图片中的烟雾检测
依赖
参见 requirements.txt
训练模型
python smokeDetection.py image_train/smoke image_train/nosmoke
# 或者简写为
python smokeDetection.py
# 如上方式将使用默认的训练图片目录
调用模型分类
# 用全局模型进行分类
python smokeDetection_eval_whole.py [单张图片路径或者目录]
# 用局部模型进行分类
python smokeDetection_eval_local.py [单张图片路径或者目录]
# 综合局部模型和全局模型进行分类
python smokeDetection_eval_combine.py [单张图片路径]
配置选项
smokeDetection.ini
文件中,可以进行一些全局配置,例如
- 特征和模型定义文件
- 是否是全局模型(在训练局部模型时,这一项请务必置0)
- 默认的训练图片正负样例所在目录
- 保存的模型文件名称
- 判为正例的阈值
logger.conf
文件中可以对日志进行配置
扩展模型
用户可以自定义特征和模型(只需定义相应的 getFeature 和 getModel 方法,然后在配置文件中注明即可(请参考文件 features/feature_RGBspace_HOG.py
和 algorithms/algo_LR.py
中的写法,并注意返回值的类型)。