後須要打開該文件將以前的刪除而後保存便可，若是小夥伴可以改進以上代碼就更好哦，改正以後但願可以給學長說啦！

這裏1表示當前圖片重複出現的次數是1， 0 0 20 20表示目標圖片大小是矩形框從（0，0）到（20，20）。
3）、再次將have_mask目錄下的have_mask.txt複製出來，命名爲have_mask1.txt，後面訓練會須要，以下所示：

該內容是沒有預處理的哦，只有路徑內容：

4）、對負樣本一樣執行以上操做

#負樣本文件預處理 沒行目錄結尾加入 1 0 0 60 60
#coding:utf-8
import os
#Houzui="_Apple"
Houzui=r" 1 0 0 60 60" #後綴
filelist = open('F:\\mask\\no_mask.txt','r+',encoding = 'utf-8')
line = filelist.readlines()
for file in line:
    file=file.strip('\n')+Houzui+'\n'
    print(file)
    filelist.write(file)

（1）、再次將no_mask目錄下的no_mask.txt複製出來，命名爲no_mask1.txt，後面訓練會須要，以下所示：

四、生成正樣本mask.vec文件和負樣本mask1.vec文件

1）、在剛剛的cmd終端，輸入一下命令，生成mask.vec文件

cd /mask/
opencv_createsamples.exe -vec mask.vec -info have_mask.txt -num 605 -w 20 -h 20

info，指樣本說明文件
vec，樣本描述文件的名字及路徑
num，總共幾個樣本，要注意，這裏的樣本數是指標定後的30x30的樣本數,數據集中有605張照片，所以選擇605
w -h指明想讓樣本縮放到什麼尺寸。這裏的奧妙在於你沒必要另外去處理第1步中被矩形框出的圖片的尺寸，由於這個參數幫你統一縮放！(咱們這裏準備的樣本都是20*20)

2）、運行出現以下錯誤：

這代表，數據集中可用模型只有410張，所以，咱們將上面的命令中num改成410再次執行
3）、執行成功以下所示：

opencv_createsamples.exe -vec mask.vec -info have_mask.txt -num 410 -w 20 -h 20

4）、mask.vec 文件已經建立

5）、一樣生成負樣本的mask1.vec

opencv_createsamples.exe -vec mask1.vec -info no_mask.txt -num 1688 -w 60 -h 60

五、進行模型訓練

1）、在數據集同級目錄建立一個txt文檔，寫入以下內容，寫入後保存而後關閉：

opencv_traincascade.exe -data xml -vec mask.vec -bg no_mask.txt -numPos 385 -numNeg 400 -numStages 20 -w 20 -h 20 -mode ALL

pause

numPos：只正樣本數據集張數，上面是411張，但設置應該比他小，否則會報錯，建議設置成350
numNeg：負樣本數據集張數，數據集爲1688張

2）、各個參數含義以下所示：

3）、重命名剛剛建立的txt名稱爲traincascade.bat

4）、刪除以前的have_mask.txt和no_mask,txt,而後將have_mask1.txt和no_mask1.txt該爲have_mask.txt和no_mask.txt,以下所示：

5）、雙擊traincascade.bat文件，進行人臉口罩模型訓練
（1）、出現以下圖則表示爲正在進行模型訓練

在訓練途中，程序可能會暫停，當不動的時候，在cmd終端按一下鍵盤的回車鍵就好！
（2）、該模型訓練須要花費的時間較長，因爲須要訓練20層，所以花費大量時間，到這裏，小夥伴能夠靜靜等待就好，大約須要50分鐘左右，模型便會訓練完成！
（3）、訓練結束後會在xml目錄下生成如圖文件（其中cascade.xml就是咱們訓練獲得的分類器）以下所示：

4、戴口罩檢測

一、經過以下python代碼，進行口罩模型訓練的監測

1）、python代碼以下所示：

import cv2
detector= cv2.CascadeClassifier('D:/python/python1/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
mask_detector=cv2.CascadeClassifier('F:/mask/xml/cascade.xml')
cap = cv2.VideoCapture(0)
while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray, 1.1, 3)
    for (x, y, w, h) in faces:
        #參數分別爲 圖片、左上角座標，右下角座標，顏色，厚度
        face=img[y:y+h,x:x+w]  # 裁剪座標爲[y0:y1, x0:x1]
        mask_face=mask_detector.detectMultiScale(gray, 1.1, 5)
        for (x2,y2,w2,h2) in mask_face:
            cv2.rectangle(img, (x2, y2), (x2 + w2, y2 + h2), (0, 0, 255), 2)
    cv2.imshow('mask', img)
    cv2.waitKey(3)
cap.release()
cv2.destroyAllWindows()

上面D:/python/python1/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml是opencv-python下載得時候裏面的一個xml模型，自帶的人臉識別模型文件，固然還有自帶其餘的xml文件，好比笑臉識別，貓臉識別，眼睛識別等等，在python安裝路徑下就可以找到該文件，前提你安裝了opencv-python庫哦！
2）、運行結果以下所示：
（1）、佩戴口罩識別出人臉

（2）、不佩戴口罩便不能識別出來

哈哈，通過以上屢次試驗的發現，林君學長給的數據集數目過少，識別效率實在是太低，錯誤大，所以，小夥伴在進行口罩識別的時候，請務必提高數據集中圖片的數量哦！

以上就是本次博客的所有內容，總體過程在熟悉以後便不會太複雜，相對簡單，難點是對於環境的搭建，和在cmd中操做的不熟悉，但若是熟悉Ubuntn系統的操做，便不會反感在Win上的cmd中使用命令操做；遇到問題的小夥伴記得留言評論，學長看到會爲你們進行解答的，這個學長不太冷！

天沒降大任於我，照樣苦我心智，勞我筋骨^ _ ^

陳一月的又一天編程歲月^ _ ^

《OpenCv視覺之眼》Python圖像處理十九:Opencv圖像處理實戰四之經過OpenCV進行人臉口罩模型訓練並進行口罩檢測