無論是從酒店房間接聽電話、在辦公里樓工作，還是根本不想在家庭辦公室等情況，電話會議模糊功能都可以讓會議與會者專注于自己，這樣的功能對于在家工作并希望保護其家庭成員隱私的人特別有用。
為了實現這樣的功能，微軟利用計算機視覺、深度學習以及實例分割技術實現。
在之前的博文中，介紹了如何利用YOLO以及OpenCV實現目標檢測的功能，今天將采用Mask R-CNN來構建視頻模糊功能。

使用OpenCV進行實例分割

https://youtu.be/puSN8Dg-bdI

在本教程的第一部分中，將簡要介紹實例分割；之后將使用實例分割和OpenCV來實現：

• 從視頻流中檢測出用戶并分割；
• 模糊背景；
• 將用戶添加回流本身；

什么是實例分割？

圖1：對象檢測和實例分割之間的區別

如上圖所示，對于對象檢測（左圖，Object Detection）而言，在各個對象周圍繪制出一個框。 實例分割（右圖，Instance Segmentation）而言，是需要嘗試確定哪些像素屬于對應的對象。通過上圖，可以清楚地看到兩者之間的差異。
執行對象檢測時，是需要：

• 計算每個對象的邊界框(x,y的)-坐標；
• 然后將類標簽與每個邊界框相關聯；

從上可以看出，對象檢測并沒有告訴我們關于對象本身的形狀，而只獲得了一組邊界框坐標。而另一方面，實例分割需要計算出一個逐像素掩模用于圖像中的每個對象。
即使對象具有相同的類標簽，例如上圖中的兩只狗，我們的實例分割算法仍然報告總共三個獨特的對象：兩只狗和一只貓。
使用實例分割，可以更加細致地理解圖像中的對象——比如知道對象存在于哪個（x，y）坐標中。此外，通過使用實例分割，可以輕松地從背景中分割前景對象。
本文使用Mask R-CNN進行實例分割。

項目結構

項目樹：

$ tree --dirsfirst . ├── mask-rcnn-coco │?? ├── frozen_inference_graph.pb │?? ├── mask_rcnn_inception_v2_coco_2018_01_28.pbtxt │?? └── object_detection_classes_coco.txt └── instance_segmentation.py1 directory, 4 files

項目包括一個目錄（由三個文件組成）和一個Python腳本：

• mask-rcnn-coco/：Mask R-CNN模型目錄包含三個文件：

  • frozen_inference_graph .pb：Mask R-CNN模型的權重，這些權重是在COCO數據集上預先訓練所得到的；
  • mask_rcnn_inception_v2_coco_2018_01_28 .pbtxt：Mask R-CNN模型的配置文件，如果你想在自己的數據集上構建及訓練自己的模型，可以參閱網上的一些資源更改該配置文件。
  • object_detection_classes_coco.txt：此文本文件中列出了數據集中包含的90個類，每行表示一個類別。
• instance_segmentation .py：背景模糊腳本，本文的核心內容， 將詳細介紹該代碼并評估其算法性能。

使用OpenCV實現實例分割

下面開始使用OpenCV實現實例分割。首先打開instance_segmentation .py文件并插入以下代碼：

# import the necessary packages from imutils.video import VideoStream import numpy as np import argparse import imutils import time import cv2 import os

在開始編寫腳本時，首先需要導入必要的包，并且需要配置好編譯環境。本文使用的OpenCV版本為3.4.3。如果個人的計算機配置文件不同，需要對其進行更新。強烈建議將此軟件放在隔離的虛擬環境中，推薦使用conda安裝。
下面解析命令行參數：

# construct the argument parse and parse the arguments ap = argparse.ArgumentParser() ap.add_argument("-m", "--mask-rcnn", required=True,help="base path to mask-rcnn directory") ap.add_argument("-c", "--confidence", type=float, default=0.5,help="minimum probability to filter weak detections") ap.add_argument("-t", "--threshold", type=float, default=0.3,help="minimum threshold for pixel-wise mask segmentation") ap.add_argument("-k", "--kernel", type=int, default=41,help="size of gaussian blur kernel") args = vars(ap.parse_args())

