这篇“OpenCV停车场车位实时检测项目分析”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“OpenCV停车场车位实时检测项目分析”文章吧。
1. 写在前面
今天整理OpenCV入门的第三个实战小项目，前面的两篇文章整理了信用卡数字识别以及文档OCR扫描， 大部分用到的是OpenCV里面的基础图像预处理技术，比如轮廓检测，边缘检测，形态学操作，透视变换等， 而这篇文章的项目呢，不仅需要一些基础的图像预处理，还需要搭建模型进行识别和预测，所以通过这个项目，能把图像预处理以及建模型等一整套流程拉起来，并应用到实际的应用场景，还是非常有意思的。
停车场车位实时检测任务，是拿到停车场的一段视频video，主要完成两件事情：
检测整个停车场当中，当前一共有多少辆车，一共有多少个空余的车位
把空余的停车位标识出来，这样用户停车的时候，就可以直接去空余的停车位处， 为停车节省了很多时间
所以这个项目还是非常有实践应用价值的，用了大约一天半的时间搞定这个项目，参考的是唐老师的OpenCV入门教程视频， 不过这里面对于这个任务做的相对粗糙，我在这个基础上基于我的理解进行了一些优化，主要改动如下：
据处理方面，按列框出停车位之后，我对每一列框的坐标手工进行了调整，确保每个停车位不遗漏，不多余， 然后是对每个停车位的坐标位置进行了微调，尽量让其标记的准一些
模型方面，原视频采用迁移学习方式，基于keras对VGG网络进行的微调，而我模型这里统一基于pytorch，用的ResNet32预训练模型进行的finetune，验证集正确率能到0.94多，但第一版还是有少量预测的不是很准，所以又基于已有的帧图片做了数据增强，额外增加了一些数据，把准确率提升到0.98左右
项目的整体架构全部改变，算是听懂了上面的思想，然后基于自己的理解进行的重构，好处是后面可以进行各种优化，按照自己需求做数据增强，数据预处理以及训练各种高级模型等。
不过，发现小resnet就够强大的了，最终的预测效果如下：
这是视频中的某一帧图像，实际运行的时候，是读入视频，快速分开帧，每一帧做出这样的预测标记，然后实时显示。这样在每个时刻，都能动态的知道该停车场有哪些车位空了出来。
下面就对这个项目中用到的关键技术进行整理，由于这个项目稍微大一些，代码量多，不可能在这里全部展示，但想记录下对于这个项目我的思考过程，以及各种处理的动机，以及如何进行的处理，我觉得这个才是对以后有用的东西。
2. 整体流程梳理
首先，拿到这个任务之后， 得大致上梳理下流程，才能确定行动方案。 我们开始拿到了这样的一段视频，那么为了完成上面停车位检测以及识别的任务，就需要考虑两步：
我得先把停车场的每个停车位给提取出来
有了每个停车位，我训练一个模型，去预测这个停车位上有没有车就行啦，把没有车的标识出来，然后统计个数
其实宏观上就这么两大步。那么后面的问题就是怎么把每个车位提取出来，又怎么训练模型预测呢？
我这里主要分为了两大步， 数据预处理以及模型的训练及预测：
数据预处理方面
以视频中某一帧的图像为单位，进行处理
通过二值化，灰度化，边缘检测，特定点标定连线等，把图片中多余的部分去掉，只保留停车场内的这部分对象
霍夫变换的直线检测，去找图片中的直线，根据直线坐标，先按列为单位，把车位按列框起来， 然后对框手动微调
在每一列中，锁定每个停车位的位置，并对每个停车位进行标号，把这个保存成字典
有了每个停车位的位置，就能提取出对应图片，可以作为后面模型的训练以及验证的数据集，不过需要人工手动划分
通过上面步骤，会积累一些数据，大约800多张图片，接下来就可以训练模型，但是由于数据量太少，从头训练模型往往效果不好，所以这里采用迁移学习的方式，使用了预训练的resnet34，用这800多张图片微调。
训练好了模型保存，接下来，对于每一帧图像，有了停车位位置字典，就能直接提取出每一个停车位，然后对于这每个停车位，模型预测有没有车即可
所以有了这样的一个流程，就能再进一步分解细化，就可以大处着眼小处着手啦，下面整理每一步里面的关键细节。
3. 数据预处理
3.1 背景过滤
首先，把一帧图像读入进来，原始图像如下：
先通过二值化的方式过滤掉背景，突出重要信息，然后转成灰度图。
def select_rgb_white_yellow(image): # 过滤背景 lower = np.uint8([120, 120, 120]) upper = np.uint8([255, 255, 255]) # 三个通道内，低于lower和高于upper的部分分别变成0， 在lower-upper之间的值变成255， 相当于mask，过滤背景 # 保留了像素值在120-255之间的像素值 white_mask = cv2.inRange(image, lower, upper) masked_img = cv2.bitwise_and(image, image, mask=white_mask) return masked_imgmasked_img = select_rgb_white_yellow(test_image)这里看到inRange()，想到了之前用到的二值化的方法threshold, 我在想这俩有啥区别？ 为啥这里不用这个了？ 下面是我经过探索得到的几点使用经验：
