热线电话:13121318867

登录
首页大数据时代OpenCV入门及应用案例:手把手教你做DNN图像分类
OpenCV入门及应用案例:手把手教你做DNN图像分类
2020-07-09
收藏

作者:吴至文 郭叶军 宗炜 李鹏 赵娟

来源:大数据DT(ID:hzdashuju)

内容摘编自《OpenCV深度学习应用与性能优化实践》

导读:本文将介绍OpenCV的源码结构、OpenCV深度学习应用的典型流程,以及深度学习OpenCV DNN(Deep Neural Networks,深度神经网络)模块的背景知识,让读者可以快速认识OpenCV,消除神秘感,同时对计算机视觉从传统算法到深度学习算法的演进历史有所了解。

OpenCV是一个计算机视觉开源库,提供了处理图像和视频的能力。OpenCV的影响力非常大,有超过47 000的社区用户,以及超过1400万次的下载量。其应用领域横跨图像处理、交互式艺术、视频监督、地图拼接和高级机器人等。作为一个有十几年历史的开源项目,OpenCV拥有广大的用户群体和开发者群体。

在数字的世界中,一幅图像由多个点(像素)组成。图像处理就是对其中一个像素或者一个区域内的像素(块)进行处理。无论是初学者还是富有经验的研发人员,他们都需要借助软件工具来分析这些像素和图像块,OpenCV则是其中最常用、最重要的一个软件工具。

OpenCV成为最主要的图像处理工具包,是因为它功能齐全,支持目前主流的图像、视频处理算法,而且对外提供C++、Python和Java的接口,用户调用方便。本书的代码分析、示例程序及环境搭建基于OpenCV 4.1版本,源代码位于GitHub的OpenCV仓库。

01 OpenCV

OpenCV由各种不同组件组成。OpenCV源代码主要由OpenCV core(核心库)、opencv_contrib和opencv_extra等子仓库组成。近些年,OpenCV的主仓库增加了深度学习相关的子仓库:OpenVINO(即DLDT, Deep Learning Deployment Toolkit)、open_model_zoo,以及标注工具CVAT等。

下面分别介绍3个主要的代码库:OpenCV core、opencv_contrib、opencv_extra。

1. 核心库OpenCV core

核心库是OpenCV的主要算法来源。OpenCV采用模块化结构设计,包含了多个共享或者静态库。目前OpenCV核心库提供了很多组件,如下所示。

核心功能模块:这是一个小巧而高效的模块,定义了基础的数据结构,包含紧密多尺度向量矩阵和一些供其他模块使用的基础函数

图像处理模块:它包括了线性和非线性的图像滤波、几何图像变换(图像缩放、仿射变换、透视矫正、通用的基于表格的像素映射)、色域变换及直方图生成与分析等

视频:这是一个视频分析模块,包含运动检测、背景减除和对象追踪等算法

calib3d:包含基础的多视角几何算法、单个和立体相机标定算法、对象姿势预测算法、立体一致性算法,以及3D元素重建

Features2d:图像显著特征检测、特征点描述和匹配

Objdetect:对象检测和预先定义的类别检测(如脸、眼、杯子、人、车等)

Highgui:提供了比较容易使用的UI接口

Video I/O:提供了基本的视频存取访问和编解码功能

GPU:为不同的OpenCV算法模块提供GPU加速算法

其他:如FLANN和Google测试封装层、Python绑定等

2. opencv_contrib

opencv_contrib代码库主要用于管理新功能模块的开发。该库的设计主要基于以下考虑:处于初始开发阶段的功能模块,它的API定义会经常变化,各种测试也不够全面。

为了不影响OpenCV核心模块的稳定性,这些新功能模块会发布到opencv_contrib中。等到模块足够成熟并且在社区得到了足够的关注和使用之后,这个模块便会被移到OpenCV核心库,这意味着核心库开发团队将会对该模块进行全面的测试,保证这个模块具有产品级的质量。

例如,对于DNN这个模块,OpenCV 3.1开始出现在opencv_contrib中,到了3.3版本才移到了OpenCV核心库。

opencv_contrib需要和OpenCV核心库一同编译。下载好opencv_contrib的源代码并在CMake执行时传入参数:-DOPENCV_EXTRA_MODULES_PATH=/modules。

如果编译时遇到问题,则可以在OpenCV核心库和opencv_contrib库的问题汇报页面,查看一下是否有现成的解决方案,如果没有,则读者可新建一个问题。OpenCV是一个活跃的社区,只要问题描述清晰、完整,一般会很快得到反馈。

3. opencv_extra

opencv_extra仓库存放了运行测试和示例程序时需要使用的一些测试数据和脚本。例如,运行DNN模块测试程序或者示例程序时需要用到预训练模型,这些模型可以通过opencv_extra中的脚本来自动下载。近些年添加的opencv/open_model_zoo仓库也增加了很多预训练好的深度学习模型,这些模型大多做过性能和速度上的调优。

