用 CvANN_MLP 进行路牌判别

这原是智能计算课程大作业。

(有时候我真的不知道怎么措辞,应该用“分类识别”,还是“判别”,还是“断别”?不在意这些细节。我说的是区分一张图片是不是路牌,就这么简单。)

使用 ANN-MLP(神经网络–多层感知器)方法。利用 Qt4、OpenCV2 程序库,进行路牌的抠取、分类和识别。开源在 GitHub:district10/SignProcessing: 路牌提取、分类,包括源码、文档、测试数据和可执行文件。其中的 qt4cv3vs2015 分支将 OpenCV 更新到了 OpenCV3,重新梳理、整合了各个模块。

快速入门

文档贴在这里,原载 Issues · district10/SignProcessing

下载二进制

DLL 依赖

Qt 和 OpenCV 的 dll,以及 VS2015 的 runtime,点此下载 (11.2 MB),和下面的二进制执行档放到一起即可。

二进制执行档


刚才 fix 了几个错误,现在在 Ubuntu 也跑起来了

Linux .so files

.so 文件 (10.1 MB)

$ ls -alh
total 44M
drwxrwxr-x 2 tzx tzx 4.0K  8月  1 20:54 .
drwxrwxr-x 3 tzx tzx 4.0K  8月  1 21:00 ..
-rw-r--r-- 1 tzx tzx  13M  8月  1 20:53 libopencv_core.so.3.0.0
-rw-r--r-- 1 tzx tzx 2.0M  8月  1 20:53 libopencv_imgcodecs.so.3.0.0
-rw-r--r-- 1 tzx tzx  15M  8月  1 20:53 libopencv_imgproc.so.3.0.0
-rw-r--r-- 1 tzx tzx 870K  8月  1 20:53 libopencv_ml.so.3.0.0
-rw-r--r-- 1 tzx tzx 3.0M  8月  1 20:54 libQtCore.so.4
-rw-r--r-- 1 tzx tzx  11M  8月  1 20:54 libQtGui.so.4

Linux binaries

如何用已训练模型来测试图片是否是路牌

SignProcessorDemo.exe

这个 exe 有三个功能,主要是用已经训练好的模型来预测(predict)。

功能 1,判别单张图片

加载一个图片,如果判定是一个路牌,用淡蓝色显示“Sign (pos)”:

如果不是一个路牌,用红色显示“Not Sign (neg)”:

功能 2,判别文件夹下所有图片

批量判断。选择一个文件夹(这里是 dir_of_images)。

判断结果输出在文本框内,包括图片数目、每张图片的路径以及判别结果:

To Predict 38 images.


    processing D:/tzx/git/SignProcessing/data/input/dir_of_images/0002-team7 (109)-shift-sx-36-sy-16.bmp... done. assigned to [pos]
    ...
    processing D:/tzx/git/SignProcessing/data/input/dir_of_images/dir2/dir22/0001-team7 (108)-rand-cx0623-cy0398-r135.bmp... done. assigned to [neg]

所选文件夹同一目录下还会出现两个目录 posneg,分别把判别后的图片拷贝到里里面:

功能 3,判别选择的多张图片

判别为路牌的,标记“Pos”,不是路牌的,标记“Neg”。

默认用了 data/output/4.xml 来预测,你也可以点击【Load Another XML】加载别的已训练模型。


1)双击运行 SignClassifierDemo.exe

2)加载模型

点击【Load Trained】选择 XML 文件(在 data/output 文件夹)。我这里选择了 4.xml

3)选择想要测试的图片

点击【Unknown】,选择一些图片(在 data/input/tests 文件夹)。

如下图,

还没有预测的图片下面有“???”标记,它表示还未测试。

然后点击【Predict】。

有的标记变成了“Pos”(是路牌),有得标记变成了“Neg”(不是路牌),如下图:

如何从数据训练模型

1)双击运行 SignClassifierDemo.exe

2)添加正负样本

点击【Pos】,选择一些正样本。(可用 Control+A 全选)

同理,点击【Neg】,选择一些负样本。(加载可能有点慢)

3)训练

点击【Train】,训练开始。训练完成后,会提示已经训练的量。

记得点击【Save Trained】保存训练参数,下次就可以直接用【Load Trained】加载它了。

试试加载一些 Unknown,测试一下它的判断是否正确。


就是这样。

从源码编译

具体见 代码编译 · Issue #3 · district10/SignProcessing

更进一步

可以看到,看到程序能基本准确地分辨哪些是路牌,哪些不是。现在我从数据采集、处理,程序编写来把整个流程说一遍。

源数据的处理

源数据是我们在武汉街头拍摄的路牌图片。大概像这样:

