1. 写在前面
今天整理OpenCV入门的第三个实战小项目,前面的两篇文章整理了信用卡数字识别以及文档OCR扫描, 大部分用到的是OpenCV里面的基础图像预处理技术,比如轮廓检测,边缘检测,形态学操作,透视变换等, 而这篇文章的项目呢,不仅需要一些基础的图像预处理,还需要搭建模型进行识别和预测,所以通过这个项目,能把图像预处理以及建模型等一整套流程拉起来,并应用到实际的应用场景,还是非常有意思的。
停车场车位实时检测任务,是拿到停车场的一段视频video,主要完成两件事情:
- 检测整个停车场当中,当前一共有多少辆车,一共有多少个空余的车位
- 把空余的停车位标识出来,这样用户停车的时候,就可以直接去空余的停车位处, 为停车节省了很多时间
所以这个项目还是非常有实践应用价值的,用了大约一天半的时间搞定这个项目,参考的是唐老师的OpenCV入门教程视频, 不过这里面对于这个任务做的相对粗糙,我在这个基础上基于我的理解进行了一些优化,主要改动如下:
- 数据处理方面,按列框出停车位之后,我对每一列框的坐标手工进行了调整,确保每个停车位不遗漏,不多余, 然后是对每个停车位的坐标位置进行了微调,尽量让其标记的准一些
- 模型方面,原视频采用迁移学习方式,基于keras对VGG网络进行的微调,而我模型这里统一基于pytorch,用的ResNet32预训练模型进行的finetune,验证集正确率能到0.94多,但第一版还是有少量预测的不是很准,所以又基于已有的帧图片做了数据增强,额外增加了一些数据,把准确率提升到0.98左右
- 项目的整体架构全部改变,算是听懂了上面的思想,然后基于自己的理解进行的重构,好处是后面可以进行各种优化,按照自己需求做数据增强,数据预处理以及训练各种高级模型等。
不过,发现小resnet就够强大的了,最终的预测效果如下:
这是视频中的某一帧图像,实际运行的时候,是读入视频,快速分开帧,每一帧做出这样的预测标记,然后实时显示。这样在每个时刻,都能动态的知道该停车场有哪些车位空了出来。
下面就对这个项目中用到的关键技术进行整理,由于这个项目稍微大一些,代码量多,不可能在这里全部展示,但想记录下对于这个项目我的思考过程,以及各种处理的动机,以及如何进行的处理,我觉得这个才是对以后有用的东西。
2. 整体流程梳理
首先,拿到这个任务之后, 得大致上梳理下流程,才能确定行动方案。 我们开始拿到了这样的一段视频,那么为了完成上面停车位检测以及识别的任务,就需要考虑两步:
- 我得先把停车场的每个停车位给提取出来
- 有了每个停车位,我训练一个模型,去预测这个停车位上有没有车就行啦,把没有车的标识出来,然后统计个数
其实宏观上就这么两大步。那么后面的问题就是怎么把每个车位提取出来,又怎么训练模型预测呢?
我这里主要分为了两大步, 数据预处理以及模型的训练及预测:
- 数据预处理方面1. 以视频中某一帧的图像为单位,进行处理2. 通过二值化,灰度化,边缘检测,特定点标定连线等,把图片中多余的部分去掉,只保留停车场内的这部分对象3. 霍夫变换的直线检测,去找图片中的直线,根据直线坐标,先按列为单位,把车位按列框起来, 然后对框手动微调4. 在每一列中,锁定每个停车位的位置,并对每个停车位进行标号,把这个保存成字典5. 有了每个停车位的位置,就能提取出对应图片,可以作为后面模型的训练以及验证的数据集,不过需要人工手动划分
- 通过上面步骤,会积累一些数据,大约800多张图片,接下来就可以训练模型,但是由于数据量太少,从头训练模型往往效果不好,所以这里采用迁移学习的方式,使用了预训练的resnet34,用这800多张图片微调。
- 训练好了模型保存,接下来,对于每一帧图像,有了停车位位置字典,就能直接提取出每一个停车位,然后对于这每个停车位,模型预测有没有车即可
所以有了这样的一个流程,就能再进一步分解细化,就可以大处着眼小处着手啦,下面整理每一步里面的关键细节。
3. 数据预处理
3.1 背景过滤
首先,把一帧图像读入进来,原始图像如下:
先通过二值化的方式过滤掉背景,突出重要信息,然后转成灰度图。
defselect_rgb_white_yellow(image):# 过滤背景
lower = np.uint8([120,120,120])
upper = np.uint8([255,255,255])# 三个通道内,低于lower和高于upper的部分分别变成0, 在lower-upper之间的值变成255, 相当于mask,过滤背景# 保留了像素值在120-255之间的像素值
white_mask = cv2.inRange(image, lower, upper)
masked_img = cv2.bitwise_and(image, image, mask=white_mask)return masked_img
masked_img = select_rgb_white_yellow(test_image)
这里看到
inRange()
,想到了之前用到的二值化的方法threshold, 我在想这俩有啥区别? 为啥这里不用这个了? 下面是我经过探索得到的几点使用经验:
cv2.threshold(src, thresh, maxval, type[, dst])
:针对的是单通道图像(灰度图), 二值化的标准,type=THRESH_BINARY: if x > thresh, x = maxval, else x = 0
