图像数据集构造与数据转换

图像数据集构造与数据转换

毕业设计所需图像数据集的采集、处理过程以及整体思路。

---

---

前言

记录思路与流程，仅供参考。

---

一、数据采集

采用手机后置摄像头拍摄人脸视频，视频分辨率1080p（1920*1080），视频帧率30fps.

二、视频分帧与图像筛选

1.视频分帧

python脚本video2image主要代码如下：

import cv2

video_full_path = "**************************.mp4"
cap = cv2.VideoCapture(video_full_path)

print("能否打开视频文件",cap.isOpened())
frame_count = 1
success = True
while (success):
    success, frame = cap.read()
    print('Read a new frame: ', success)

    if(success):
        cv2.imwrite("***************" + "_%d.jpg" % frame_count,
                    frame, [int(cv2.IMWRITE_JPEG_QUALITY), 95])

        frame_count = frame_count + 1

cap.release()

2.图像筛选

手动筛选合格的图像并rename

三、图像裁剪

手动裁剪图像的指定区域，要求裁剪后图像尺寸一致。

1、编写图像裁剪工具

python图像裁剪工具ImageProcessingTool_V2.0主要代码如下：

import sys
from PyQt5.QtWidgets import QApplication, QMainWindow
import ui
from work import Work
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = ui.Ui_MainWindow()

    work = Work(ui)

    ui.show()
    sys.exit(app.exec_())

2、使用图像裁剪工具

四、图像人脸数据提取

1、依托编译好的ImageProcess.exe编写python程序（SVMTrain-main）提取图像人脸信息

• 注意图像的分类存储与提取

主要代码如下：

order=r'ImageProcess.exe -fdir "E:\DataSet\Down" ' \
      r'-of "E:\features.csv"'
pi= subprocess.Popen(order , shell=True , stdout=subprocess.PIPE , cwd="E:\\OpenFace\\x64\\Release")
for i in iter(pi.stdout.readline,'b'):
    if pi.poll() == 0:
        break
    print(i.decode('gbk')) # 编码问题
print("features.csv is end!")

提取到的分类信息存储结果：

2、文件合并（构造数据集）

在提取到分类数据的基础上，运行python程序SVMTrain_MergeFile,得到得到两个所需的数据集文件。

五、END!

后续就是分类器的训练了，下篇博文再说。

---

总结

介绍了一个简单图像数据集的构造过程，主要用于毕业论文的实验部分，对于构造人脸数据集或目标检测数据集具有一定的参考意义。