原载于 。

---

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：，包括源码、文档、测试数据和可执行文件。其中的分支将 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 。

下载二进制

DLL 依赖

Qt 和 OpenCV 的 dll，以及 VS2015 的 runtime， （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

• , 962 KB

• , 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

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 Control+A 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：

具体见 。

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（），

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

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 ，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, 11/pos/0001-team7 (1)-___-r000.bmp, 11/pos/0001-team7 (1)-___-r030.bmp, 1...8/neg/0025-team7 (292)-rand-cx0469-cy2820-r108.bmp, 08/neg/0025-team7 (292)-rand-cx0471-cy2508-r232.bmp, 08/neg/0025-team7 (292)-rand-cx0473-cy2701-r358.bmp, 0

图片数据在这里下载：

• 8.9M

• 10M

• 13M

• 24M

• 13M

• 10M

• 8.5M

• 3.1M

正样本 87 张 & 负样本 602 张

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（），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

这就是刚才那张路牌切片的 log 信息

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 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 
    
     #include 
     
    

我封装了一个 MLP 类，提供简单的训练接口（）。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
    
     
       > predictImages( const QStringList &images );private:    cv::Ptr
      
        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_
    
     (1,5)                                << FEATURENUM, FEATURENUM / 2, FEATURENUM / 6, FEATURENUM / 24, 1) );// 激活函数设置为 sigmoidmlp->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：。

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。]

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 labelfloat *features = new float[FEATURENUM*(np + nn)];float *flags    = new float[np + nn];// 用图片初始化 features，并设置好 labelsfor ( 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
    
      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
    
     (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
    
     ( "path/to/saved-model.xml" );
    

我训练了几组数据，得到的 xml 文件见 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
    
     (i,j)[0];            int g = img.at
     
      (i,j)[1];            int r = img.at
      
       (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;}