, 而type=THRESH_BINARY_INV
: 和上面的标准反着,目前常用到了这俩个cv2.inRange(src, lowerb, upperb)
:可以是单通道图像,可以是三通道图像,也可以进行二值化,标准是if x >= lower and x <= upper, x = 255, else x = 0
这里做了一个实验, 事先把图片转化成灰度图
warped = cv2.cvtColor(test_image, cv2.COLOR_BGR2GRAY)
,然后下面两句代码的执行结果是一样的:
cv2.threshold(warped, 119, 255, cv2.THRESH_BINARY)[1]
cv2.inRange(warped, 120, 255)
处理之后的图片长这样:
3.2 Canny边缘检测
接下来,采用Canny边缘检测算法,检测出边缘来
low_threshold, high_threshold =50,200
edges_img = cv2.Canny(gray_img, low_threshold, high_threshold)
结果如下:
下面尝试把停车场这块提取出来, 把其余那些没用的去掉。
3.3 停车场区域提取
这里的思路就是,先用6个标定点把停车场的这几个角给他定住,这个标定点得需要自己找。 找到之后, 采用OpenCV中的填充函数,就能制作一个mask矩阵,然后就能把其余部分去掉了。
defselect_region(image):"""这里手动选择区域"""
rows, cols = image.shape[:2]# 下面定义6个标定点, 这个点的顺序必须让它化成一个区域,如果调整,可能会交叉起来,所以不要动
pt_1 =[cols*0.06, rows*0.90]# 左下
pt_2 =[cols*0.06, rows*0.70]# 左上
pt_3 =[cols*0.32, rows*0.51]# 中左
pt_4 =[cols*0.6, rows*0.1]# 中右
pt_5 =[cols*0.90, rows*0.1]# 右上
pt_6 =[cols*0.90, rows*0.90]# 右下
vertices = np.array([[pt_1, pt_2, pt_3, pt_4, pt_5, pt_6]], dtype=np.int32)
point_img = image.copy()
point_img = cv2.cvtColor(point_img, cv2.COLOR_GRAY2BGR)for point in vertices[0]:
cv2.circle(point_img,(point[0], point[1]),10,(0,0,255),4)# cv_imshow('points_img', point_img)# 定义mask矩阵, 只保留点内部的区域
mask = np.zeros_like(image)iflen(mask.shape)==2:
cv2.fillPoly(mask, vertices,255)# 点框住的地方填充为白色#cv_imshow('mask', mask)
roi_image = cv2.bitwise_and(image, mask)return roi_image
roi_image = select_region(edges_img)
处理的效果如下:
这样处理好了,我们就需要找到这里面的直线,然后通过直线去猜测大致的位置。
3.4 霍夫变换检测直线
这里采用霍夫变换检测直线, 函数是cv2.HoughLinesP, 该函数能检测直线的两个端点(x0,y0, x1, y1)。函数原型:
HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]]) -> lines
- image: 边缘检测的输出图像,这里要注意必须是边缘检测的输出图像
- rho: 参数极径r以像素值为单位的分辨率,一般1
- threa: 以弧度为单位的分辨率,一般1
- threshold: 检测一条直线所需最少的曲线交点
- minLineLength: 能形成一条直线的最小长度,太短,不认为是一条直线
- maxLineGap: 两条直线直接最大间隔,小于这个值,认为是一条直线
所以,这个函数拿来直接用。
defhough_lines(image):# 输入的图像需要是边缘检测后的结果# minLineLengh(线的最短长度,比这个短的都被忽略)和MaxLineCap(两条直线之间的最大间隔,小于此值,认为是一条直线)# rho距离精度,theta角度精度,threshod超过设定阈值才被检测出线段return cv2.HoughLinesP(image, rho=0.1, theta=np.pi/10, threshold=15, minLineLength=9, maxLineGap=4)
list_of_lines = hough_lines(roi_image)# (2338, 1, 4)
竟然检测到了2338条直线,这里面肯定有很多不能用的,所以后面处理,需要对直线先进行一波筛选。筛选原则是线不能是斜的,且水平方向不能太长或者是太短。 具体代码下面会看到,这里先展示下过滤之后的效果。
过滤完了,总共628条直线。
3.5 以列为单位,划分停车位
下面的代码会稍微复杂,所以需要分块讲思路。