cv2.threshold(src, thresh, maxval, type[, dst]):针对的是单通道图像(灰度图), 二值化的标准,type=THRESH_BINARY: if x > thresh, x = maxval, else x = 0, 而type=THRESH_BINARY_INV: 和上面的标准反着，目前常用到了这俩个cv2.inRange(src, lowerb, upperb)：可以是单通道图像，可以是三通道图像，也可以进行二值化，标准是if x >= lower and x <= upper, x = 255, else x = 0
这里做了一个实验， 事先把图片转化成灰度图warped = cv2.cvtColor(test_image, cv2.COLOR_BGR2GRAY)，然后下面两句代码的执行结果是一样的:
cv2.threshold(warped, 119, 255, cv2.THRESH_BINARY)[1]cv2.inRange(warped, 120, 255)
处理之后的图片长这样：
3.2 Canny边缘检测
接下来，采用Canny边缘检测算法，检测出边缘来
low_threshold, high_threshold = 50, 200edges_img = cv2.Canny(gray_img, low_threshold, high_threshold)结果如下:
下面尝试把停车场这块提取出来， 把其余那些没用的去掉。
3.3 停车场区域提取
这里的思路就是，先用6个标定点把停车场的这几个角给他定住，这个标定点得需要自己找。 找到之后， 采用OpenCV中的填充函数，就能制作一个mask矩阵，然后就能把其余部分去掉了。
def select_region(image): """这里手动选择区域""" rows, cols = image.shape[:2] # 下面定义6个标定点, 这个点的顺序必须让它化成一个区域，如果调整，可能会交叉起来，所以不要动 pt_1 = [cols*0.06, rows*0.90] # 左下 pt_2 = [cols*0.06, rows*0.70] # 左上 pt_3 = [cols*0.32, rows*0.51] # 中左 pt_4 = [cols*0.6, rows*0.1] # 中右 pt_5 = [cols*0.90, rows*0.1] # 右上 pt_6 = [cols*0.90, rows*0.90] # 右下 vertices = np.array([[pt_1, pt_2, pt_3, pt_4, pt_5, pt_6]], dtype=np.int32) point_img = image.copy() point_img = cv2.cvtColor(point_img, cv2.COLOR_GRAY2BGR) for point in vertices[0]: cv2.circle(point_img, (point[0], point[1]), 10, (0, 0, 255), 4) # cv_imshow('points_img', point_img) # 定义mask矩阵， 只保留点内部的区域 mask = np.zeros_like(image) if len(mask.shape) == 2: cv2.fillPoly(mask, vertices, 255) # 点框住的地方填充为白色 #cv_imshow('mask', mask) roi_image = cv2.bitwise_and(image, mask) return roi_imageroi_image = select_region(edges_img)处理的效果如下：
这样处理好了，我们就需要找到这里面的直线，然后通过直线去猜测大致的位置。
3.4 霍夫变换检测直线
这里采用霍夫变换检测直线， 函数是cv2.HoughLinesP， 该函数能检测直线的两个端点(x0,y0, x1, y1)。函数原型:
HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]]) -> lines
image: 边缘检测的输出图像，这里要注意必须是边缘检测的输出图像
rho: 参数极径r以像素值为单位的分辨率，一般1
threa: 以弧度为单位的分辨率，一般1
threshold: 检测一条直线所需最少的曲线交点
minLineLength: 能形成一条直线的最小长度，太短，不认为是一条直线
maxLineGap: 两条直线直接最大间隔，小于这个值，认为是一条直线
所以，这个函数拿来直接用。
def hough_lines(image): # 输入的图像需要是边缘检测后的结果 # minLineLengh(线的最短长度，比这个短的都被忽略)和MaxLineCap（两条直线之间的最大间隔，小于此值，认为是一条直线） # rho距离精度,theta角度精度,threshod超过设定阈值才被检测出线段 return cv2.HoughLinesP(image, rho=0.1, theta=np.pi/10, threshold=15, minLineLength=9, maxLineGap=4)list_of_lines = hough_lines(roi_image) # (2338, 1, 4)竟然检测到了2338条直线，这里面肯定有很多不能用的，所以后面处理，需要对直线先进行一波筛选。筛选原则是线不能是斜的，且水平方向不能太长或者是太短。 具体代码下面会看到，这里先展示下过滤之后的效果。
过滤完了，总共628条直线。
3.5 以列为单位，划分停车位
下面的代码会稍微复杂，所以需要分块讲思路。
