iOS通过摄像头动态识别图像
前言：
目前的计算机图像识别，透过现象看本质，主要分为两大类:
- 基于规则运算的图像识别，例如颜色形状等模板匹配方法
- 基于统计的图像识别。例如机器学习ML，神经网络等人工智能方法
区别：模板匹配方法适合固定的场景或物体识别，机器学习方法适合大量具有共同特征的场景或物体识别。
对比：无论从识别率，准确度，还是适应多变场景变换来讲，机器学习ML都是优于模板匹配方法的；前提你有
大量的数据来训练分类器。如果是仅仅是识别特定场景、物体或者形状，使用模板匹配方法更简单更易于实现。目标：实现在iOS客户端，通过摄像头发现并标记目标。
实现效果图
效果图
一、方案选择
1.1、iOS客户端快速实现图像识别的两种方案:
集成Google的TensorFlow实现 集成OpenCV开源计算机库来实现
logo
- AlphaGo战胜世界围棋冠军，人工智能大火，谷歌去年开源了其用来制作AlphaGo的深度学习系统Tensorflow，而且Tensorflow支持了iOS，Android等移动端。
- OpenCV于1999年由Intel建立的，跨平台的开源计算机视觉库，主要由C和C++代码构成，有Python、Ruby、MATLAB等语言的接口，支持iOS，Android等移动设备。
- 显而易见，虽然都是开源库，都支持机器学习ML，但从推出时间，代码迭代，资料的丰富度，以及前辈已经给踩平的坑来讲，OpenCV是成熟的，应该首先选择的。
1.2、OpenCV中实现图像识别的方法对比:
-
模板匹配
- 适合固定的场景、物体或特定形状的图片识别
- eg1:某公司的Logo图标，假设图标是不变的，也适用
- eg2:适用于某个图片是另外一张大图的一部分的场景
- eg3:例如五角星形状固定，可转换为边框匹配
-
特征点检测
- 适合标记两幅图片中相同的特征点
- eg1:有相同部分的照片拼接，视频运动追踪
- eg2:例如全景图片的拼接，长图的拼接
- eg3:监控视频中的目标跟踪
-
基于机器学习ML的训练分类器用来分类的方法
- 此方法依赖于训练数据，给机器提供大量包含目标的正确数据和不包含目标的错误背景数据，让机器来总结提取特征，适合识别某类有多种状态的场景或物体识别
- eg1:人脸识别、人眼识别，身体识别等等
- eg2:支付宝扫福，福字有成千上万种写法
二、OpenCV集成
2.1、iOS项目集成OpenCV，主要有两种方法
- 方法1: 从OpenCV官网下载opencv2.framework框架，然后拖入即可，导入依赖的库，具体集成方法见我的另外一篇文章iOS集成OpenCV
- 方法2: CocoaPods方式集成，Pod文件中配置pod 'OpenCV'，而实验证明，用CocoaPods方式配置虽然简单，但自动配置的不正确，存在名称重复等大量的问题。
三、模板匹配法
3.1、获取视频图像
首先要做的肯定是从摄像头中获取视频帧，转为OpenCV能够用的cv::Mat矩阵，OpenCV运算是以矩阵Mat为基础的。从iPhone摄像头获取视频帧，在下方的代理方法中获取：
#pragma mark - 获取视频帧，处理视频
- (void)captureOutput:(AVCaptureOutput *)captureOutput didOutputSampleBuffer:(CMSampleBufferRef)sampleBuffer fromConnection:(AVCaptureConnection *)connection;
3.2、将视频帧转换为cv::Mat矩阵
将视频帧对象高效转换为OpenCV能够使用矩阵cv::Mat
摄像头获取的图像是偏转90度，切镜像的，通过矩阵翻转，矩阵倒置操作纠正，而且将彩色图像转换为灰度图像，加快计算速度，减少CPU占有率。
#pragma mark - 将CMSampleBufferRef转为cv::Mat
+(cv::Mat)bufferToMat:(CMSampleBufferRef) sampleBuffer{
CVImageBufferRef imgBuf = CMSampleBufferGetImageBuffer(sampleBuffer);
//锁定内存
CVPixelBufferLockBaseAddress(imgBuf, 0);
// get the address to the image data
void *imgBufAddr = CVPixelBufferGetBaseAddress(imgBuf);
// get image properties
int w = (int)CVPixelBufferGetWidth(imgBuf);
int h = (int)CVPixelBufferGetHeight(imgBuf);
// create the cv mat
cv::Mat mat(h, w, CV_8UC4, imgBufAddr, 0);
//转换为灰度图像
cv::Mat edges;
cv::cvtColor(mat, edges, CV_BGR2GRAY);
//旋转90度
cv::Mat transMat;
cv::transpose(mat, transMat);
//翻转,1是x方向，0是y方向，-1位Both
cv::Mat flipMat;