因为源图片里面有车牌之类的没有打码(哪有这空啊……),就不分享了。

从源图片中提取正负样本,用的是我们组写的 Sign Cutter(路牌切割)程序(源码),

Sign Cutter

Sign Cutter

利用它可以很快速地导入源影像,并进行切片处理。【保存切片】操作会把框选区域保存成一个切片图,作为我们人工选取的正样本。同时,正样本需要转化到 24 × 24 的 RGB 图像,为保证图片不失真,还要将之存储为 BMP 格式。

正样本为人工选取的路牌

正样本为人工选取的路牌

因为正样本的数量有限,需要通过平移、旋转、镜像(镜像后再平移旋转)等方式从一张正样本产生多张类似正样本。在 SignCutter 中通过点击【生成正样本】实现。

负样本则是从图中非正样本区域,随机选取中心点和旋转角度,选取而来。正负样本选取比例我们设置为 1:7。通过点击【生成负样本】来快速地生成一系列负样本。结果就是,一张源图片,一个人工框选区域,生成了 87 张正样本,602 张负样本。最终我们生成了 8 组共 25,230 张正样本,69,894 张负样本,用于训练和检测。

你可以下载 图片索引,每一行代表一个样本,后面的 1 表示“是路牌”,0 表示“不是路牌”,大概长这样:

1/pos/0001-team7 (1)-___.bmp, 1
1/pos/0001-team7 (1)-___-r000.bmp, 1
1/pos/0001-team7 (1)-___-r030.bmp, 1
...
8/neg/0025-team7 (292)-rand-cx0469-cy2820-r108.bmp, 0
8/neg/0025-team7 (292)-rand-cx0471-cy2508-r232.bmp, 0
8/neg/0025-team7 (292)-rand-cx0473-cy2701-r358.bmp, 0

图片数据在这里下载:

正样本 87 张 & 负样本 602 张

正样本 87 张 & 负样本 602 张

为了保证得到的正样本足够好,我们不是在切片上进行这些操作,而是在源影像上,这就避免了旋转平移后图片中存在空白。这通过一个 SignLogger 模块实现(源码),它记录了切片的源图片、归一化了的中心点、归一化了的宽度和高度。

通过点击【查看切片记录】查看切片信息

通过点击【查看切片记录】查看切片信息

这就是刚才那张路牌切片的 log 信息

这就是刚才那张路牌切片的 log 信息

整个正样本和负样本如图,红框内为切片区域,绿色矩形为正样本框(较密集),蓝色为负样本框(分散在源影像中非正样本区域)。

从文件名也能看出每个切片的信息,这里是正负样本文件名的 Sample1

原图片 team7 (148).jpg 产生的正负样本

.
├── pos                            (正样本 87 张)
│   ├── 0041-team7 (148)-___.bmp                 原切片
│   ├── 0041-team7 (148)-___-r030.bmp            原切片旋转 30 度
│   ├──..............................
│   ├── 0041-team7 (148)-___-r330.bmp
│   ├── 0041-team7 (148)-L-R.bmp                 左右镜像
│   ├── 0041-team7 (148)-L-R-r030.bmp            左右镜像后,旋转 30 度
│   ├── 0041-team7 (148)-L-R-r060.bmp
│   ├── 0041-team7 (148)-L-R-r090.bmp
│   ├── .............................
│   ├── 0041-team7 (148)-L-R-r330.bmp
│   ├── 0041-team7 (148)-shift-sx000-sy003.bmp   平移左右 0%,上下 3%
│   ├── .............................
│   ├── 0041-team7 (148)-shift-sx-10-sy-10.bmp
│   ├── 0041-team7 (148)-U-D.bmp                 上下镜像
│   ├── .............................
│   └── 0041-team7 (148)-U-D-r330.bmp
├── neg                            (负样本 602 张)
│   ├── 0041-team7 (148)-rand-cx0057-cy1450-r305.bmp 随机中心点、旋转角度
│   ├── ............................................
│   └── 0041-team7 (148)-rand-cx2393-cy2979-r299.bmp
└── team7 (148)-demo.jpg           (展示了正负样本切片位置)

2 directories, 696 files

有了正负样本,就看用 OpenCV 提供的 ANN_MLP 进行基于神经网络方法的学习。这部分知识附在本文末尾。

从编码的角度,利用神经网络多层感知器分类的实际比图片预处理、正负样本的生成要简单,代码量也少很多。所以我从代码大概说一下使用方法。

首先,引入 OpenCV3 相关头文件:

#include <opencv2/core.hpp>
#include <opencv2/ml.hpp>

我封装了一个 MLP 类,提供简单的训练接口(源码)。这里是精简了的类声明:

class MLP
{
public:
    MLP();                                          // 构造函数,mlp 的初始化
    ~MLP() { }

    void loadXML( const QString &xml  );            // 加载已经训练好的模型
    void saveXML( const QString &xml  );            // 保存训练好的模型
    void loadCSV( const QString &csv );             // 加载正负样本用于训练
    void train();                                   // 训练

    // 最后,对图片进行判别:是否为路牌
    //  输入为一串图片路径
    //  输出为图片路径和一个标志,true 说明图片为路牌,false 说明不是
    QList<QPair<QString, bool> > predictImages( const QStringList &images );

private:
    cv::Ptr<cv::ml::ANN_MLP> mlp;                   // 存储了参数
};

其中在构造函数中,要实例化 mlp,还要对它进行配置:

mlp = cv::ml::ANN_MLP::create();
// 层数和每层 neuron 个数对结果有一定影响,下文对此有论述
mlp->setLayerSizes( (cv::Mat)(cv::Mat_<int>(1,5)
                                << FEATURENUM, FEATURENUM / 2, FEATURENUM / 6, FEATURENUM / 24, 1) );

// 激活函数设置为 sigmoid
mlp->setActivationFunction( cv::ml::ANN_MLP::SIGMOID_SYM, 1.0, 1.0 );

// 训练方法为反向传播
mlp->setTrainMethod( cv::ml::ANN_MLP::BACKPROP, 0.1, 0.1 );
mlp->setTermCriteria( cv::TermCriteria(
                            cv::TermCriteria::COUNT + cv::TermCriteria::EPS
                            , 5000
                            , 0.01 ) );

激活函数和反向传播的说明见本文末尾附录。反向传播一个比较好的文档见我的笔记: Principles of training multi-layer neural network using backpropagation

Layer 的层数和每层的 neuron 数目对训练结果有较大影响,这是我之前测试后画的 Excel 表格: 2

CvANN::MLP 中神经网络层数对正确率的影响,可以看到 5 层,每层 neuron 数随指数函数光滑下降的情况下正确率最高,有 0.97164,这里的正确率是用正/负样本的 3/4 训练,剩下的 1/4 来测试得到的。

CvANN::MLP 中神经网络层数对正确率的影响,可以看到 5 层,每层 neuron 数随指数函数光滑下降的情况下正确率最高,有 0.97164,这里的正确率是用正/负样本的 3/4 训练,剩下的 1/4 来测试得到的。

CvANN::MLP 中 layerSizes(即每层中 neuron 的个数)对正确率的影响,可以看到指数函数就是叼

CvANN::MLP 中 layerSizes(即每层中 neuron 的个数)对正确率的影响,可以看到指数函数就是叼

设置好了,就可以用已经准备好的正负样本训练它。我们先不考虑的是如何从 24 × 24 的 RGB 图片,生成 feature 向量(也就是这里的 Utils::img2feature 函数的实现细节)。

// pos 和 neg 是图片路径列表,分别是正负样本集合
int np = pos.length();
int nn = neg.length();

// 生成数据集,这里的 features 和 flags 就是机器学习里
// 常说的 data 和 label
float *features = new float[FEATURENUM*(np + nn)];
float *flags    = new float[np + nn];

// 用图片初始化 features,并设置好 labels
for ( int i = 0; i < np; ++i ) {
    Utils::img2feature(qPrintable(pos.at(i)), features + FEATURENUM*i);
    *(flags + i)        =       1.0f;       // 正样本为 1
}
for ( int i = 0; i < nn; ++i ) {
    Utils::img2feature(qPrintable(neg.at(i)), features + FEATURENUM*np+FEATURENUM*i);
    *(flags + np + i)   =       -1.0f;      // 负样本为 -1
}

// 存到 OpenCV 的矩阵结构 Mat 里,并生成数据集
cv::Mat featureMat( np+nn, FEATURENUM,  CV_32F, features );
cv::Mat flagMat(    np+nn, 1,           CV_32F, flags );
cv::Ptr<cv::ml::TrainData> trainSet // mat 的每一行代表一条数据
    = cv::ml::TrainData::create( featureMat, cv::ml::ROW_SAMPLE, flagMat );

// 然后就可以训练了
mlp->train( trainSet );

// 不要忘了释放内存
delete[] features;
delete[] flags;

