本专栏主要介绍若是经过OpenCv-Python进行图像处理，经过原理理解OpenCv-Python的函数处理原型，在具体状况中，针对不一样的图像进行不一样等级的、不一样方法的处理，以达到对图像进行去噪、锐化等一系列的操做。同时，但愿观看本专栏的小伙伴能够理解到OpenCv进行图像处理的强大哦，若有转载，请注明出处(原文连接和做者署名)，感谢各位小伙伴啦！python

上次博客，了解了OpenCV经过本身训练好的模型进行人脸检测，而且给出了图像中、视频中、摄像头中的人脸检测算法，也知道了OpenCV的训练模型针对正脸的检测准确率是大于百分之95的，而对于侧脸的检测是与侧脸突出的脸部面积的大小，光照强度有关的，所以，该模型若是应用于人脸检测系统只能但方面的用于正脸；既然咱们可以使用该模型，那么该模型是怎样进行训练的呢？这是咱们须要弄懂的。编程

本次博客，林君学长将带你们了解OpenCV神经网络模型训练是如何进行训练的，以人脸口罩识别为例bash

OpenCV图像处理实战四：经过OpenCV进行人脸口罩模型训练并进行口罩检测

网络

[Python图像处理十九]:Opencv图像处理实战四之经过OpenCV进行人脸口罩模型训练并进行口罩检测

1、OpenCv的下载及安装

一、OpenCv的下载
二、OpenCv的安装
三、查看是否具备模型训练环境

2、人脸口罩数据集的下载及处理

一、人脸口罩数据集下载
二、数据集重命名为连续序列
三、正负样本数据集像素处理
四、建立正负样本数据集路径txt文档
五、将正负样本txt文档复制到数据集同级目录

3、口罩数据集的模型训练

一、建立XML文件夹
二、复制训练模型的exe文件
三、对正负样本txt文档进行预处理
四、生成正样本mask.vec文件和负样本mask1.vec文件
五、进行模型训练

4、戴口罩检测

一、经过以下python代码，进行口罩模型训练的监测

新冠疫情的影响下，人民群众被迫戴上口罩，相信各位小伙伴们也不例外，但在戴口罩的状况下，咱们会遇到各类不方便的问题，例如在进出校园或者是小区的时候，须要将口罩摘下来，而后进行人脸识别，特别麻烦，本次博客，林君学长主要带你们了解如何对口罩数据集进行模型训练，而后进行戴口罩识别

模型训练环境：Opencv-3.4.1(这里并无使用opencv-python进行训练)

1、OpenCv的下载及安装

在进行OpenCv的安装同时，你们会有几个选择，一个是新版本的OpenCv-4.xx，另外一种选择即是OpenCv-3.xx，在林君学长通过各类测试以后，发现对于模型训练的须要，选择OpenCv-3.4.1版本的进行win下的安装，由于该版本会具备数据集模型训练的exe文件，所以，建议你们选择OpenCv-3.4.1进行下载安装！ide

一、OpenCv的下载

1）、OpenCv-3.4.1官网下载连接
https://opencv.org/opencv-3-4-1/

2）、选择Win pack进行win10安装包下载

3）、在弹出的页面等待5秒，进行路径选择下载

函数

二、OpenCv的安装

1）、点击下载好的OpenCv-3.4.1.exe进行自定义安装

2）、双击，自定义路径暗转

3）、安装成功

工具

三、查看是否具备模型训练环境

1）、找到opencv的安装路径，而后查到路径 \opencv\build\x64\vc14\bin下是否具备下图标记的的两个exe文件

2）、若是具备上面两个工具，咱们即可以进行下一步，固然，若是安装林君学长推荐的OpenCv-3.4.1,必定会有以上两个模型训练exe文件的，接下来，咱们便进入下一步，口罩数据集的下载吧！

测试

2、人脸口罩数据集的下载及处理

人脸口罩数据集主要是为了进行模型训练，OpenCv经过神经网络进行模型训练，经过网络查找而言，口罩数据集的正负比例为1:3，及解释为，500张戴口罩的数据集，须要1500张不戴口罩的数据集进行模型训练，在这里，林君学长已经准备好了咱们须要的大体为1:3正负样本比例的数据集，小伙伴能够经过以下连接进行下载。ui