每個命令行參數的描述可以在下面找到：

• mask-rcnn：Mask R-CNN目錄的基本路徑；
• confidence：濾除弱檢測的最小概率，可以將此值的默認值設置為0.5，也可以通過命令行傳遞不同的值；
• threshold：像素掩碼分割的最小閾值，默認設置為 0.3；
• kernel：高斯模糊內核的大小，默認設置41，這是通過實驗得到的經驗值；

下面加載數據集的標簽和OpenCV實例分割模型：

# load the COCO class labels our Mask R-CNN was trained on labelsPath = os.path.sep.join([args["mask_rcnn"],"object_detection_classes_coco.txt"]) LABELS = open(labelsPath).read().strip().split("\n")# derive the paths to the Mask R-CNN weights and model configuration weightsPath = os.path.sep.join([args["mask_rcnn"],"frozen_inference_graph.pb"]) configPath = os.path.sep.join([args["mask_rcnn"],"mask_rcnn_inception_v2_coco_2018_01_28.pbtxt"])# load our Mask R-CNN trained on the COCO dataset (90 classes) # from disk print("[INFO] loading Mask R-CNN from disk...") net = cv2.dnn.readNetFromTensorflow(weightsPath, configPath)

標簽文件位于mask-rcnn - coco目錄，指定好路徑后就可以加載標簽文件了。同樣地， weightsPath和configPath也執行類型的操作。
基于這兩個路徑，利用dnn模塊初始化神經網絡。在開始處理視頻幀之前，需要將Mask R-CNN加載到內存中（只需要加載一次）。
下面構建模糊內核并啟動網絡攝像頭視頻流：

# construct the kernel for the Gaussian blur and initialize whether # or not we are in "privacy mode" K = (args["kernel"], args["kernel"]) privacy = False# initialize the video stream, then allow the camera sensor to warm up print("[INFO] starting video stream...") vs = VideoStream(src=0).start() time.sleep(2.0)

模糊內核元組也通過行命令設定。此外，項目有兩種模式：“正常模式”和“隱私模式”。因此， 布爾值privacy用于模式邏輯，上述代碼將其初始化為False。
網絡攝像頭視頻流用VideoStream(src=0).start()，首先暫停兩秒鐘以讓傳感器預熱。
初始化了所有變量和對象后，就可以從網絡攝像頭開始處理幀了：

# loop over frames from the video file stream while True:# grab the frame from the threaded video streamframe = vs.read()# resize the frame to have a width of 600 pixels (while# maintaining the aspect ratio), and then grab the image# dimensionsframe = imutils.resize(frame, width=600)(H, W) = frame.shape[:2]# construct a blob from the input image and then perform a# forward pass of the Mask R-CNN, giving us (1) the bounding# box coordinates of the objects in the image along with (2)# the pixel-wise segmentation for each specific objectblob = cv2.dnn.blobFromImage(frame, swapRB=True, crop=False)net.setInput(blob)(boxes, masks) = net.forward(["detection_out_final","detection_masks"])

在每次迭代中，將抓取一幀并將其調整為設定的寬度，同時保持縱橫比。此外，為了之后的縮放操作，繼續并提取幀的尺寸。然后，構建一個blob并完成前向傳播網絡。
結果輸出是boxes和masks，雖然需要用到掩碼（mask），但還需要使用邊界框（boxes）中包含的數據。
下面對索引進行排序并初始化變量：

# sort the indexes of the bounding boxes in by their corresponding# prediction probability (in descending order)idxs = np.argsort(boxes[0, 0, :, 2])[::-1]# initialize the mask, ROI, and coordinates of the person for the# current framemask = Noneroi = Nonecoords = None