首先，我们拿到了停车场的直线以及它的坐标位置。 过滤操作已经做好，接下来，就是对每条直线进行排序。 让这些线，从一列一列的，从上往下依次排列好。
def identity_blocks(image, lines, make_copy=True): if make_copy: new_image = image.copy() # 过滤部分直线 stayed_lines = [] for line in lines: for x1, y1, x2, y2 in line: # 这里是过滤直线，必须保证不能是斜的线，且水平方向不能太长或者太短 if abs(y2-y1) <=1 and abs(x2-x1) >=25 and abs(x2-x1) <= 55: stayed_lines.append((x1,y1,x2,y2)) # 对直线按照x1排序, 这样能让这些线从上到下排列好， 这个排序是从第一列的第一条横线，往下走，然后是第二列第一条横线往下，... list1 = sorted(stayed_lines, key=operator.itemgetter(0, 1))排列好之后，遍历所有线， 看看相邻两条线之间的距离，如果是一列， 那么两条线的x_1应该离得非常近，毕竟是同一列，如果这个值太大了，说明是下一列了。根据这个准则，遍历完之后，就能把这些线划分到不同的列里面。这里是用了一个字典，键表示列，值表示每一列里面的直线。
代码接上：
# 找到多个列，相当于每列是一排车 clusters = collections.defaultdict(list) dIndex = 0 clus_dist = 10 # 每一列之间的那个距离 for i in range(len(list1) - 1): # 看看相邻两条线之间的距离，如果是一列的，那么x1这个距离应该很近，毕竟是同一列上的 # 如果这个值大于10了，说明是下一列的了，此时需要移动dIndex， 这个表示的是第几列 distance = abs(list1[i+1][0] - list1[i][0]) if distance <= clus_dist: clusters[dIndex].append(list1[i]) clusters[dIndex].append(list1[i+1]) else: dIndex += 1有了每一列里面的直线，下面就是就是遍历每一列，先拿到所有直线，然后找到纵坐标的最大值和最小值，以及横坐标的最大和最小值，但由于横坐标这里，首尾列都一排车位，中间排都是两列，不好直接取到最大最小坐标，所以这里采用了求平均的方式。 这样遍历完，针对每一列，就能得到左上角点和右下角点，这是一个矩形框。
代码接上：
# 得到每列停车位的矩形框 rects = {} i = 0 for key in clusters: all_list = clusters[key] cleaned = list(set(all_list)) # 有5个停车位至少 if len(cleaned) > 5: cleaned = sorted(cleaned, key=lambda tup: tup[1]) avg_y1 = cleaned[0][1] avg_y2 = cleaned[-1][1] if abs(avg_y2-avg_y1) < 15: continue avg_x1 = 0 avg_x2 = 0 for tup in cleaned: avg_x1 += tup[0] avg_x2 += tup[2] avg_x1 = avg_x1 / len(cleaned) avg_x2 = avg_x2 / len(cleaned) rects[i] = [avg_x1, avg_y1, avg_x2, avg_y2] i += 1 print('Num Parking Lanes: ', len(rects))下面，把矩形框画出来：
# 把列矩形画出来 buff = 7 for key in rects: tup_topLeft = (int(rects[key][0] - buff), int(rects[key][1])) tup_botRight = (int(rects[key][2] + buff), int(rects[key][3])) cv2.rectangle(new_image, tup_topLeft, tup_botRight, (0, 255, 0), 3) return new_image, rects这里的buff，也是进行了一点微调操作。 这种是根据实际场景来的，不是死的。 效果如下：
这样就会发现，对于每一列的停车位，有了大致上的矩形框标定，但是这个非常粗糙。 原视频里面就基于这个往后面走了。 我这里对于每一列框进行微调，因为这个框非常重要。不准的话影响后面的具体车位划分。
