下载人脸口罩数据集,利用opencv进行模型训练
import os
path = r"C:\Users\23608\Desktop\facemask\have_mask" #人脸口罩数据集正样本的路径
filelist = os.listdir(path) #以列表的形式读取path里面的文件
count=1000 #开始文件名1000.jpg
for file in filelist:
Olddir=os.path.join(path,file) #连接两个或更多的路径名组件
if os.path.isdir(Olddir): #返回一个列表,其中包含有指定路径下的目录和文件的名称
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
import os
path = r"C:\Users\23608\Desktop\facemask\no_mask" #人脸口罩数据集正样本的路径
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] #分离文件名与扩展名;默认返回(fname,fextension)元组
filetype=os.path.splitext(file)[1]
Newdir=os.path.join(path,str(count)+filetype) #路径拼接
os.rename(Olddir,Newdir) #重命名
count+=1
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=r'C:\Users\23608\Desktop\facemask\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(r'C:\Users\23608\Desktop\facemask\have_mask\' + str(n) + '.jpg', img)
n += 1
import pandas as pd
import cv2
for n in range(10000,11790):#代表正数据集中开始和结束照片的数字
path=r'C:\Users\23608\Desktop\facemask\no_mask'+str(n)+'.jpg'
# 读取图片
img = cv2.imread(path)
img=cv2.resize(img,(80,80)) #修改样本像素为20x20
cv2.imwrite(r'C:\Users\23608\Desktop\facemask\no_mask\' + str(n) + '.jpg', img)
n += 1
4)创建TXT正负样本数据集
在facemask目录下,输入
dir /b/s/p/w *.jpg > have_mask.txt
dir /b/s/p/w *.jpg > no_mask.txt
/b表示去除摘要信息,且顶格显示完整路径
/s表示枚举嵌套文件夹中的内容
将opencv安装路径\opencv\build\x64\vc14\bin下的opencv_createsamples.exe、opencv_createsamples.exe放在facemask目录下
import os #处理文件和目录
Houzui=r" 1 0 0 20 20" #后缀
filelist = open(r'C:\Users\23608\Desktop\facemask\have_mask','r+')
line = filelist.readlines()
for file in line:
file=file.strip('\n')+Houzui+'\n' #删除开头或是结尾的字符
print(file)
filelist.write(file)
import os
Houzui=r" 1 0 0 80 80" #后缀
filelist = open(r'C:\Users\23608\Desktop\facemask\no_mask','r+')
line = filelist.readlines()
for file in line:
file=file.strip('\n')+Houzui+'\n'
print(file)
filelist.write(file)
生成正样本havemask.vec文件:
opencv_createsamples.exe -vec havemask.vec -info have_mask.txt -num 410 -w 20 -h 20
opencv_createsamples.exe -vec nomask.vec -info no_mask.txt -num 1688 -w 80 -h 80
info:样本说明文件
vec:样本描述文件名和路径
num:样本个数,这里为410个样本
w h:样本尺寸,这里为20x20
opencv_createsamples.exe
用来生成正样本vec的,用来准备训练用的正样本数据和测试数据。他的输出为以 *.vec 为扩展名的文件,该文件以二进制方式存储图像。
import cv2
detector= cv2.CascadeClassifier(r'C:\Users\23608\Desktop\facemask\haarcascade_frontalface_default.xml')
mask_detector=cv2.CascadeClassifier(r'C:\Users\23608\Desktop\facemask\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) #调用detectMultiScale()函数检测
#scale_factor参数可以决定两个不同大小的窗口扫描之间有多大的跳跃,这个参数设置的大,则意味着计算会变快,但如果窗口错过了某个大小的人脸,则可能丢失物体。
#指示寻找人脸的最小区域。设置这个参数过大,会以丢失小物体为代价减少计算量。
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 Detector', img)
cv2.waitKey(3)
cap.release()
cv2.destroyAllWindows()