原载于 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
- Release 2, 2016-07-31, 962 KB
- Release 1, 2016-07-30, 478 KB
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 pos 和 neg，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 <kbd>Control+A</kbd> 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
- 安装 VS2015 社区版
- 配置 Qt4 和 OpenCV3
- 下载源码：【qt4cv3vs2015 分支源码压缩包】
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
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][cutbmp]
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。
![posnegclick]
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][posneg]
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][cuttedoutinfo]
![这就是刚才那张路牌切片的 log 信息][posinfo]
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）。
![signcutdemo]
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 Sample^[完整版可以在 http://gnat.qiniudn.com/sc/info-all.txt 下载。]
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 个数是“精选”出来的
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：^[顺便学习了 Excel 的 minimap 的用法哈哈。]
CvANN::MLP 中神经网络层数对正确率的影响
CvANN::MLP 中 layerSizes（即每层中 neuron 的个数）对正确率的影响
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;
}
}
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);
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;
}
网友评论