图像分类应用设计,图像分类属于ai应用吗

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，以及深度学习和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。

作者：吴至文 郭叶军 宗炜 李鹏 赵娟

来源：华章科技

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。

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=<opencv_contrib源码路径>/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OpenCVDNN模块的命名空间 usingnamespacecv：：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 Matgender_prob=gender_net.forward（"prob"）； Matage_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

深度学习模块是OpenCV为支持基于深度学习的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的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：

importnumpyasnp#引入numpy库 importcv2ascv#引入OpenCV库，深度学习模块包含在其中

读入类别文件：

withopen('synset_words.txt')asf: classes=[x[x.find('') 1:]forxinf]

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:] foriinreversed(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。

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。

延伸阅读《OpenCV深度学习应用与性能优化实践》

推荐语：Intel音视频团队与阿里巴巴图像处理专家联合撰写，知名专家联袂推荐，深入解析OpenCV DNN 模块、基于GPU/CPU的加速实现、性能优化技巧与可视化工具，以及人脸活体检测（完整案例）与主流识别项目解析。