作者：吳至文 郭葉軍 宗煒 李鵬 趙娟

來源：大數(shù)據(jù)DT(ID：hzdashuju)

內(nèi)容摘編自《OpenCV深度學(xué)習(xí)應(yīng)用與性能優(yōu)化實(shí)踐》

導(dǎo)讀：本文將介紹OpenCV的源碼結(jié)構(gòu)、OpenCV深度學(xué)習(xí)應(yīng)用的典型流程，以及深度學(xué)習(xí)和OpenCV DNN(Deep Neural Networks，深度神經(jīng)網(wǎng)絡(luò))模塊的背景知識，讓讀者可以快速認(rèn)識OpenCV，消除神秘感，同時(shí)對計(jì)算機(jī)視覺從傳統(tǒng)算法到深度學(xué)習(xí)算法的演進(jìn)歷史有所了解。

OpenCV是一個(gè)計(jì)算機(jī)視覺開源庫，提供了處理圖像和視頻的能力。OpenCV的影響力非常大，有超過47 000的社區(qū)用戶，以及超過1400萬次的下載量。其應(yīng)用領(lǐng)域橫跨圖像處理、交互式藝術(shù)、視頻監(jiān)督、地圖拼接和高級機(jī)器人等。作為一個(gè)有十幾年歷史的開源項(xiàng)目，OpenCV擁有廣大的用戶群體和開發(fā)者群體。

在數(shù)字的世界中，一幅圖像由多個(gè)點(diǎn)(像素)組成。圖像處理就是對其中一個(gè)像素或者一個(gè)區(qū)域內(nèi)的像素(塊)進(jìn)行處理。無論是初學(xué)者還是富有經(jīng)驗(yàn)的研發(fā)人員，他們都需要借助軟件工具來分析這些像素和圖像塊，OpenCV則是其中最常用、最重要的一個(gè)軟件工具。

OpenCV成為最主要的圖像處理工具包，是因?yàn)樗δ荦R全，支持目前主流的圖像、視頻處理算法，而且對外提供C++、Python和Java的接口，用戶調(diào)用方便。本書的代碼分析、示例程序及環(huán)境搭建基于OpenCV 4.1版本，源代碼位于GitHub的OpenCV倉庫。

01 OpenCV庫

OpenCV由各種不同組件組成。OpenCV源代碼主要由OpenCV core(核心庫)、opencv_contrib和opencv_extra等子倉庫組成。近些年，OpenCV的主倉庫增加了深度學(xué)習(xí)相關(guān)的子倉庫：OpenVINO(即DLDT, Deep Learning Deployment Toolkit)、open_model_zoo，以及標(biāo)注工具CVAT等。

下面分別介紹3個(gè)主要的代碼庫：OpenCV core、opencv_contrib、opencv_extra。

1. 核心庫OpenCV core

核心庫是OpenCV的主要算法來源。OpenCV采用模塊化結(jié)構(gòu)設(shè)計(jì)，包含了多個(gè)共享或者靜態(tài)庫。目前OpenCV核心庫提供了很多組件，如下所示。

核心功能模塊：這是一個(gè)小巧而高效的模塊，定義了基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)，包含緊密多尺度向量矩陣和一些供其他模塊使用的基礎(chǔ)函數(shù)

圖像處理模塊：它包括了線性和非線性的圖像濾波、幾何圖像變換(圖像縮放、仿射變換、透視矯正、通用的基于表格的像素映射)、色域變換及直方圖生成與分析等

視頻：這是一個(gè)視頻分析模塊，包含運(yùn)動(dòng)檢測、背景減除和對象追蹤等算法

calib3d：包含基礎(chǔ)的多視角幾何算法、單個(gè)和立體相機(jī)標(biāo)定算法、對象姿勢預(yù)測算法、立體一致性算法，以及3D元素重建

Features2d：圖像顯著特征檢測、特征點(diǎn)描述和匹配

Objdetect：對象檢測和預(yù)先定義的類別檢測(如臉、眼、杯子、人、車等)

Highgui：提供了比較容易使用的UI接口

Video I/O：提供了基本的視頻存取訪問和編解碼功能

GPU：為不同的OpenCV算法模塊提供GPU加速算法

其他：如FLANN和Google測試封裝層、Python綁定等

2. opencv_contrib

opencv_contrib代碼庫主要用于管理新功能模塊的開發(fā)。該庫的設(shè)計(jì)主要基于以下考慮：處于初始開發(fā)階段的功能模塊，它的API定義會經(jīng)常變化，各種測試也不夠全面。