首先,我们拿到了停车场的直线以及它的坐标位置。 过滤操作已经做好,接下来,就是对每条直线进行排序。 让这些线,从一列一列的,从上往下依次排列好。
defidentity_blocks(image, lines, make_copy=True):if make_copy:
new_image = image.copy()# 过滤部分直线
stayed_lines =[]for line in lines:for x1, y1, x2, y2 in line:# 这里是过滤直线,必须保证不能是斜的线,且水平方向不能太长或者太短ifabs(y2-y1)<=1andabs(x2-x1)>=25andabs(x2-x1)<=55:
stayed_lines.append((x1,y1,x2,y2))# 对直线按照x1排序, 这样能让这些线从上到下排列好, 这个排序是从第一列的第一条横线,往下走,然后是第二列第一条横线往下,...
list1 =sorted(stayed_lines, key=operator.itemgetter(0,1))
排列好之后,遍历所有线, 看看相邻两条线之间的距离,如果是一列, 那么两条线的x_1应该离得非常近,毕竟是同一列,如果这个值太大了,说明是下一列了。根据这个准则,遍历完之后,就能把这些线划分到不同的列里面。这里是用了一个字典,键表示列,值表示每一列里面的直线。
代码接上:
# 找到多个列,相当于每列是一排车
clusters = collections.defaultdict(list)
dIndex =0
clus_dist =10# 每一列之间的那个距离for i inrange(len(list1)-1):# 看看相邻两条线之间的距离,如果是一列的,那么x1这个距离应该很近,毕竟是同一列上的# 如果这个值大于10了,说明是下一列的了,此时需要移动dIndex, 这个表示的是第几列
distance =abs(list1[i+1][0]- list1[i][0])if distance <= clus_dist:
clusters[dIndex].append(list1[i])
clusters[dIndex].append(list1[i+1])else:
dIndex +=1
有了每一列里面的直线,下面就是就是遍历每一列,先拿到所有直线,然后找到纵坐标的最大值和最小值,以及横坐标的最大和最小值,但由于横坐标这里,首尾列都一排车位,中间排都是两列,不好直接取到最大最小坐标,所以这里采用了求平均的方式。 这样遍历完,针对每一列,就能得到左上角点和右下角点,这是一个矩形框。
代码接上:
# 得到每列停车位的矩形框
rects ={}
i =0for key in clusters:
all_list = clusters[key]
cleaned =list(set(all_list))# 有5个停车位至少iflen(cleaned)>5:
cleaned =sorted(cleaned, key=lambda tup: tup[1])
avg_y1 = cleaned[0][1]
avg_y2 = cleaned[-1][1]ifabs(avg_y2-avg_y1)<15:continue
avg_x1 =0
avg_x2 =0for tup in cleaned:
avg_x1 += tup[0]
avg_x2 += tup[2]
avg_x1 = avg_x1 /len(cleaned)
avg_x2 = avg_x2 /len(cleaned)
rects[i]=[avg_x1, avg_y1, avg_x2, avg_y2]
i +=1print('Num Parking Lanes: ',len(rects))
下面,把矩形框画出来:
# 把列矩形画出来
buff =7for key in rects:
tup_topLeft =(int(rects[key][0]- buff),int(rects[key][1]))
tup_botRight =(int(rects[key][2]+ buff),int(rects[key][3]))
cv2.rectangle(new_image, tup_topLeft, tup_botRight,(0,255,0),3)return new_image, rects
这里的buff,也是进行了一点微调操作。 这种是根据实际场景来的,不是死的。 效果如下:
这样就会发现,对于每一列的停车位,有了大致上的矩形框标定,但是这个非常粗糙。 原视频里面就基于这个往后面走了。 我这里对于每一列框进行微调,因为这个框非常重要。不准的话影响后面的具体车位划分。
defrect_finetune(image, rects, copy_img=True):if copy_img:
image_copy = image.copy()# 下面需要对上面的框进行坐标微调, 让框更加准确# 这个框很重要,影响后面停车位的统计,尽量不能有遗漏for k in rects:if k ==0:
rects[k][1]-=10elif k ==1:
rects[k][1]-=10
rects[k][3]-=10elif k ==2or k ==3or k ==5:
rects[k][1]-=4
rects[k][3]+=13elif k ==6or k ==8:
rects[k][1]-=18
