当前位置: 移动技术网 > IT编程>脚本编程>Python > 【人工智能与机器学习】创新性大作业--人脸口罩数据集的模型训练

【人工智能与机器学习】创新性大作业--人脸口罩数据集的模型训练

2020年07月12日  | 移动技术网IT编程  | 我要评论

操作系统:Win10
编程环境:Jupyter Notebook
模型训练环境:Opencv-3.4.1
Python版本:python3.7

一、OpenCv的下载及安装

1、下载

opencv官网:https://opencv.org/opencv-3-4-1/

2、选择合适的版本进行下载安装

在这里插入图片描述

3、等待读秒,进行下载

在这里插入图片描述

4、选择合适的路径进行安装

二、下载人脸口罩数据集并进行处理

1、下载人脸口罩数据集

人脸口罩数据集链接如下:https://download.csdn.net/download/qq_42451251/12566250

2、数据集重命名为连续序列

将数据集重命名为连续序列,重命名代码如下:

#对数据集重命名
#coding:utf-8
import os
path = "F:\\mask\\have_mask" #你的路径
filelist = os.listdir(path)
count=1000 #开始文件名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

正样本重命名结果如下所示:
在这里插入图片描述
同样的步骤对负样本进行重命名,而后在对正负样本数据集进行像素处理
代码如下:

#修改正样本像素
import pandas as pd
import cv2
for n in range(1000,1606):#代表正数据集中开始和结束照片的数字
    path='F:\\mask\\have_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(20,20)) #修改样本像素为20x20
    cv2.imwrite('F:\\mask\\have_mask\\' + str(n) + '.jpg', img)
    n += 1

负样本重命名结果如下所示:
在这里插入图片描述

3、正负样本数据集像素处理

修改正样本数据集的像素为20x20:

#修改正样本像素
import pandas as pd
import cv2
for n in range(1000,1606):#代表正数据集中开始和结束照片的数字
    path='F:\\mask\\have_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(20,20)) #修改样本像素为20x20
    cv2.imwrite('F:\\mask\\have_mask\\' + str(n) + '.jpg', img)
    n += 1

修改负样本的像素为60x60:

#修改正样本像素
import pandas as pd
import cv2
for n in range(1000,1606):#代表正数据集中开始和结束照片的数字
    path='F:\\mask\\have_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(20,20)) #修改样本像素为20x20
    cv2.imwrite('F:\\mask\\have_mask\\' + str(n) + '.jpg', img)
    n += 1

4、创建正负样本数据集路径txt文档

创建正负样本数据集文档:
打开打开cmd,进入到存放正样本的have_mask文件夹

F:
cd mask\have_mask

而后再cmd终端输入如下命令创建路径文档

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

进行完这一步,正样本数据集的末尾,你就会发现已经创建一个have_mask.txt的路径正样本文件

而后对负样本数据集路径文档创建
先进入负样本文件夹

cd /mask/no_mask/

输入如下命令,创建负样本路径txt文档

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

最后将正负样本txt文档复制到数据集同级目录

三、口罩数据集的模型训练

1、创建xml文件夹,存放OpenCV训练好的模型

对正负样本txt文档进行预处理
代码如下:

#正样本文件预处理 没行目录结尾加入 1 0 0 20 20 
#coding:utf-8
import os
#Houzui="_Apple"
Houzui=r" 1 0 0 20 20" #后缀
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、而后对对负样本同样执行操作

代码如下:

#负样本文件预处理 没行目录结尾加入 1 0 0 60 60
#coding:utf-8
import os
#Houzui="_Apple"
Houzui=r" 1 0 0 60 60" #后缀
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)

而后生成正样本mask.vec文件和负样本mask1.vec文件
在cmd终端,输入以下命令,生成mask.vec文件:

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

同样生成负样本的mask1.vec,代码如下:

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

3、进行模型训练

在数据集同级目录创建一个txt文档,写入如下代码:

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

打开traincascade.bat文件,进行人脸口罩模型训练,实验过程如下图:
在这里插入图片描述

4、进行戴口罩检测

检测代码如下:

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:
        #参数分别为 图片、左上角坐标,右下角坐标,颜色,厚度
        face=img[y:y+h,x:x+w]  # 裁剪坐标为[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()

而后就能完成测试了,本次实验结束。

本文地址:https://blog.csdn.net/lyr70334/article/details/107279907

如对本文有疑问, 点击进行留言回复!!

相关文章:

验证码:
移动技术网