為了不影響OpenCV核心模塊的穩(wěn)定性，這些新功能模塊會發(fā)布到opencv_contrib中。等到模塊足夠成熟并且在社區(qū)得到了足夠的關(guān)注和使用之后，這個(gè)模塊便會被移到OpenCV核心庫，這意味著核心庫開發(fā)團(tuán)隊(duì)將會對該模塊進(jìn)行全面的測試，保證這個(gè)模塊具有產(chǎn)品級的質(zhì)量。

例如，對于DNN這個(gè)模塊，OpenCV 3.1開始出現(xiàn)在opencv_contrib中，到了3.3版本才移到了OpenCV核心庫。

opencv_contrib需要和OpenCV核心庫一同編譯。下載好opencv_contrib的源代碼并在CMake執(zhí)行時(shí)傳入?yún)?shù)：-DOPENCV_EXTRA_MODULES_PATH=/modules。

如果編譯時(shí)遇到問題，則可以在OpenCV核心庫和opencv_contrib庫的問題匯報(bào)頁面,查看一下是否有現(xiàn)成的解決方案，如果沒有，則讀者可新建一個(gè)問題。OpenCV是一個(gè)活躍的社區(qū)，只要問題描述清晰、完整，一般會很快得到反饋。

3. opencv_extra

opencv_extra倉庫存放了運(yùn)行測試和示例程序時(shí)需要使用的一些測試數(shù)據(jù)和腳本。例如，運(yùn)行DNN模塊測試程序或者示例程序時(shí)需要用到預(yù)訓(xùn)練模型，這些模型可以通過opencv_extra中的腳本來自動(dòng)下載。近些年添加的opencv/open_model_zoo倉庫也增加了很多預(yù)訓(xùn)練好的深度學(xué)習(xí)模型，這些模型大多做過性能和速度上的調(diào)優(yōu)。

02 OpenCV深度學(xué)習(xí)應(yīng)用的典型流程

OpenCV是一個(gè)自包含庫，可以不依賴于任何第三方庫而運(yùn)行，這個(gè)特性給開發(fā)調(diào)試帶來了很大的便利。另外，OpenCV還提供了硬件加速功能，使得算法能夠在各種平臺高效地執(zhí)行。

下面以一個(gè)識別性別和年齡的深度學(xué)習(xí)應(yīng)用為例，展現(xiàn)OpenCV深度學(xué)習(xí)應(yīng)用的典型流程。該應(yīng)用使用C++語言，總共只需要百來行代碼便可實(shí)現(xiàn)人臉檢測、性別和年齡的識別功能，還可以方便地使用硬件的加速能力，提高程序的運(yùn)行效率。此處展示核心流程，故以偽代碼為例，完整的源代碼由本書的參考代碼庫提供。

該應(yīng)用的核心流程如下：首先讀取兩個(gè)網(wǎng)絡(luò)模型參數(shù)(分別是性別和年齡)，然后檢測人臉，轉(zhuǎn)換輸入圖像，最后運(yùn)行網(wǎng)絡(luò)前向預(yù)測。偽代碼如下：

// 引入OpenCV DNN模塊的命名空間

using namespace cv：：dnn;

// 創(chuàng)建人臉檢測器

CascadeClassifier cascade;

// 導(dǎo)入性別和年齡深度神經(jīng)網(wǎng)絡(luò)模型

Net gender_net=dnn：：readNetFromCaffe(gender_modelTxt， gender_modelBin);

Net age_net=dnn：：readNetFromCaffe(age_modelTxt， age_modelBin);

// 人臉檢測

cascade.load(cascadeName);

cascade.detectMultiScale(input_gray_file， output_faces_data);

// 準(zhǔn)備深度神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)

Mat inputBlob=blobFromImage(input.getMat(ACCESS_READ));

gender_net.setInput(inputBlob, "data");

age_net.setInput(inputBlob, "data");

// 執(zhí)行模型的前向運(yùn)算，即模型推理

Mat gender_prob=gender_net.forward("prob");

Mat age_prob=age_net.forward("prob");

應(yīng)用識別效果如圖1-1所示。

▲圖1-1 應(yīng)用識別效果圖

以上偽代碼很好地展示了OpenCV深度學(xué)習(xí)應(yīng)用的典型流程，如圖1-2所示。

▲圖1-2 OpenCV深度學(xué)習(xí)應(yīng)用的典型流程

03 OpenCV深度學(xué)習(xí)模塊

深度學(xué)習(xí)模塊是OpenCV為支持基于深度學(xué)習(xí)的計(jì)算機(jī)視覺應(yīng)用所加入的新特性。OpenCV DNN模塊于OpenCV 3.1版本開始出現(xiàn)在opencv_contrib庫中，從3.3版本開始被納入OpenCV核心庫。

