如何使用EmguCV检测自定义对象

Question

我正在写一些物体检测代码。所以，我做了一次培训，从tensorflow获得了.pb和graph.pbtxt文件。接下来我要做的是python代码，它使用opencv for python基于这两个文件执行对象检测。 下面是我的python脚本，它运行良好：

import cv2 as cv

cvNet = cv.dnn.readNetFromTensorflow('frozen_inference_graph.pb', 'graph.pbtxt')

img = cv.imread('75.png')
rows = img.shape[0]
cols = img.shape[1]
cvNet.setInput(cv.dnn.blobFromImage(img, size=(300, 300), swapRB=True, crop=False))
cvOut = cvNet.forward()
print(rows)
print(cols)

for detection in cvOut[0,0,:,:]:
    print(type(cvOut[0,0,:,:]))
    score = float(detection[2])
    if score > 0.1:
        left = detection[3] * cols
        top = detection[4] * rows
        right = detection[5] * cols
        bottom = detection[6] * rows
        cv.rectangle(img, (int(left), int(top)), (int(right), int(bottom)), (0, 0, 255), thickness=2)
        print('true')
    print(score)

cv.imshow('img', cv.resize(img, None, fx=0.3, fy=0.3))
cv.waitKey()

但是，我需要使用传统OpenCV的包装器EmguCV库使用.NET（C#）完成相同的代码

下面是我设法编写的代码的一部分：

private bool RecognizeCO(string fileName)
{
            Image<Bgr, byte> img = new Image<Bgr, byte>(fileName);

            int cols = img.Width;

            int rows = img.Height;

            imageBox2.Image = img;

            Net netcfg = DnnInvoke.ReadNetFromTensorflow("CO.pb", "graph.pbtxt");

            netcfg.SetInput(DnnInvoke.BlobFromImage(img));

            Mat mat = netcfg.Forward();

            return false;
}

不幸的是，我不知道在那之后该怎么办。。。。实际上，我在C代码中得到了相同的结果，就像在Python代码中一样。我知道，我可以从C#调用python脚本，但我真的需要用C#和EmguCV来完成这段代码。 请帮帮我！ 提前感谢您的帮助

Answer 1

所以，我终于成功地结束了那段代码。。。 解决方案相当简单： 在获取mat变量后，我们可以从Mat中获取Data作为浮点[，，]数组：float[,,,] flt = (float[,,,])mat.GetData(); 或者只使用一维数组：float[] flt = (float[])mat.GetData(jagged:false)（但我更喜欢上一个）

然后，在该数组中创建一个循环：

                for (int x = 0; x < flt.GetLength(2); x++)
                {
                    if (flt[0, 0, x, 2] > 0.1)
                    {
                        int left = Convert.ToInt32(flt[0, 0, x, 3] * cols);
                        int top = Convert.ToInt32(flt[0, 0, x, 4] * rows);
                        int right = Convert.ToInt32(flt[0, 0, x, 5] * cols);
                        int bottom = Convert.ToInt32(flt[0, 0, x, 6] * rows);

                        image1.Draw(new Rectangle(left, top, right - left, bottom - top), new Bgr(0, 0, 255), 2);
                    }
                }

最后，我们可以保存该图像：

image1.Save("testing-1.png");

因此，结果代码如下所示：

            using (Image<Bgr, byte> image1 = new Image<Bgr, byte>("testing.png"))
            {
                int interception = 0;

                int cols = image1.Width;

                int rows = image1.Height;

                Net netcfg = DnnInvoke.ReadNetFromTensorflow(Directory.GetCurrentDirectory() + @"\fldr\CO.pb", Directory.GetCurrentDirectory() + @"\fldr\graph.pbtxt");

                netcfg.SetInput(DnnInvoke.BlobFromImage(image1.Mat, 1, new System.Drawing.Size(300, 300), default(MCvScalar), true, false));

                Mat mat = netcfg.Forward();

                float[,,,] flt = (float[,,,])mat.GetData();

                for (int x = 0; x < flt.GetLength(2); x++)
                {
                    if (flt[0, 0, x, 2] > 0.1)
                    {
                        int left = Convert.ToInt32(flt[0, 0, x, 3] * cols);
                        int top = Convert.ToInt32(flt[0, 0, x, 4] * rows);
                        int right = Convert.ToInt32(flt[0, 0, x, 5] * cols);
                        int bottom = Convert.ToInt32(flt[0, 0, x, 6] * rows);

                        image1.Draw(new Rectangle(left, top, right - left, bottom - top), new Bgr(0, 0, 255), 2);
                    }
                }

                image1.Save("testing-1.png");
            }