cv::flip(transMat, flipMat, 1);
CVPixelBufferUnlockBaseAddress(imgBuf, 0);
return flipMat;
}
3.3、视频帧矩阵转换为灰度矩阵
此时已经获取了摄像头图像矩阵flipMat，下一步只需将模板图像UIImage转换为cv::Mat矩阵，提供OpenCV函数对比即可，如果上一步已经将矩阵转换为灰度图像，则cv::cvtColor(tempMat, tempMat, CV_BGR2GRAY);这一行去掉即可。
//将图片转换为灰度的矩阵
-(cv::Mat)initTemplateImage:(NSString *)imgName{
UIImage *templateImage = [UIImage imageNamed:imgName];
cv::Mat tempMat;
UIImageToMat(templateImage, tempMat);
//cv::cvtColor(tempMat, tempMat, CV_BGR2GRAY);
return tempMat;
}
3.4、视频帧矩阵与模板矩阵对比
此时获取了模板UIImage的矩阵templateMat和视频帧的矩阵flipMat，只需要用OpenCV的函数对比即可。
/**
对比两个图像是否有相同区域
@return 有为Yes
*/
-(BOOL)compareInput:(cv::Mat) inputMat templateMat:(cv::Mat)tmpMat{
int result_rows = inputMat.rows - tmpMat.rows + 1;
int result_cols = inputMat.cols - tmpMat.cols + 1;
cv::Mat resultMat = cv::Mat(result_cols,result_rows,CV_32FC1);
cv::matchTemplate(inputMat, tmpMat, resultMat, cv::TM_CCOEFF_NORMED);
double minVal, maxVal;
cv::Point minLoc, maxLoc, matchLoc;
cv::minMaxLoc( resultMat, &minVal, &maxVal, &minLoc, &maxLoc, cv::Mat());
// matchLoc = maxLoc;
// NSLog(@"min==%f,max==%f",minVal,maxVal);
dispatch_async(dispatch_get_main_queue(), ^{
self.similarLevelLabel.text = [NSString stringWithFormat:@"相似度：%.2f",maxVal];
});
if (maxVal > 0.7) {
//有相似位置，返回相似位置的第一个点
currentLoc = maxLoc;
return YES;
}else{
return NO;
}
}
3.5、模板匹配法优化
此时，我们已经对比两个图像的相似度了，其中maxVal越大表示匹配度越高，1为完全匹配，一般想要匹配准确，需要大于0.7。
但此时我们发现一个问题，我们摄像头离图像太远或者太近，都无法识别，只有在特定的距离才能够识别。
这是因为模板匹配法，只是死板的拿模板图像去和摄像头读取的图像进行比较，放大缩小都不行。
我们做些优化，按照图像金字塔的方法，将模板进行动态的放大缩小，只要能够匹配，说明图像就是一样的，这样摄像头前进后退都能够识别。我们将识别出的位置和大小保存在数组中，用矩形方框来标记位置。至于怎么标记，就不细说了，方法很多。
//图像金字塔分级放大缩小匹配，最大0.8*相机图像，最小0.3*tep图像
-(NSArray *)compareByLevel:(int)level CameraInput:(cv::Mat) inputMat{
//相机输入尺寸
int inputRows = inputMat.rows;
int inputCols = inputMat.cols;
//模板的原始尺寸
int tRows = self.templateMat.rows;
int tCols = self.templateMat.cols;
NSMutableArray *marr = [NSMutableArray array];
for (int i = 0; i < level; i++) {
//取循环次数中间值
int mid = level*0.5;
//目标尺寸
cv::Size dstSize;
if (i<mid) {
//如果是前半个循环，先缩小处理
dstSize = cv::Size(tCols*(1-i*0.2),tRows*(1-i*0.2));
}else{
//然后再放大处理比较
int upCols = tCols*(1+i*0.2);
int upRows = tRows*(1+i*0.2);
//如果超限会崩，则做判断处理
if (upCols>=inputCols || upRows>=inputRows) {
upCols = tCols;
upRows = tRows;
}
dstSize = cv::Size(upCols,upRows);