rects[k][3]+=12elif k ==9:
rects[k][1]+=10
rects[k][3]+=10elif k ==10:
rects[k][1]+=45elif k ==11:
rects[k][3]+=45
buff =8for key in rects:
tup_topLeft =(int(rects[key][0]-buff),int(rects[key][1]))
tup_botRight =(int(rects[key][2]+buff),int(rects[key][3]))
cv2.rectangle(image_copy, tup_topLeft, tup_botRight,(0,255,0),3)return image_copy, rects
微调之后的效果如下:
原则就是不遗漏,不多余。
3.6 锁定每个停车位
这里就是针对每个矩形框, 对里面的停车位用直线切割成一个个的,每个停车位用(x1,y1,x2,y2)标识,左上角和右下角的坐标。并进行标号,最终形成一个字典,字典的键就是位置,值就是序号。当然,这里的一个细节,依然是中间排是两排,首尾是一排,这个在具体划分停车位的时候,一定要注意。
defdraw_parking(image, rects, make_copy=True, save=True):
gap =15.5
spot_dict ={}# 一个车位对应一个位置
tot_spots =0#微调
adj_x1 ={0:-8,1:-15,2:-15,3:-15,4:-15,5:-15,6:-15,7:-15,8:-10,9:-10,10:-10,11:0}
adj_x2 ={0:0,1:15,2:15,3:15,4:15,5:15,6:15,7:15,8:10,9:10,10:10,11:0}
fine_tune_y ={0:4,1:-2,2:3,3:1,4:-3,5:1,6:5,7:-3,8:0,9:5,10:4,11:0}for key in rects:
tup = rects[key]
x1 =int(tup[0]+ adj_x1[key])
x2 =int(tup[2]+ adj_x2[key])
y1 =int(tup[1])
y2 =int(tup[3])
cv2.rectangle(new_image,(x1, y1),(x2,y2),(0,255,0),2)
num_splits =int(abs(y2-y1)//gap)for i inrange(0, num_splits+1):
y =int(y1+i*gap)+ fine_tune_y[key]
cv2.line(new_image,(x1, y),(x2, y),(255,0,0),2)if key >0and key <len(rects)-1:# 竖直线
x =int((x1+x2)/2)
cv2.line(new_image,(x, y),(x, y2),(0,0,255),2)# 计算数量 除了第一列和最后一列,中间的都是两列的if key ==0or key ==len(rects)-1:
tot_spots += num_splits +1else:
tot_spots +=2*(num_splits +1)# 字典对应好if key ==0or key ==len(rects)-1:for i inrange(0, num_splits+1):
cur_len =len(spot_dict)
y =int(y1 + i * gap)+ fine_tune_y[key]
spot_dict[(x1, y, x2, y+gap)]= cur_len +1else:for i inrange(0, num_splits+1):
cur_len =len(spot_dict)
y =int(y1 + i * gap)+ fine_tune_y[key]
x =int((x1+x2)/2)
spot_dict[(x1, y, x, y+gap)]= cur_len +1
spot_dict[(x, y, x2, y+gap)]= cur_len +2return new_image, spot_dict
这里的fine_tune_y也是我后来加上去的,也是为了让每一列尽量把车位划分的准确些。
从这个效果上来看,基本上就把车位一个个的划分开了,划分开之后,会发现,这里面有些并不是车位, 但依然给框住了。这样统计个数的时候,以及后面给信息停车的时候会受到影响,所以我这里又一一排查,去掉了这些无效的车位。
# 去掉多余的停车位
invalid_spots =[10,11,33,34,37,38,61,62,93,94,95,97,98,135,137,138,187,249,250,253,254,323,324,327,328,467,468,531,532]
valid_spots_dict ={}
cur_idx =1for k, v in spot_dict.items():if v in invalid_spots:continue
valid_spots_dict[k]= cur_idx
cur_idx +=1
这样,还可以把处理好的车位信息进行可视化,再进行微调,不过,我这里由于之前的一些微调操作,感觉效果还可以,就没有做任何调整啦。