一、人脸口罩数据集下载

1）、经过以下连接进行人脸口罩数据集的下载，包括600张正样本(戴口罩)和1800多张负样本(不带口罩)
https://download.csdn.net/download/qq_42451251/12566250
2）、CSDN下载后的样本以下所示，咱们解压后将里面的mask文件夹放在F盘或者其余方便操做的盘下面；

提取到F盘以后以下所示：

二、数据集重命名为连续序列

经过样本，咱们能够发现，数据集里面的图片是不连续的，，所以，咱们须要将正负样本数据集重命名，命名为连续增长的图片格式，为了后面的图片像素调整
1）、经过以下python代码对正负样本进行重命名

#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

正样本重命名结果以下所示：

2）、一样的，在上面修改路径，为负样本一样重命名

#对负样本数据集重命名
#coding:utf-8
import os
path = "F:\\mask\\no_mask" #你的路径
filelist = os.listdir(path)
count=10000 #开始文件名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

负样本重命名结果以下所示：

值得注意的是，当咱们设置的开始命名须要大于数据集中最后一张图片的数据，否则会报错，例如，数据集中最后一张为1000.jpg，那咱们设置的count应该大于1000

当数据集重命名成功以后，咱们即可以对图片的的像素进行处理了！看下面步骤吧！

三、正负样本数据集像素处理

官方推荐，正样本数据集的像素最好设置为20x20的像素，让训练的模型精度更高；而负样本数据集应该不低于50x50的样本，这样设置的缘由是方便OpenCv加快模型训练，所以咱们须要对刚刚的数据集进行像素修改，具体操做以下；
1）、经过以下python代码，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):#表明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

正样本数据集修改后以下所示：

2）、一样的，修改负样本的像素为60x60，知道大于50x50便好

#修改负样本像素
import pandas as pd
import cv2
for n in range(10000,11790):#表明负样本数据集中开始和结束照片的数字
    path='F:\\mask\\no_mask\\'+str(n)+'.jpg'
    # 读取图片
    img = cv2.imread(path)
    img=cv2.resize(img,(60,60)) #修改样本像素为60x60
    cv2.imwrite('F:\\mask\\no_mask\\' + str(n) + '.jpg', img)
    n += 1

负样本数据集修改后像素以下所示：

四、建立正负样本数据集路径txt文档

建立正负样本路径的txt文档是为了后面模型训练而使用，接下来咱们便通cmd终端命令行进行路径文档建立吧！
1）、正样本数据集路径文档建立
（1）、打开打开cmd，进入到存放正样本的have_mask文件夹

F:
cd mask\have_mask

（2）、cmd终端输入以下命令建立路径文档

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

这时候，在正样本数据集的末尾，你就会发现已经建立一个have_mask.txt的路径正样本文件，文件内容以下所示：

2）、负样本数据集路径文档建立
对于负样本路径文档的建立，和上面方式一下以下：
（1）、进入负样本文件夹

cd /mask/no_mask/

（2）、输入以下命令，建立负样本路径txt文档

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

负样本路径文档内容以下所示：

五、将正负样本txt文档复制到数据集同级目录

将上面咱们建立的路径文档分别复制到数据集的同级目录，以下所示：

3、口罩数据集的模型训练

一、建立XML文件夹

1）、建立xml文件夹，存放OpenCV训练好的模型

二、复制训练模型的exe文件

1）、将OpenCV安装路径 \opencv\build\x64\vc14\bin下的opencv_createsamples.exe可执行文件和opencv_traincascade.exe可执行文件及另外两个下图文件复制到数据集同级目录，以下所示：

三、对正负样本txt文档进行预处理

1）、因为正负样本须要生成 .vec格式的文档进行模型训练，所以，咱们须要经过对txt文档进行预处理，向have_mask.txt文件没行中加入 1 0 0 20 20，经过以下代码添加：

