使用LBP+SVM，训练识别给定的测试图像

训练文件

在项目中建立training文件夹，在其中存放你想要训练的图像，其中的小文件夹就是你训练生成的图像名称，可自行更改。

识别图像

建立testing文件夹，在其中存放你想要识别的图像。

LocalBinrayPatterns

class LocalBinrayPatterns:
    def __init__(self,numPoints,radius):
        self.numPoints = numPoints
        self.radius = radius

    def describle(self,image,esp=1e-7):
        lbp = feature.local_binary_pattern(image,self.numPoints,self.radius,method="uniform")
        (hist,_) = np.histogram(lbp.ravel(),bins=np.arange(0,self.numPoints + 3),range=(0,self.numPoints + 2))

        hist = hist.astype("float")
        hist /= (hist.sum() + esp)
        return hist

recognize

ap = argparse.ArgumentParser()
ap.add_argument("-t","--training",default="./training",help="path to the training images")
ap.add_argument("-e","--testing",default="./testing",help="path to the testing images")
args = vars(ap.parse_args())


desc = LocalBinrayPatterns(24,8)
data = []
labels = []


for imagePath in paths.list_images(args["training"]):
    image = cv2.imread(imagePath)
    gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    hist = desc.describle(gray)

    labels.append(imagePath.split(os.path.sep)[-2])
    data.append(hist)

model = LinearSVC(C=100.0,random_state=42)
model.fit(data, labels)

for imagePath in paths.list_images(args["testing"]):

   

完整程序

运行结果展示

可以很明显的看出，提前存放的文件夹的图像训练成了相关文件夹名字的素材，而当检测到相关图片时，显示相关的名称。

后续

如果想了解更多物联网、智能家居项目知识，可以关注我的项目实战专栏。 或者关注公众号。

编写不易，感谢支持。