# 把每一个有效停车位标记出来
tmp_img = test_image.copy()for k, v in valid_spots_dict.items():
cv2.rectangle(tmp_img,(int(k[0]),int(k[1])),(int(k[2]),int(k[3])),(0,255,0),2)
cv_imshow('valid_pot', tmp_img)
效果如下:
如果要想让后面模型对于每个车位预测的更加准确,这里的划分一定要尽量的细致和标准。 否则如果矩形框和真实的车位对应不上,比如矩形框卡在了两个车位中间这种,这样划分出的车位拿给模型看,就很容易判断出错。
另外,最终的这个字典很重要,因为这个字典里面保存的是各个车位的位置信息。 有了这个东西,拿到一帧图片,就可以直接把每个车位标定出来,拿给模型预测。 并且对于同一停车场,这个每个车位是固定的。所以这个也不会变,视频的所有图像共用。 这样能保证实时性。
3.7 为CNN生成预测图片
有了各个车位的具体位置信息,下面直接按照这里面的左边把每个车位切割出来,就能得到后面CNN的训练和验证的数据集了。
defsave_images_for_cnn(image, spot_dict, folder_name ='../cnn_pred_data'):for spot in spot_dict.keys():(x1, y1, x2, y2)= spot
(x1, y1, x2, y2)=(int(x1),int(y1),int(x2),int(y2))# 裁剪
spot_img = image[y1:y2, x1:x2]
spot_img = cv2.resize(spot_img,(0,0), fx=2.0, fy=2.0)
spot_id = spot_dict[spot]
filename ='spot_{}.jpg'.format(str(spot_id))# print(spot_img.shape, filename, (x1,x2,y1,y2))
cv2.imwrite(os.path.join(folder_name, filename), spot_img)
save_images_for_cnn(test_image, valid_spots_dict)
这样,就把模型的训练数据集准备好。 在文件中组织成这个样子:
每个目录里面,就是划分出来的一张张小的车位图像,不过这里是人为划分到了有车还是无车里面。所以后面的模型其实做一个二分类任务,给定这样一张车位的小图像,预测下是不是空的即可。
下面开始说模型的细节。
4. 模型的训练和预测
由于目前的样本非常少,不足以训练一个大模型到收敛,所以这里采用的迁移学习技术,用的预训练模型。
模型这里和视频中不一样的是,我统一采用pytorch写的模型训练和测试代码,原因是最近正在尝试pytorch复现cv里面的各个经典网络,这个项目正好让我拿来练手。另外一个就是感觉keras搭建的灵活度不够,在数据预处理方面不如torchvision里面transforms用起来方便。 基于这两个原因, 我这里直接用pytorch,采用的resnet34预训练模型,使用这个的原因是这两天正好把resnet复现了一遍,稍微熟悉了一点罢了,正好能学以致用,没有啥偏爱。
由于这里的代码非常多,这里就不过多罗列了,简单说下逻辑即可,感兴趣的可以看具体项目。
首先是训练模型。
4.1 模型训练
这个整体逻辑倒是可以看下:
deftrain_model():# 获取dataloader
data_root = os.getcwd()
image_path = os.path.join(data_root,"train_data")
train_data_path = os.path.join(image_path,"train")
val_data_path = os.path.join(image_path,"test")
train_loader, validat_loader, train_num, val_num = get_dataloader(train_data_path, val_data_path,
data_transform_pretrain, batch_size=8)# 创建模型 注意这里没指定类的个数,默认是1000类
net = resnet34()
model_weight_path ='saved_model_weight/resnet34_pretrain_ori_low_torch_version.pth'# 使用预训练的参数,然后进行finetune
net.load_state_dict(torch.load(model_weight_path, map_location='cpu'))# 改变fc layer structure 把fc的输出维度改为2
in_channel = net.fc.in_features
net.fc = nn.Linear(in_channel,2)
net.to(device)# 模型训练配置
loss_function = nn.CrossEntropyLoss()
optimizer = optim.Adam(net.parameters(), lr=0.0001)
epochs =30
save_path ="saved_model_weight/resnet34_pretrain.pth"
best_acc =0.