#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）、该代码因为不会覆盖之间的文件，只能添加到文件末尾，因此添加以后须要打开该文件将以前的删除而后保存便可，若是小伙伴可以改进以上代码就更好哦，改正以后但愿可以给学长说啦！

这里1表示当前图片重复出现的次数是1， 0 0 20 20表示目标图片大小是矩形框从（0，0）到（20，20）。
3）、再次将have_mask目录下的have_mask.txt复制出来，命名为have_mask1.txt，后面训练会须要，以下所示：

该内容是没有预处理的哦，只有路径内容：

4）、对负样本一样执行以上操做

#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)

（1）、再次将no_mask目录下的no_mask.txt复制出来，命名为no_mask1.txt，后面训练会须要，以下所示：

四、生成正样本mask.vec文件和负样本mask1.vec文件

1）、在刚刚的cmd终端，输入一下命令，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，指样本说明文件
vec，样本描述文件的名字及路径
num，总共几个样本，要注意，这里的样本数是指标定后的30x30的样本数,数据集中有605张照片，所以选择605
w -h指明想让样本缩放到什么尺寸。这里的奥妙在于你没必要另外去处理第1步中被矩形框出的图片的尺寸，由于这个参数帮你统一缩放！(咱们这里准备的样本都是20*20)

2）、运行出现以下错误：

这代表，数据集中可用模型只有410张，所以，咱们将上面的命令中num改成410再次执行
3）、执行成功以下所示：

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

4）、mask.vec 文件已经建立

5）、一样生成负样本的mask1.vec

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

五、进行模型训练

1）、在数据集同级目录建立一个txt文档，写入以下内容，写入后保存而后关闭：

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：只正样本数据集张数，上面是411张，但设置应该比他小，否则会报错，建议设置成350
numNeg：负样本数据集张数，数据集为1688张

2）、各个参数含义以下所示：

3）、重命名刚刚建立的txt名称为traincascade.bat

4）、删除以前的have_mask.txt和no_mask,txt,而后将have_mask1.txt和no_mask1.txt该为have_mask.txt和no_mask.txt,以下所示：

5）、双击traincascade.bat文件，进行人脸口罩模型训练
（1）、出现以下图则表示为正在进行模型训练

在训练途中，程序可能会暂停，当不动的时候，在cmd终端按一下键盘的回车键就好！
（2）、该模型训练须要花费的时间较长，因为须要训练20层，所以花费大量时间，到这里，小伙伴能够静静等待就好，大约须要50分钟左右，模型便会训练完成！
（3）、训练结束后会在xml目录下生成如图文件（其中cascade.xml就是咱们训练获得的分类器）以下所示：

4、戴口罩检测

一、经过以下python代码，进行口罩模型训练的监测

1）、python代码以下所示：

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:
        #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()

上面D:/python/python1/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml是opencv-python下载得时候里面的一个xml模型，自带的人脸识别模型文件，固然还有自带其余的xml文件，好比笑脸识别，猫脸识别，眼睛识别等等，在python安装路径下就可以找到该文件，前提你安装了opencv-python库哦！
2）、运行结果以下所示：
（1）、佩戴口罩识别出人脸

（2）、不佩戴口罩便不能识别出来

哈哈，通过以上屡次试验的发现，林君学长给的数据集数目过少，识别效率实在是太低，错误大，所以，小伙伴在进行口罩识别的时候，请务必提高数据集中图片的数量哦！

以上就是本次博客的所有内容，总体过程在熟悉以后便不会太复杂，相对简单，难点是对于环境的搭建，和在cmd中操做的不熟悉，但若是熟悉Ubuntn系统的操做，便不会反感在Win上的cmd中使用命令操做；遇到问题的小伙伴记得留言评论，学长看到会为你们进行解答的，这个学长不太冷！

天没降大任于我，照样苦我心智，劳我筋骨^ _ ^

陈一月的又一天编程岁月^ _ ^

《OpenCv视觉之眼》Python图像处理十九:Opencv图像处理实战四之经过OpenCV进行人脸口罩模型训练并进行口罩检测