02 OpenCV深度学习应用的典型流程

OpenCV是一个自包含库,可以不依赖于任何第三方库而运行,这个特性给开发调试带来了很大的便利。另外,OpenCV还提供了硬件加速功能,使得算法能够在各种平台高效地执行。

下面以一个识别性别和年龄的深度学习应用为例,展现OpenCV深度学习应用的典型流程。该应用使用C++语言,总共只需要百来行代码便可实现人脸检测、性别和年龄的识别功能,还可以方便地使用硬件的加速能力,提高程序的运行效率。此处展示核心流程,故以伪代码为例,完整的源代码由本书的参考代码库提供。

该应用的核心流程如下:首先读取两个网络模型参数(分别是性别和年龄),然后检测人脸,转换输入图像,最后运行网络前向预测。伪代码如下:

// 引入OpenCV DNN模块的命名空间

using namespace cv::dnn;

// 创建人脸检测器

CascadeClassifier cascade;

// 导入性别和年龄深度神经网络模型

Net gender_net=dnn::readNetFromCaffe(gender_modelTxt, gender_modelBin);

Net age_net=dnn::readNetFromCaffe(age_modelTxt, age_modelBin);

// 人脸检测

cascade.load(cascadeName);

cascade.detectMultiScale(input_gray_file, output_faces_data);

// 准备深度神经网络的输入数据

Mat inputBlob=blobFromImage(input.getMat(ACCESS_READ));

gender_net.setInput(inputBlob, "data");

age_net.setInput(inputBlob, "data");

// 执行模型的前向运算,即模型推理

Mat gender_prob=gender_net.forward("prob");

Mat age_prob=age_net.forward("prob");

应用识别效果如图1-1所示。

▲图1-1 应用识别效果图

以上伪代码很好地展示了OpenCV深度学习应用的典型流程,如图1-2所示。

▲图1-2 OpenCV深度学习应用的典型流程

03 OpenCV深度学习模块

深度学习模块是OpenCV为支持基于深度学习计算机视觉应用所加入的新特性。OpenCV DNN模块于OpenCV 3.1版本开始出现在opencv_contrib库中,从3.3版本开始被纳入OpenCV核心库。

本节主要讲解OpenCV深度学习模块的实现原理和主要特性,通过这些内容,读者可以对OpenCV DNN有一个总体了解,并对OpenCV深度学习模块的应用代码有一个初步的印象。

作为计算机视觉领域的“标准库”,OpenCV为用户提供深度学习的支持是题中应有之义。OpenCV选择重新实现一个深度学习框架而不是直接调用现有的各种框架(如TensorFlow、Caffe等),有如下几点原因。

轻量:OpenCV深度学习模块只实现了模型推理功能,这使得相关代码非常精简,加速了安装和编译过程。

最少的外部依赖:重新实现一遍深度学习框架使得对外部依赖减到最小,大大方便了深度学习应用的部署。

方便集成:①如果原来的应用是基于OpenCV开发的,通过深度学习模块可以非常方便地加入对神经网络推理的支持;②如果网络模型来自多个框架,如一个来自TensorFlow,一个来自Caffe,则深度学习模块可以方便整合网络运算结果。

通用性:①提供统一的接口来操作网络模型;②内部所做的优化和加速对所有网络模型格式都适用;③支持多种设备和操作系统。

1. 主要特性

OpenCV深度学习模块只提供网络推理功能,不支持网络训练。像所有的推理框架一样,加载和运行网络模型是基本的功能。深度学习模块支持TensorFlow、Caffe、Torch、DarkNet、ONNX和OpenVINO格式的网络模型,用户无须考虑原格式的差异。在加载过程中,各种格式的模型被转换成统一的内部网络结构。

深度学习模块支持所有的基本网络层类型和子结构,包括AbsVal、AveragePooling、BatchNormalization、Concatenation、Convolution (with DILATION)、Crop、DetectionOutput、Dropout、Eltwise、Flatten、FullConvolution、FullyConnected、LRN、LSTM、MaxPooling、MaxUnpooling、MVN、NormalizeBBox、Padding、Permute、Power、PReLU、PriorBox、Relu、RNN、Scale、Shift、Sigmoid、Slice、Softmax、Split和Tanh。

如果需要的层类型不在这个支持列表之内,则可以通过脚注中的申请链接来请求新的层类型的支持,OpenCV的开发者们有可能会在将来加入对该层类型的支持。读者也可以自己动手实现新的层类型,并把代码反馈回社区,参与到深度学习模块的开发中来。