train_steps =len(train_loader)
model_train(net, train_loader, validat_loader, epochs, device, optimizer, loss_function, train_steps, val_num,
save_path, best_acc)
因为我这里采用了一些函数封装,所以这个逻辑应该稍微清晰些,首先pytorch模型训练,要先把数据封装成dataloader的格式,后面模型训练的时候,是从这个类里面读取数据。关于dataloader与dataset的原理这里就不过多整理。之前我详细在pytorch基础那里整理过了。
不过这里的细节,就是data_transform_pretrain, 也就是数据预处理操作。
data_transform_pretrain ={"train": transforms.Compose([
transforms.RandomResizedCrop(224),# 对图像随机裁剪, 训练集用,验证集不用
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),# 这里的中心化处理参数需要官方给定的参数,这里是ImageNet图片的各个通道的均值和方差,不能随意指定了
transforms.Normalize((0.485,0.456,0.406),(0.229,0.224,0.225))]),"val": transforms.Compose([# 验证过程中,这里也进行了一点点改动
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize((0.485,0.456,0.406),(0.229,0.224,0.225))]),"test": transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize((0.485,0.456,0.406),(0.229,0.224,0.225))])}
这里由于是采用的官方训练好的resnet网络,我们这里中心化要参考官方给定的参数,因为它预训练是ImageNet这个大数据集上训练的,所以这里每个通道的均值和方差,我们最好别随意指定。用人家官方给出的。
有了dataloader,接下来创建模型, 这里是直接使用的resnet34, 把预训练的模型参数导入进来。导入的时候,会发现我这个参数名字的文件有个
low_torch_version
, 是因为之前导入的时候出现了报错:
xxx.pt is a zip archive(did you mean to use torch.jit.load()?)“
这个报错的原因是,官方预训练保存的模型参数使用的pytorch版本是1.6以上,PyTorch的1.6版本将torch.save切换为使用新的基于zipfile的文件格式。
torch.load
仍然保留以旧格式加载文件的功能。 如果希望
torch.save
使用旧格式,请传递
kwarg _use_new_zipfile_serialization = False
。
我电脑本子的pytorch版本是1.0,所以导入1.6以上版本保存的模型参数,就会报这样的错误。 那么,我怎么解决的呢? 那就是从我服务器上,运行了下面这个代码
model_weight_path ="saved_models/resnet34_pretrain_ori.pth"
state_dict = torch.load(model_weight_path)
torch.save(state_dict,'saved_models/resnet34_pretrain_ori_low_torch_version.pth', _use_new_zipfile_serialization=False)
我服务器上的pytorch版本是1.10的版本,是能导入这个参数的,导入完了重新保存,指定官方给定的参数即可。
这个问题解决之后,下面就说下预训练模型了, 导入参数之后,我们需要修改网络最后的一层,因为resnet本身做的是1000分类,最后一层神经元个数是1000,我们这里需要做二分类,所以需要改成2。
另外,就是迁移学习的三种方式:
- 载入权重后重新训练所有参数 – 硬件设施好
- 载入权重后只训练最后几层参数,前面的层进行冻结, 或者是前面几层的学习率降低, 后面全连接层的学习率变大,即分组调整学习率
- 载入全中后在原网络基础上再添加一层全连接层, 仅训练最后一个全连接层
我这里采用的全部训练的方式,但是这里有必要整理下,如果是想只训练后面几层,或者前面层和后面层不同学习率训练的时候,应该怎么做:
# 创建模型 注意这里没指定类的个数,默认是1000类
net = resnet34()
model_weight_path ='saved_model_weight/resnet34_pretrain_ori_low_torch_version.pth'# 使用预训练的参数,然后进行finetune
net.load_state_dict(torch.load(model_weight_path, map_location='cpu'))# 改变fc layer structure 把fc的输出维度改为2
in_channel = net.fc.in_features
net.fc = nn.Linear(in_channel,2)
net.to(device)# 模型训练配置
loss_function = nn.CrossEntropyLoss()# 训练的时候,也可以冻结掉卷积层的参数, 也可以指定不同层的参数使用不同的学习率进行训练
