使用python识别图像的OpenCV

Question

我是OpenCV的新手。我正在使用OpenCV 3.1和python2.7。

我有5张自行车图片和5张汽车图片。我想找出任何图像是一辆车还是一辆自行车。

在互联网上，我发现使用haar级联我们可以训练，但大多数例子只包含一个经过训练的数据手段，用户将只训练汽车图像和查询图像，他们会试图找到它是一辆车或不，但我想检查它是一辆车还是一辆自行车或什么都没有。

我想根据物体的形状来匹配图像。我想的另一个选择是获取查询图像并与存储的图像进行比较，并根据相似性给出结果。但我知道这需要更长的时间，这是不好的。

还有更好的选择吗？也有模板匹配，但我不知道选择这种解决方案更好的选择，因为我不了解OpenCV。

Answer 1

关于你关于沙皇级联的问题。您可以使用它们按照您想要的方式对图像进行分类：

训练两套沙皇级联，一套用于汽车，一套用于自行车。这两个级联都将返回一个值，说明它们是如何确定的，图像包含了它们所训练的对象。如果两者都不确定，图像可能什么也不包含。否则，您将以更高的确定性来选择该类的图像内容。

Answer 2

它可以通过一个tensorflow来完成。它是一个基于图像处理的python库。

参考文献:已启动/index.html http://googleresearch.blogspot.in/2015/12/how-to-classify-images-with-tensorflow.html

Github链接

Answer 3

您可以尝试通过将培训数据(汽车和自行车的图像)上传到demo.nanonets.ai (免费使用)来构建模型。

1)上传您的培训数据：

demo.nanonets.ai

2)然后使用以下方法(Python代码)查询API：

import requests
import json
import urllib
model_name = "Enter-Your-Model-Name-Here"
url = "http://blog.caranddriver.com/wp-content/uploads/2015/11/BMW-2-series.jpg"
files = {'uploadfile': urllib.urlopen(url).read()}
url = "http://demo.nanonets.ai/classify/?appId="+model_name
r = requests.post(url, files=files)
print json.loads(r.content)

3)答复如下：

{
  "message": "Model trained",
  "result": [
    {
      "label": "Car",
      "probability": 0.97
    },
    {
      "label": "Bike",
      "probability": 0.03
    }
  ]
}