本節(jié)主要講解OpenCV深度學(xué)習(xí)模塊的實(shí)現(xiàn)原理和主要特性，通過這些內(nèi)容，讀者可以對OpenCV DNN有一個(gè)總體了解，并對OpenCV深度學(xué)習(xí)模塊的應(yīng)用代碼有一個(gè)初步的印象。

作為計(jì)算機(jī)視覺領(lǐng)域的“標(biāo)準(zhǔn)庫”，OpenCV為用戶提供深度學(xué)習(xí)的支持是題中應(yīng)有之義。OpenCV選擇重新實(shí)現(xiàn)一個(gè)深度學(xué)習(xí)框架而不是直接調(diào)用現(xiàn)有的各種框架(如TensorFlow、Caffe等)，有如下幾點(diǎn)原因。

輕量：OpenCV的深度學(xué)習(xí)模塊只實(shí)現(xiàn)了模型推理功能，這使得相關(guān)代碼非常精簡，加速了安裝和編譯過程。

最少的外部依賴：重新實(shí)現(xiàn)一遍深度學(xué)習(xí)框架使得對外部依賴減到最小，大大方便了深度學(xué)習(xí)應(yīng)用的部署。

方便集成：①如果原來的應(yīng)用是基于OpenCV開發(fā)的，通過深度學(xué)習(xí)模塊可以非常方便地加入對神經(jīng)網(wǎng)絡(luò)推理的支持;②如果網(wǎng)絡(luò)模型來自多個(gè)框架，如一個(gè)來自TensorFlow，一個(gè)來自Caffe，則深度學(xué)習(xí)模塊可以方便整合網(wǎng)絡(luò)運(yùn)算結(jié)果。

通用性：①提供統(tǒng)一的接口來操作網(wǎng)絡(luò)模型;②內(nèi)部所做的優(yōu)化和加速對所有網(wǎng)絡(luò)模型格式都適用;③支持多種設(shè)備和操作系統(tǒng)。

1. 主要特性

OpenCV深度學(xué)習(xí)模塊只提供網(wǎng)絡(luò)推理功能，不支持網(wǎng)絡(luò)訓(xùn)練。像所有的推理框架一樣，加載和運(yùn)行網(wǎng)絡(luò)模型是基本的功能。深度學(xué)習(xí)模塊支持TensorFlow、Caffe、Torch、DarkNet、ONNX和OpenVINO格式的網(wǎng)絡(luò)模型，用戶無須考慮原格式的差異。在加載過程中，各種格式的模型被轉(zhuǎn)換成統(tǒng)一的內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)。

深度學(xué)習(xí)模塊支持所有的基本網(wǎng)絡(luò)層類型和子結(jié)構(gòu)，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。

如果需要的層類型不在這個(gè)支持列表之內(nèi)，則可以通過腳注中的申請鏈接來請求新的層類型的支持，OpenCV的開發(fā)者們有可能會在將來加入對該層類型的支持。讀者也可以自己動(dòng)手實(shí)現(xiàn)新的層類型，并把代碼反饋回社區(qū)，參與到深度學(xué)習(xí)模塊的開發(fā)中來。

除了實(shí)現(xiàn)基本的層類型，支持常見的網(wǎng)絡(luò)架構(gòu)也很重要，經(jīng)過嚴(yán)格測試，深度學(xué)習(xí)模塊支持的網(wǎng)絡(luò)架構(gòu)如下所示。

圖像分類網(wǎng)絡(luò)

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

對象檢測網(wǎng)絡(luò)

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

語義分割網(wǎng)絡(luò)：FCN(Caffe)、ENet(Torch)、ResNet101_DUC_HDC(ONNX)

姿勢估計(jì)網(wǎng)絡(luò)：openpose(Caffe)

圖像處理網(wǎng)絡(luò)：Colorization(Caffe)、Fast-Neural-Style(Torch)

人臉識別網(wǎng)絡(luò)：openface(Torch)

2. OpenCV DNN圖像分類舉例（Python）

C++和Python是OpenCV應(yīng)用開發(fā)的主要語言，1.1.2節(jié)介紹了一個(gè)基于C++語言的深度學(xué)習(xí)應(yīng)用，本節(jié)繼續(xù)介紹一個(gè)基于Python的圖像分類示例。

首先引入必要的Python庫：

import numpy as np # 引入numpy庫

import cv2 as cv # 引入OpenCV庫，深度學(xué)習(xí)模塊包含在其中

讀入類別文件：

with open('synset_words.txt') as f:

classes=[x[x.find(' ') + 1:] for x in f]