除了实现基本的层类型,支持常见的网络架构也很重要,经过严格测试,深度学习模块支持的网络架构如下所示。

图像分类网络

Caffe:AlexNet、GoogLeNet、VGG、ResNet、SqueezeNet、DenseNet、ShuffleNet

TensorFlow:Inception、MobileNet

Darknet:darknet-imagenet

ONNX:AlexNet、GoogleNet、CaffeNet、RCNN_ILSVRC13、ZFNet512、VGG16、VGG16_bn、ResNet-18v1、ResNet-50v1、CNN Mnist、MobileNetv2、LResNet100E-IR、Emotion FERPlus、Squeezenet、DenseNet121、Inception-v1/v2、ShuffleNet

对象检测网络

Caffe:SSD、VGG、MobileNet-SSD、Faster-RCNN、R-FCN、OpenCV face detector

TensorFlow:SSD、Faster-RCNN、Mask-RCNN、EAST

Darknet:YOLOv2、Tiny YOLO、YOLOv3

ONNX:TinyYOLOv2

语义分割网络:FCN(Caffe)、ENet(Torch)、ResNet101_DUC_HDC(ONNX)

姿势估计网络:openpose(Caffe)

图像处理网络:Colorization(Caffe)、Fast-Neural-Style(Torch)

人脸识别网络:openface(Torch)

2. OpenCV DNN图像分类举例(Python)

C++和Python是OpenCV应用开发的主要语言,1.1.2节介绍了一个基于C++语言的深度学习应用,本节继续介绍一个基于Python的图像分类示例。

首先引入必要的Python库:

import numpy as np # 引入numpy

import cv2 as cv # 引入OpenCV库,深度学习模块包含在其中

读入类别文件:

with open('synset_words.txt') as f:

classes=[x[x.find(' ') + 1:] for x in f]

读入待分类的图片:

image=cv.imread('space_shuttle.jpg')

调用深度学习模块的blobFromImage方法将图片对象转换成网络模型的输入张量(tensor)。该张量的大小是224×224.参数中的(104.117.123)表示需要从输入张量减掉的均值,它是从训练网络模型时用到的数据集计算出来的,这里直接使用即可。第二个参数“1”表示将OpenCV的默认通道顺序BGR转换成网络模型要求的RGB通道顺序。

input=cv.dnn.blobFromImage(image, 1. (224. 224), (104. 117. 123))

下面来加载Caffe网络模型。注意,相关的模型参数和配置文件可在这里下载:

http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

https://github.com/opencv/opencv_extra/blob/4.1.0/testdata/dnn/bvlc_googlenet.prototxt

net=cv.dnn.readNetFromCaffe('bvlc_googlenet.prototxt',

'bvlc_googlenet.caffemodel')

设置网络模型输入:

net.setInput(input)

执行网络推理并得到输出结果:

out=net.forward()

从网络输出中获取最大的5个可能种类的索引值并输出类别名称和概率值:

indexes=np.argsort(out[0])[-5:]

for i in reversed(indexes):

print ('class:', classes[i], ' probability:', out[0][i])

通过这个例子,我们可以看到一个基于深度学习模型的分类应用并不复杂,主要分3部分:模型导入、网络执行和结果解析。

小结

通过本章的学习,读者可以了解到OpenCV的主要组成部分,尤其是OpenCV深度学习模块的基本情况。基于C++和Python的例子为读者展示了OpenCV深度学习应用的主要流程。

关于作者:吴至文,Intel亚太研发有限公司资深图形图像工程师,拥有多年算法开发优化经验,技术领域涵盖显示系统、视觉处理、深度学习框架加速,尤其擅长基于OpenCL和Vulkan的算法设计及优化,是OpenCV DNN模块Vulkan后端的作者、OpenCL后端主要贡献者之一。

郭叶军,Intel资深图形图像工程师。多年图形芯片驱动开发经验,主要包括OpenGL驱动和OpenCL驱动。目前关注视频分析中的深度学习,是FFmpeg深度学习模块的代码维护者。

宗炜,Intel资深图形图像工程师,长期从事计算机视觉算法与应用、数字图像处理、Camera成像算法开发,在CPU/GPU/ISP异构计算算法设计与优化上经验颇丰,是图像处理与计算机视觉算法开源项目libXCam的维护者和主要贡献者。

李鹏,阿里巴巴高级技术专家,原Intel亚太研发有限公司资深图形图像工程师。涉及领域包括显示系统、图形图像处理、深度学习框架加速。是OpenCV DNN模块OpenCL后端主要贡献者之一。

赵娟,Intel高级研发经理,钻研图形图像、视频编解码和视频处理十几年,带领团队深耕视频编解码和处理软硬件加速、深度学习算法分析与设计,致力于让开源软件在图形图像视频市场落地,并组织团队把多年的“干货”整理成书,与视频行业的朋友们一起探讨与成长。

本文摘编自《OpenCV深度学习应用与性能优化实践》,经出版方授权发布。

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询