2018-01-15

Machine Learning(二):宠物智能识别之 Using OpenCV with Node.js

摘要

计算机视觉库：OpenCV
Using OpenCV with Node.js

Privious

OpenCV ( Open Source Computer Vision Library )，是一个基于C/C++语言的计算机视觉库，在跨平台图像/视频处理、模式识别、人机交互、机器人等领域有广泛的应用。

OpenCV 包含机器学习库，支持传统的机器学习算法（决策树、朴素贝叶斯、支持向量机、随机森林等），近期的版本演进侧重于增强深度学习的支持，例如 OpenCV 3.3 将深度神经网络（Deep neural networks，DNN ) 提升到主代码库（promote DNN module from opencv_contrib to the main repository），2017 年 12 月发布的 OpenCV 3.4 针对 R-CNN 进行了性能优化。

OpenCV 的主要编程是 C++ ，大部分的接口也是基于 C++，但它仍然保留着很多 C 接口（功能不完整）。绑定语言（binding）有 Python，java 和 MATLAB /OCTAVE ，另外还有一些其他语言的包装器（wrapper）如 C# , Perl , Haskell 和 Ruby。opencv4nodejs 项目是一个支持所有 OpenCV 3 的 Node.js 绑定，有助于弥补 JavaScript 缺乏计算机视觉实现的不足，为 Node.js 优势应用场景的选型中提供了更多选择（例如使用 WebSocket 推送技术创建实时 Web 应用）。

前文回顾：Machine Learning(一):基于 TensorFlow 实现宠物血统智能识别中演示了一个图像识别的案例，我们来看看基于 OpenCV + Node.js 是如何实现的：

Using OpenCV with Node.js

Enviroment

$ cmake --version
cmake version 3.10.2

$ brew install cmake

$ brew install opencv3
# dependencies for opencv: eigen, lame, x264, xvid, ffmpeg, libpng,
# libtiff, ilmbase, openexr, gdbm, python, xz, python3, numpy, tbb

$ mkdir project-opencv-demo
$ cd project-opencv-demo
$ npm init
$ npm install --save opencv4nodejs

Load InceptionModel

Tensorflow Inception Model 是一个已经被训练好的模型，可以识别数千类对象，只要将图像输入就可以输出推测的一个分类概率。Tensorflow Inception Model 包括 ‘graph.pb’ 和 ‘label_strings.txt’ 两个文件，使用之前需要先加载。

const cv = require('opencv4nodejs');
//const cv = require('../');
const fs = require('fs');
const path = require('path');

if (!cv.xmodules.dnn) {
  throw new Error('exiting: opencv4nodejs compiled without dnn module');
}

// replace with path where you unzipped inception model
const inceptionModelPath = './models/tf-inception'

const modelFile = path.resolve(inceptionModelPath, 'tensorflow_inception_graph.pb');
const classNamesFile = path.resolve(inceptionModelPath, 'imagenet_comp_graph_label_strings.txt');
if (!fs.existsSync(modelFile) || !fs.existsSync(classNamesFile)) {
  console.log('exiting: could not find inception model');
  console.log('download the model from: https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip');
  return;
}
console.log('load models:'+inceptionModelPath)

// read classNames and store them in an array
const classNames = fs.readFileSync(classNamesFile).toString().split("\n");

// initialize tensorflow inception model from modelFile
const net = cv.readNetFromTensorflow(modelFile);

Image Classify

读取图片存储为 Blob 格式，调用 net.forward() （图像作为输入参数），此处我们仅输出概率高于 5% 的分类。

const classifyImg = (img) => {
  // inception model works with 224 x 224 images, so we resize
  // our input images and pad the image with white pixels to
  // make the images have the same width and height
  const maxImgDim = 224;
  const white = new cv.Vec(255, 255, 255);
  const imgResized = img.resizeToMax(maxImgDim).padToSquare(white);

  // network accepts blobs as input
  const inputBlob = cv.blobFromImage(imgResized);
  net.setInput(inputBlob);

  // forward pass input through entire network, will return
  // classification result as 1xN Mat with confidences of each class
  const outputBlob = net.forward();

  // find all labels with a minimum confidence
  const minConfidence = 0.05;
  const locations =
    outputBlob
      .threshold(minConfidence, 1, cv.THRESH_BINARY)
      .convertTo(cv.CV_8U)
      .findNonZero();

  const result =
    locations.map(pt => ({
      confidence: parseInt(outputBlob.at(0, pt.x) * 100) / 100,
      className: classNames[pt.x]
    }))
      // sort result by confidence
      .sort((r0, r1) => r1.confidence - r0.confidence)
      .map(res => `${res.className} (${res.confidence})`);

  return result;
}

Test

const testData = [
  {
    image: './data/IMG_3560.png',
    label: 'Yan Dog'
  },
  {
    image: './data/IMG_3608.png',
    label: 'Yang Dog'
  }
];

testData.forEach((data) => {
  const img = cv.imread(data.image);
  console.log('%s,%s: ', data.image,data.label);

  const predictions = classifyImg(img);
  predictions.forEach(p => console.log(p));