}
//重置尺寸后的tmp图像
cv::Mat resizeMat;
cv::resize(self.templateMat, resizeMat, dstSize);
//然后比较是否相同
BOOL cmpBool = [self compareInput:inputMat templateMat:resizeMat];
if (cmpBool) {
NSLog(@"匹配缩放级别level==%d",i);
CGRect rectF = CGRectMake(currentLoc.x, currentLoc.y, dstSize.width, dstSize.height);
NSValue *rValue = [NSValue valueWithCGRect:rectF];
[marr addObject:rValue];
break;
}
}
return marr;
}
3.5、模板匹配法实现效果图
logo
四、机器学习ML训练分类器方法识别图像
4.1、训练分类器
机器学习方法适合批量提取大量图片的特征，训练分类器，具体训练方法在网上查找。关键点在于训练数据比较难弄，例如人脸分类器需要的正样本人脸图像几千张，负样本需要为正样本的3倍左右。我的解决思路为从摄像头录制待识别物体，从视频帧中生成PNG格式的正样本，再拍摄不包含待识别物体的背景，仍旧从视频中自动生成PNG格式的负样本。训练级联分类器方法说明
4.2、加载训练好的分类器
训练完成后会生成一个XML格式的文件，我们加载这个XML文件，就可以用其来识别物体了，这里我们使用OpenCV官方库中人眼识别库haarcascade_eye_tree_eyeglasses.xml，我们从GitHub上面下载开源库OpenCV的源代码，最新版本为3.2.0，分类器路径为/opencv-3.2.0/data目录下的文件夹中，XML格式文件就是。
加载训练好的分类器文件需要用到加载器，我们定义一个加载器属性对象
cv::CascadeClassifier icon_cascade;//分类器
加载器加载XML文件，加载成功返回YES
//加载训练文件
NSString *bundlePath = [[NSBundle mainBundle] pathForResource:@"haarcascade_eye_tree_eyeglasses.xml" ofType:nil];
cv::String fileName = [bundlePath cStringUsingEncoding:NSUTF8StringEncoding];
BOOL isSuccessLoadFile = icon_cascade.load(fileName);
isSuccessLoadXml = isSuccessLoadFile;
if (isSuccessLoadFile) {
NSLog(@"Load success.......");
}else{
NSLog(@"Load failed......");
}
4.3、使用分类器识别图像
我们是从摄像头获取图像，仍需把视频帧转换为OpenCV能够使用的cv::Mat矩阵格式，按照上面3.2相同的方法转换，假设我们已经获取了视频帧转换好的灰度图像矩阵cv::Mat imgMat，那我们用OpenCV的API接口来识别视频帧，并把识别出的位置转换为Frame存在数组中返回，我们可以随意使用这些Frame来标记识别出的位置
//获取计算出的标记的位置，保存在数组中
-(NSArray *)getTagRectInLayer:(cv::Mat) inputMat{
if (inputMat.empty()) {
return nil;
}
//图像均衡化
cv::equalizeHist(inputMat, inputMat);
//定义向量，存储识别出的位置
std::vector<cv::Rect> glassess;
//分类器识别
icon_cascade.detectMultiScale(inputMat, glassess, 1.1, 3, 0);
//转换为Frame，保存在数组中
NSMutableArray *marr = [NSMutableArray arrayWithCapacity:glassess.size()];
for (NSInteger i = 0; i < glassess.size(); i++) {
CGRect rect = CGRectMake(glassess[i].x, glassess[i].y, glassess[i].width,glassess[i].height);
NSValue *value = [NSValue valueWithCGRect:rect];
[marr addObject:value];
}
return marr.copy;
}
4.4、分类器识别图像效果图
logo
五、Demo中的图像处理
5.1、使用系统CIFilter高斯模糊视频
CIFilter高斯模糊
5.2、使用OpenCV处理视频图像
- 原图像
- 直方图均衡化
- 图像二值化
- 摄像头预览
- 灰度图
- 轮廓图
CIFilter高斯模糊
如果您觉得有所帮助，请在GitHub OpenCVDemo上赏个Star ⭐️，您的鼓励是我前进的动力
网友评论