def rect_finetune(image, rects, copy_img=True): if copy_img: image_copy = image.copy() # 下面需要对上面的框进行坐标微调， 让框更加准确 # 这个框很重要，影响后面停车位的统计，尽量不能有遗漏 for k in rects: if k == 0: rects[k][1] -= 10 elif k == 1: rects[k][1] -= 10 rects[k][3] -= 10 elif k == 2 or k == 3 or k == 5: rects[k][1] -= 4 rects[k][3] += 13 elif k == 6 or k == 8: rects[k][1] -= 18 rects[k][3] += 12 elif k == 9: rects[k][1] += 10 rects[k][3] += 10 elif k == 10: rects[k][1] += 45 elif k == 11: rects[k][3] += 45 buff = 8 for key in rects: tup_topLeft = (int(rects[key][0]-buff), int(rects[key][1])) tup_botRight = (int(rects[key][2]+buff), int(rects[key][3])) cv2.rectangle(image_copy, tup_topLeft, tup_botRight, (0, 255, 0), 3) return image_copy, rects微调之后的效果如下：
原则就是不遗漏，不多余。
3.6 锁定每个停车位
这里就是针对每个矩形框， 对里面的停车位用直线切割成一个个的，每个停车位用(x1,y1,x2,y2)标识，左上角和右下角的坐标。并进行标号，最终形成一个字典，字典的键就是位置，值就是序号。当然，这里的一个细节，依然是中间排是两排，首尾是一排，这个在具体划分停车位的时候，一定要注意。
def draw_parking(image, rects, make_copy=True, save=True): gap = 15.5 spot_dict = {} # 一个车位对应一个位置 tot_spots = 0 #微调 adj_x1 = {0: -8, 1:-15, 2:-15, 3:-15, 4:-15, 5:-15, 6:-15, 7:-15, 8:-10, 9:-10, 10:-10, 11:0} adj_x2 = {0: 0, 1: 15, 2:15, 3:15, 4:15, 5:15, 6:15, 7:15, 8:10, 9:10, 10:10, 11:0} fine_tune_y = {0: 4, 1: -2, 2: 3, 3: 1, 4: -3, 5: 1, 6: 5, 7: -3, 8: 0, 9: 5, 10: 4, 11: 0} for key in rects: tup = rects[key] x1 = int(tup[0] + adj_x1[key]) x2 = int(tup[2] + adj_x2[key]) y1 = int(tup[1]) y2 = int(tup[3]) cv2.rectangle(new_image, (x1, y1),(x2,y2),(0,255,0),2) num_splits = int(abs(y2-y1)//gap) for i in range(0, num_splits+1): y = int(y1+i*gap) + fine_tune_y[key] cv2.line(new_image, (x1, y), (x2, y), (255, 0, 0), 2) if key > 0 and key < len(rects) - 1: # 竖直线 x = int((x1+x2) / 2) cv2.line(new_image, (x, y), (x, y2), (0, 0, 255), 2) # 计算数量 除了第一列和最后一列，中间的都是两列的 if key == 0 or key == len(rects) - 1: tot_spots += num_splits + 1 else: tot_spots += 2 * (num_splits + 1) # 字典对应好 if key == 0 or key == len(rects) - 1: for i in range(0, num_splits+1): cur_len = len(spot_dict) y = int(y1 + i * gap) + fine_tune_y[key] spot_dict[(x1, y, x2, y+gap)] = cur_len + 1 else: for i in range(0, num_splits+1): cur_len = len(spot_dict) y = int(y1 + i * gap) + fine_tune_y[key] x = int((x1+x2) / 2) spot_dict[(x1, y, x, y+gap)] = cur_len + 1 spot_dict[(x, y, x2, y+gap)] = cur_len + 2 return new_image, spot_dict这里的fine_tune_y也是我后来加上去的，也是为了让每一列尽量把车位划分的准确些。
从这个效果上来看，基本上就把车位一个个的划分开了，划分开之后，会发现，这里面有些并不是车位， 但依然给框住了。这样统计个数的时候，以及后面给信息停车的时候会受到影响，所以我这里又一一排查，去掉了这些无效的车位。