现在就能测试,

float feature[FEATURENUM];
Utils::img2feature( "path/to/image", feature );

cv::Mat featureMat  ( 1, FEATURENUM,    CV_32F, feature );
cv::Mat result      ( 1, 1,             CV_32FC1 );

mlp->predict( featureMat, result );
float *p = result.ptr<float>(0);

这个 *p 大于 0,则图片被判定为路牌,否则不是路牌。

我们还可以将训练好的模型保存起来,方便下载加载:

// 保存
mlp->save( "path/to/save/model(xml file)" );

// 加载
mlp = cv::Algorithm::load<cv::ml::ANN_MLP>( "path/to/saved-model.xml" );

我训练了几组数据,得到的 xml 文件见 data/output 文件夹。大概长这样。

最后我们看看那个 Utils::img2feature 函数的实现(这里加上了额外的注释,做了额外的对齐):

// feature 已经分配好内存了,内存大小是 sizeof(float)*FEATURENUM
// FEATURENUM 是一个宏,定义为
//      #define FEATURENUM  ( 24*(3+3)+ 3 + 4*3 )
// 看了后面的数据处理你大概能懂这些数字每个代表什么

bool Utils::img2feature( const char *filePath, float *feature )
{
    Mat img = imread( filePath, cv::IMREAD_COLOR );
    if ( img.rows != IMGSIZE || img.cols != IMGSIZE ) {
        qDebug() << __FUNCDNAME__ << "failed, because of wrong dim," << "\tfilepath:" << filePath;
        return false;
    }

    int allCountR          =   0  , allCountG          =   0  , allCountB          =   0  ;
    int rowCountR[IMGSIZE] = { 0 }, rowCountG[IMGSIZE] = { 0 }, rowCountB[IMGSIZE] = { 0 };
    int colCountR[IMGSIZE] = { 0 }, colCountG[IMGSIZE] = { 0 }, colCountB[IMGSIZE] = { 0 };
    int tempR[4]           = { 0 }, tempG[4]           = { 0 }, tempB[4]           = { 0 };

    for( int i = 0; i < IMGSIZE; ++i ) {
        for( int j = 0; j < IMGSIZE; ++j ) {

            int b = img.at<cv::Vec3b>(i,j)[0];
            int g = img.at<cv::Vec3b>(i,j)[1];
            int r = img.at<cv::Vec3b>(i,j)[2];

            allCountR += r;     rowCountR[i] += r;     colCountR[j] += r;
            allCountG += g;     rowCountG[i] += g;     colCountG[j] += g;
            allCountB += b;     rowCountB[i] += b;     colCountB[j] += b;

            /*
             * 分成四个部分,统计各自区域内的 rgb 比例,四个区域低编号为:
             *
             *           0 | 1
             *           --+--
             *           2 | 3
            */
            int index = 2 * (i < IMGSIZE / 2 ? 0 : 1) + (j < IMGSIZE / 2 ? 0 : 1);
            tempR[index] += r;
            tempG[index] += g;
            tempB[index] += b;
        }
    }

    // 每行每列 rgb
    for ( int i=0; i < IMGSIZE; ++i ) {
        feature[i*6+0] = (float)rowCountR[i]/allCountR; // 第 i 行的红色占全图红色的比例
        feature[i*6+1] = (float)rowCountG[i]/allCountG; // 绿色
        feature[i*6+2] = (float)rowCountB[i]/allCountB; // 蓝色
        feature[i*6+3] = (float)colCountR[i]/allCountR; // 第 i 列
        feature[i*6+4] = (float)colCountG[i]/allCountG;
        feature[i*6+5] = (float)colCountB[i]/allCountB;
    }
    // rgb 三种颜色的比例
    feature[IMGSIZE*6+0] = (float)allCountR / (allCountR + allCountG +allCountB);
    feature[IMGSIZE*6+1] = (float)allCountG / (allCountR + allCountG +allCountB);
    feature[IMGSIZE*6+2] = (float)allCountB / (allCountR + allCountG +allCountB);
    // 四个区域
    for ( int i = 0; i < 4; ++i ) {
        // 区域内的 rgb 比例
        int total = tempR[i] + tempG[i] + tempB[i];
        feature[IMGSIZE*6+3 + 3*i+0] = (float)tempR[i] / total;
        feature[IMGSIZE*6+3 + 3*i+1] = (float)tempG[i] / total;
        feature[IMGSIZE*6+3 + 3*i+2] = (float)tempB[i] / total;
    }
    return true;
}

  1. 完整版可以在 http://gnat.qiniudn.com/sc/info-all.txt 下载。

  2. 顺便学习了 Excel 的 minimap 的用法哈哈。


「Load Disqus | 加载评论」