讀入待分類的圖片：

image=cv.imread('space_shuttle.jpg')

調(diào)用深度學(xué)習(xí)模塊的blobFromImage方法將圖片對象轉(zhuǎn)換成網(wǎng)絡(luò)模型的輸入張量(tensor)。該張量的大小是224×224.參數(shù)中的(104.117.123)表示需要從輸入張量減掉的均值，它是從訓(xùn)練網(wǎng)絡(luò)模型時(shí)用到的數(shù)據(jù)集計(jì)算出來的，這里直接使用即可。第二個(gè)參數(shù)“1”表示將OpenCV的默認(rèn)通道順序BGR轉(zhuǎn)換成網(wǎng)絡(luò)模型要求的RGB通道順序。

input=cv.dnn.blobFromImage(image, 1. (224. 224), (104. 117. 123))

下面來加載Caffe網(wǎng)絡(luò)模型。注意，相關(guān)的模型參數(shù)和配置文件可在這里下載：

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')

設(shè)置網(wǎng)絡(luò)模型輸入：

net.setInput(input)

執(zhí)行網(wǎng)絡(luò)推理并得到輸出結(jié)果：

out=net.forward()

從網(wǎng)絡(luò)輸出中獲取最大的5個(gè)可能種類的索引值并輸出類別名稱和概率值：

indexes=np.argsort(out[0])[-5:]

for i in reversed(indexes):

print ('class:', classes[i], ' probability:', out[0][i])

通過這個(gè)例子，我們可以看到一個(gè)基于深度學(xué)習(xí)模型的分類應(yīng)用并不復(fù)雜，主要分3部分：模型導(dǎo)入、網(wǎng)絡(luò)執(zhí)行和結(jié)果解析。

小結(jié)

通過本章的學(xué)習(xí)，讀者可以了解到OpenCV的主要組成部分，尤其是OpenCV深度學(xué)習(xí)模塊的基本情況。基于C++和Python的例子為讀者展示了OpenCV深度學(xué)習(xí)應(yīng)用的主要流程。

關(guān)于作者：吳至文，Intel亞太研發(fā)有限公司資深圖形圖像工程師，擁有多年算法開發(fā)優(yōu)化經(jīng)驗(yàn)，技術(shù)領(lǐng)域涵蓋顯示系統(tǒng)、視覺處理、深度學(xué)習(xí)框架加速，尤其擅長基于OpenCL和Vulkan的算法設(shè)計(jì)及優(yōu)化，是OpenCV DNN模塊Vulkan后端的作者、OpenCL后端主要貢獻(xiàn)者之一。

郭葉軍，Intel資深圖形圖像工程師。多年圖形芯片驅(qū)動(dòng)開發(fā)經(jīng)驗(yàn)，主要包括OpenGL驅(qū)動(dòng)和OpenCL驅(qū)動(dòng)。目前關(guān)注視頻分析中的深度學(xué)習(xí)，是FFmpeg深度學(xué)習(xí)模塊的代碼維護(hù)者。

宗煒，Intel資深圖形圖像工程師，長期從事計(jì)算機(jī)視覺算法與應(yīng)用、數(shù)字圖像處理、Camera成像算法開發(fā)，在CPU/GPU/ISP異構(gòu)計(jì)算算法設(shè)計(jì)與優(yōu)化上經(jīng)驗(yàn)頗豐，是圖像處理與計(jì)算機(jī)視覺算法開源項(xiàng)目libXCam的維護(hù)者和主要貢獻(xiàn)者。

李鵬，阿里巴巴高級技術(shù)專家，原Intel亞太研發(fā)有限公司資深圖形圖像工程師。涉及領(lǐng)域包括顯示系統(tǒng)、圖形圖像處理、深度學(xué)習(xí)框架加速。是OpenCV DNN模塊OpenCL后端主要貢獻(xiàn)者之一。

趙娟，Intel高級研發(fā)經(jīng)理，鉆研圖形圖像、視頻編解碼和視頻處理十幾年，帶領(lǐng)團(tuán)隊(duì)深耕視頻編解碼和處理軟硬件加速、深度學(xué)習(xí)算法分析與設(shè)計(jì)，致力于讓開源軟件在圖形圖像視頻市場落地，并組織團(tuán)隊(duì)把多年的“干貨”整理成書，與視頻行業(yè)的朋友們一起探討與成長。

本文摘編自《OpenCV深度學(xué)習(xí)應(yīng)用與性能優(yōu)化實(shí)踐》，經(jīng)出版方授權(quán)發(fā)布。