# 去掉多余的停车位invalid_spots = [10, 11, 33, 34, 37, 38, 61, 62, 93, 94, 95, 97, 98, 135, 137, 138, 187, 249, 250, 253, 254, 323, 324, 327, 328, 467, 468, 531, 532]valid_spots_dict = {}cur_idx = 1for k, v in spot_dict.items(): if v in invalid_spots: continue valid_spots_dict[k] = cur_idx cur_idx += 1这样，还可以把处理好的车位信息进行可视化，再进行微调，不过，我这里由于之前的一些微调操作，感觉效果还可以，就没有做任何调整啦。
# 把每一个有效停车位标记出来tmp_img = test_image.copy()for k, v in valid_spots_dict.items(): cv2.rectangle(tmp_img, (int(k[0]), int(k[1])),(int(k[2]),int(k[3])), (0,255,0) , 2)cv_imshow('valid_pot', tmp_img)效果如下：
如果要想让后面模型对于每个车位预测的更加准确，这里的划分一定要尽量的细致和标准。 否则如果矩形框和真实的车位对应不上，比如矩形框卡在了两个车位中间这种，这样划分出的车位拿给模型看，就很容易判断出错。
另外，最终的这个字典很重要，因为这个字典里面保存的是各个车位的位置信息。 有了这个东西，拿到一帧图片，就可以直接把每个车位标定出来，拿给模型预测。 并且对于同一停车场，这个每个车位是固定的。所以这个也不会变，视频的所有图像共用。 这样能保证实时性。
3.7 为CNN生成预测图片
有了各个车位的具体位置信息，下面直接按照这里面的左边把每个车位切割出来，就能得到后面CNN的训练和验证的数据集了。
def save_images_for_cnn(image, spot_dict, folder_name = '../cnn_pred_data'): for spot in spot_dict.keys(): (x1, y1, x2, y2) = spot (x1, y1, x2, y2) = (int(x1), int(y1), int(x2), int(y2)) # 裁剪 spot_img = image[y1:y2, x1:x2] spot_img = cv2.resize(spot_img, (0, 0), fx=2.0, fy=2.0) spot_id = spot_dict[spot] filename = 'spot_{}.jpg'.format(str(spot_id)) # print(spot_img.shape, filename, (x1,x2,y1,y2)) cv2.imwrite(os.path.join(folder_name, filename), spot_img) save_images_for_cnn(test_image, valid_spots_dict)这样，就把模型的训练数据集准备好。 在文件中组织成这个样子：
每个目录里面，就是划分出来的一张张小的车位图像，不过这里是人为划分到了有车还是无车里面。所以后面的模型其实做一个二分类任务，给定这样一张车位的小图像，预测下是不是空的即可。
下面开始说模型的细节。
4. 模型的训练和预测
由于目前的样本非常少，不足以训练一个大模型到收敛，所以这里采用的迁移学习技术，用的预训练模型。
模型这里和视频中不一样的是，我统一采用pytorch写的模型训练和测试代码，原因是最近正在尝试pytorch复现cv里面的各个经典网络，这个项目正好让我拿来练手。另外一个就是感觉keras搭建的灵活度不够，在数据预处理方面不如torchvision里面transforms用起来方便。 基于这两个原因， 我这里直接用pytorch，采用的resnet34预训练模型，使用这个的原因是这两天正好把resnet复现了一遍，稍微熟悉了一点罢了，正好能学以致用，没有啥偏爱。
由于这里的代码非常多，这里就不过多罗列了，简单说下逻辑即可，感兴趣的可以看具体项目。
首先是训练模型。
4.1 模型训练
这个整体逻辑倒是可以看下：
def train_model(): # 获取dataloader data_root = os.getcwd() image_path = os.path.join(data_root, "train_data") train_data_path = os.path.join(image_path, "train") val_data_path = os.path.join(image_path, "test") train_loader, validat_loader, train_num, val_num = get_dataloader(train_data_path, val_data_path, data_transform_pretrain, batch_size=8) # 创建模型 注意这里没指定类的个数，默认是1000类 net = resnet34() model_weight_path = 'saved_model_weight/resnet34_pretrain_ori_low_torch_version.pth' # 使用预训练的参数，然后进行finetune net.load_state_dict(torch.load(model_weight_path, map_location='cpu')) # 改变fc layer structure 把fc的输出维度改为2 in_channel = net.fc.in_features net.fc = nn.Linear(in_channel, 