res_params, conv_params, fc_params =[],[],[]# named_parameters()能返回每一层的名字以及参数,是一个字典for name, param in net.named_parameters():# layer 系列是残差层if('layer'in name):
res_params.append(param)# 全连接层elif('fc'in name):
fc_params.append(param)else:
param.requires_grad =False
params =[{'params': res_params,'lr':0.0001},{'params': fc_params,'lr':0.0002},]
optimizer = optim.Adam(params)
这里修改优化器的参数即可。
这样完事之后,调用模型训练的函数,直接进行训练即可。这个脚本就是常规操作了,这里就不贴代码了。
4.2 模型预测
有了保存好的模型, 我们拿来一帧图像,根据停车位字典划分出一个个的停车位来,然后通过模型预测是不是空的,如果是空的, 在原图上进行标记出来即可。
所以下面是整个项目的核心预测:
defpredict_on_img(img, spot_dict, model, class_indict, make_copy=True, color=[0,255,0], alpha=0.5, save=True):# 这个是停车场的全景图像if make_copy:
new_image = np.copy(img)
overlay = np.copy(img)
cnt_empty, all_spots =0,0for spot in tqdm(spot_dict.keys()):
all_spots +=1(x1, y1, x2, y2)= spot
(x1, y1, x2, y2)=(int(x1),int(y1),int(x2),int(y2))
spot_img = img[y1:y2, x1:x2]
spot_img_pil = Image.fromarray(spot_img)
label = model_infer(spot_img_pil, model, class_indict)if label =='empty':
cv2.rectangle(overlay,(int(x1),int(y1)),(int(x2),int(y2)), color,-1)
cnt_empty +=1
cv2.addWeighted(overlay, alpha, new_image,1- alpha,0, new_image)# 显示结果的
cv2.putText(new_image,"Available: %d spots"% cnt_empty,(30,95),
cv2.FONT_HERSHEY_SIMPLEX,0.7,(255,255,255),2)
cv2.putText(new_image,"Total: %d spots"% all_spots,(30,125),
cv2.FONT_HERSHEY_SIMPLEX,0.7,(255,255,255),2)if save:
filename ='with_marking_predict.jpg'
cv2.imwrite(filename, new_image)# cv_imshow('new_image', new_image)return new_image
模型预测的核心,就是model_infer函数,这个也是模型预测的常规操作,这里不过多解释了。
视频的话,无非就是多帧图像,对于每一帧过一下这个函数,就能进行视频的实时预测:
defpredict_on_video(video_path, spot_dict, model, class_indict, ret=True):
cap = cv2.VideoCapture(video_path)
count =0while ret:
ret, image = cap.read()
count +=1if count ==5:
count =0
new_image = predict_on_img(image, spot_dict, model, class_indict, save=False)
cv2.imshow('frame', new_image)if cv2.waitKey(10)&0xFF==ord('q'):break
cv2.destroyAllWindows()
cap.release()
这就是整个项目啦。
5. 小结
终于看到了一个小麻雀项目了,虽然可能有些简单,但是却能把图像处理加模型训练预测,这一套机制都给利用起来,对我这样的初学者还算友好。通过这个项目,在图像预处理方面学习到了二值化中的InRange, 霍夫直线检测,定点标定技术,mask矩阵进行区域锁定,以及通过坐标进行区域提取等。在模型方面学习到了resnet,复习了pytorch迁移学习。 又认识了几个新的库glob, shutil, PIL等。所以,收获颇多,感觉cv越来越有意思了哈。
这个项目感觉实际场景中挺有意义的,开脑洞幻想下未来如果智慧交通普及了,在智能停车场的运作下, 通过摄像头实时检测停车场车位的空余状况并标定好位置,把这个信息传到无人车系统,然后无人车根据信息自动规划停车路线,直接锁定车位自动把车停好。避免了停车场的拥挤(可能现在我们停车转好几圈找不到一个停车位,还有可能堵死在里面不好出来)。并且停车场的空余情况能通过大屏幕一目了然,节省了用户找车位,停车的时间。
好吧, 只是提前开了下脑洞,至于能不能成, 未来会给我们答案 😉
本次项目代码地址https://github.com/zhongqiangwu960812/OpenCVLearning, 感兴趣的可以玩一下啦。
版权归原作者 翻滚的小@强 所有, 如有侵权,请联系我们删除。