  //cv.imshowWait('img', img);

  console.log("---------finish---------");
});

$ npm run tf-classify

> node ./tf-classify.js
load models:./models/tf-inception

-------------------------------
./data/IMG_3560.png,Yan Dog:
[ INFO:0] Initialize OpenCL runtime...
潘布魯克威尔斯柯基犬 Pembroke (0.83)
-------------------------------
./data/IMG_4423.png,Yang Dog:
吉娃娃 Chihuahua (0.89)
Pembroke (0.07)
-------------------------------
./data/IMG_3608.png,Yang Dog:
玩具梗 toy terrier (0.22)
美国斯塔福德郡梗 American Staffordshire terrier (0.2)
吉娃娃 Chihuahua (0.14)
斯塔福德郡牛头梗 Staffordshire bullterrier (0.12)
比特犬 whippet (0.05)
-------------------------------

问题：对比之前 Machine Learning(一):基于 TensorFlow 实现宠物血统智能识别的预测值，两次识别的结果很接近，但是又有不同，这是为什么呢？请注意后续更新。

OpenCV 概要

OpenCV ( Open Source Computer Vision Library )，是一个基于C/C++语言的跨平台图像/视频处理函数库。OpenCV 由英特尔公司于1999年发起并参与开发，以 BSD 许可证授权发行，可以在商业和研究领域中免费使用。OpenCV 主要用于开发实时的图像处理、计算机视觉以及模式识别程序。

OpenCV 的主要编程是 C++ ，大部分的接口也是基于 C++，但它仍然保留着很多 C 接口（不完整）。绑定语言（binding）有 Python，java 和 MATLAB /OCTAVE ，另外还有一些其他语言的包装器（wrapper）如 C# , Perl , Haskell 和 Ruby。

OpenCV 版本

OpenCV 第一个预览版本于 2000 年在 IEEE Conference 公开，目前每6个月就会有一个官方版本，由一个商业公司赞助的独立小组开发。
OpenCV 1.0：2006年发布
OpenCV 2.0：2009年10月发布，主要更新包括 C++ 接口
OpenCV 2.3：2011年6月发布，主要更新包括移动终端兼容性（NDK-Build）
OpenCV 3.0：2015年6月发布
OpenCV 3.3: 2017年8月发布，主要更新包括深度学习（promote DNN module from opencv_contrib to the main repository）
OpenCV 3.4: 2017年12月发布，主要更新包括 DNN 模块改进（包括 R-CNN 性能优化), Javascript 绑定和 OpenCL 实现

1
2
3

#查看版本
$ pkg-config --modversion opencv
3.4.0

OpenCV 主要模块

cv 核心函数库
cvaux 辅助函数库
cxcore 数据结构与线性代数库
highgui GUI 函数库，包括用户界面、读/写图像及视频
ml 机器学习函数库，包括统计模型、贝叶斯、最近邻居、支持向量机、决策树、随机树、最大期望、神经网络等，详见Machine Learning:机器学习算法。
gpu GPU加速,GPU模块及数据结构，包含图像处理与分析模块

OpenCV 主要功能

图像数据操作（内存分配与释放 allocation & release，图像复制 copying、设定和转换 setting & conversion）
矩阵/向量数据操作及线性代数运算（矩阵乘积、矩阵方程求解、特征值、奇异值分解）
支持多种动态数据结构（链表、队列、数据集、树、图）
基本图像处理（去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构）
结构分析（连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化）
图像/视频的输入输出（支持文件或摄像头的输入，图像/视频文件的输出）
摄像头定标（寻找和跟踪定标模式、参数定标、基本矩阵估计、单应矩阵估计、立体视觉匹配）
运动分析（光流 optical flow、动作分割 motion segmentation、目标跟踪 tracking）

OpenCV 基本数据类型

CvPoint:表示一个坐标为整数的二维点
CvSize:表示矩阵框大小，以像素为精度。
CvRect:通过方形左上角坐标和方形的高和宽来确定一个矩形区域
CvScalar:用来存放像素值（ double 数组，不一定是灰度值）

typedef  struct  CvPoint
{
    int x;//图像中点的x坐标
    int y;//图像中点的y坐标
}

typedef struct CvSize
{
    int width; //矩形宽
    int height; //矩形高
}

typedef struct CvRect 　　
{ 　　
    int x; //方形的左上角的x-坐标 　　
    int y; //方形的左上角的y-坐标　
    int width; //宽 　　
    int height; //高
} 　

typedef struct CvScalar
{
    double val[4];
}

OpenCV 与机器学习

OpenCV 包含机器学习库，支持以下算法：

Boosting
Decision tree learning
Gradient boosting trees
Expectation-maximization algorithm
k-nearest neighbor algorithm
Naive Bayes classifier
Artificial neural networks
Random forest
Support vector machine (SVM)
Deep neural networks (DNN) （OpenCV 3.3 promote DNN module from opencv_contrib to the main repository）

OpenCV 资源

扩展阅读

《The Machine Learning Master》

参考文献

欢迎扫码关注微信公众号获取最新动态，读者交流 QQ 群：338272982 。

Ribose Yim's Home