2) net.to(device) # 模型训练配置 loss_function = nn.CrossEntropyLoss() optimizer = optim.Adam(net.parameters(), lr=0.0001) epochs = 30 save_path = "saved_model_weight/resnet34_pretrain.pth" best_acc = 0. train_steps = len(train_loader) model_train(net, train_loader, validat_loader, epochs, device, optimizer, loss_function, train_steps, val_num, save_path, best_acc)因为我这里采用了一些函数封装，所以这个逻辑应该稍微清晰些，首先pytorch模型训练，要先把数据封装成dataloader的格式，后面模型训练的时候，是从这个类里面读取数据。关于dataloader与dataset的原理这里就不过多整理。之前我详细在pytorch基础那里整理过了。
不过这里的细节，就是data_transform_pretrain， 也就是数据预处理操作。
data_transform_pretrain = { "train": transforms.Compose([ transforms.RandomResizedCrop(224), # 对图像随机裁剪， 训练集用，验证集不用 transforms.RandomHorizontalFlip(), transforms.ToTensor(), # 这里的中心化处理参数需要官方给定的参数，这里是ImageNet图片的各个通道的均值和方差，不能随意指定了 transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)) ]), "val": transforms.Compose([ # 验证过程中，这里也进行了一点点改动 transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)) ]), "test": transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)) ]) }这里由于是采用的官方训练好的resnet网络，我们这里中心化要参考官方给定的参数，因为它预训练是ImageNet这个大数据集上训练的，所以这里每个通道的均值和方差，我们最好别随意指定。用人家官方给出的。
有了dataloader，接下来创建模型， 这里是直接使用的resnet34, 把预训练的模型参数导入进来。导入的时候，会发现我这个参数名字的文件有个low_torch_version， 是因为之前导入的时候出现了报错：
xxx.pt is a zip archive(did you mean to use torch.jit.load()?)“这个报错的原因是，官方预训练保存的模型参数使用的pytorch版本是1.6以上，PyTorch的1.6版本将torch.save切换为使用新的基于zipfile的文件格式。
torch.load仍然保留以旧格式加载文件的功能。 如果希望torch.save使用旧格式，请传递kwarg _use_new_zipfile_serialization = False。
我电脑本子的pytorch版本是1.0，所以导入1.6以上版本保存的模型参数，就会报这样的错误。 那么，我怎么解决的呢？ 那就是从我服务器上，运行了下面这个代码
model_weight_path = "saved_models/resnet34_pretrain_ori.pth" state_dict = torch.load(model_weight_path) torch.save(state_dict, 'saved_models/resnet34_pretrain_ori_low_torch_version.pth', _use_new_zipfile_serialization=False)我服务器上的pytorch版本是1.10的版本，是能导入这个参数的，导入完了重新保存，指定官方给定的参数即可。
这个问题解决之后，下面就说下预训练模型了， 导入参数之后，我们需要修改网络最后的一层，因为resnet本身做的是1000分类，最后一层神经元个数是1000，我们这里需要做二分类，所以需要改成2。
另外，就是迁移学习的三种方式:
载入权重后重新训练所有参数 – 硬件设施好
载入权重后只训练最后几层参数，前面的层进行冻结， 或者是前面几层的学习率降低， 后面全连接层的学习率变大，即分组调整学习率
载入全中后在原网络基础上再添加一层全连接层， 仅训练最后一个全连接层
我这里采用的全部训练的方式，但是这里有必要整理下，如果是想只训练后面几层，或者前面层和后面层不同学习率训练的时候，应该怎么做：
# 创建模型 注意这里没指定类的个数，默认是1000类net = resnet34()model_weight_path = 'saved_model_weight/resnet34_pretrain_ori_low_torch_version.pth'# 使用预训练的参数，然后进行finetunenet.load_state_dict(torch.load(model_weight_path, map_location='cpu'))# 改变fc layer structure 把fc的输出维度改为2in_channel = net.fc.in_featuresnet.fc = nn.Linear(in_channel, 2)net.to(device)# 模型训练配置loss_function = nn.CrossEntropyLoss()# 训练的时候，也可以冻结掉卷积层的参数, 也可以指定不同层的参数使用不同的学习率进行训练res_params, conv_params, fc_params = [], [], []# named_parameters()能返回每一层的名字以及参数，是一个字典for name, param in net.named_parameters(): # layer 系列是残差层 if ('layer' in name): res_params.append(param) # 全连接层 elif ('fc' in name): fc_params.append(param) else: param.requires_grad = Falseparams = [ {'params': res_params, 'lr': 0.0001}, {'params': fc_params, 'lr': 0.0002},]optimizer = optim.Adam(params)这里修改优化器的参数即可。
这样完事之后，调用模型训练的函数，直接进行训练即可。这个脚本就是常规操作了，这里就不贴代码了。
4.2 模型预测
有了保存好的模型， 我们拿来一帧图像，根据停车位字典划分出一个个的停车位来，然后通过模型预测是不是空的，如果是空的， 在原图上进行标记出来即可。
所以下面是整个项目的核心预测：
def predict_on_img(img, spot_dict, model, class_indict, make_copy=True, color=[0, 255, 0], alpha=0.5, save=True): # 这个是停车场的全景图像 if make_copy: new_image = np.copy(img) overlay = np.copy(img) cnt_empty, all_spots = 0, 0 for spot in tqdm(spot_dict.keys()): all_spots += 1 (x1, y1, x2, y2) = spot (x1, y1, x2, y2) = (int(x1), int(y1), int(x2), int(y2)) spot_img = img[y1:y2, x1:x2] spot_img_pil = Image.fromarray(spot_img) label = model_infer(spot_img_pil, model, class_indict) if label == 'empty': cv2.rectangle(overlay, (int(x1), int(y1)), (int(x2), int(y2)), color, -1) cnt_empty += 1 cv2.addWeighted(overlay, alpha, new_image, 1 - alpha, 0, new_image) # 显示结果的 cv2.putText(new_image, "Available: %d spots" % cnt_empty, (30, 95), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 2) cv2.putText(new_image, "Total: %d spots" % all_spots, (30, 125), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 2) if save: filename = 'with_marking_predict.jpg' cv2.imwrite(filename, new_image) # cv_imshow('new_image', new_image) return new_image模型预测的核心，就是model_infer函数，这个也是模型预测的常规操作，这里不过多解释了。
视频的话，无非就是多帧图像，对于每一帧过一下这个函数，就能进行视频的实时预测：
def predict_on_video(video_path, spot_dict, model, class_indict, ret=True): cap = cv2.VideoCapture(video_path) count = 0 while ret: ret, image = cap.read() count += 1 if count == 5: count = 0 new_image = predict_on_img(image, spot_dict, model, class_indict, save=False) cv2.imshow('frame', new_image) if cv2.waitKey(10) & 0xFF == ord('q'): break cv2.destroyAllWindows() cap.release()以上就是关于“OpenCV停车场车位实时检测项目分析”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网行业资讯频道。