通過其對應的預測概率對邊界框的索引進行排序，假設具有最大相應檢測概率的人是我們的用戶。然后初始化mask、roi以及邊界框的坐標。
遍歷索引并過濾結果：

# loop over the indexesfor i in idxs:# extract the class ID of the detection along with the# confidence (i.e., probability) associated with the# predictionclassID = int(boxes[0, 0, i, 1])confidence = boxes[0, 0, i, 2]# if the detection is not the 'person' class, ignore itif LABELS[classID] != "person":continue# filter out weak predictions by ensuring the detected# probability is greater than the minimum probabilityif confidence > args["confidence"]:# scale the bounding box coordinates back relative to the# size of the image and then compute the width and the# height of the bounding boxbox = boxes[0, 0, i, 3:7] * np.array([W, H, W, H])(startX, startY, endX, endY) = box.astype("int")coords = (startX, startY, endX, endY)boxW = endX - startXboxH = endY - startY

從idxs開始循環，然后，使用框和當前索引提取classID和 置信度。隨后，執行第一個過濾器—— “人”。如果遇到任何其他對象類，繼續下一個索引。下一個過濾器確保預測的置信度超過通過命令行參數設置的閾值。
如果通過了該測試，那么將邊界框坐標縮放回圖像的相對尺寸，然后提取坐標和對象的寬度/高度。
計算掩膜并提取ROI：

# extract the pixel-wise segmentation for the object,# resize the mask such that it's the same dimensions of# the bounding box, and then finally threshold to create# a *binary* maskmask = masks[i, classID]mask = cv2.resize(mask, (boxW, boxH),interpolation=cv2.INTER_NEAREST)mask = (mask > args["threshold"])# extract the ROI and break from the loop (since we make# the assumption there is only *one* person in the frame# who is also the person with the highest prediction# confidence)roi = frame[startY:endY, startX:endX][mask]break

上述代碼首先提取掩碼，并調整其大小，之后應用閾值來創建二進制掩碼本身。示例如下圖所示：

圖2：使用OpenCV和實例分割在網絡攝像頭前通過實例分割計算的二進制掩碼

從上圖中可以看到，假設所有白色像素都是人（即前景），而所有黑色像素都是背景。使用掩碼后，通過NumPy陣列切片計算roi。之后循環斷開，這是因為你找到最大概率的人了。
如果處于“隱私模式”，需要進行初始化輸出幀并計算模糊： # initialize our output frameoutput = frame.copy()# if the mask is not None *and* we are in privacy mode, then we# know we can apply the mask and ROI to the output imageif mask is not None and privacy:# blur the output frameoutput = cv2.GaussianBlur(output, K, 0)# add the ROI to the output frame for only the masked region(startX, startY, endX, endY) = coordsoutput[startY:endY, startX:endX][mask] = roi

其輸出幀只是原始幀的副本。
如果我們倆都：

• 有一個非空的掩膜；
• 處于“ 隱私模式”；
• ... ...

然后將使用模糊背景并將掩碼應用于輸出幀。
下面顯示輸出以及圖像處理按鍵：

# show the output framecv2.imshow("Video Call", output)key = cv2.waitKey(1) & 0xFF# if the `p` key was pressed, toggle privacy modeif key == ord("p"):privacy = not privacy# if the `q` key was pressed, break from the loopelif key == ord("q"):break# do a bit of cleanup cv2.destroyAllWindows() vs.stop()

keypresses被獲取其值，有兩個值可供選擇，但會導致不同的行為：

• “p”：按下此鍵時， 打開或關閉“ 隱私模式”；
• “q”：如果按下此鍵，將跳出循環并“退出”腳本；

每當退出時，上述代碼就會關閉打開的窗口并停止視頻流。

實例分割結果

現在已經實現了OpenCV實例分割算法，下面看看其實際應用！
打開一個終端并執行以下命令：

$ python instance_segmentation.py --mask-rcnn mask-rcnn-coco --kernel 41 [INFO] loading Mask R-CNN from disk... [INFO] starting video stream...

圖3：演示了一個用于網絡聊天的“隱私過濾器”
通過啟用“隱私模式”，可以：

• 使用OpenCV實例分割查找具有最大相應概率的人物檢測（最可能是最接近相機的人）；
• 模糊視頻流的背景；
• 將分割的、非模糊的人重疊到視頻流上；

下面列出一個視頻演示（需外網）：

https://youtu.be/puSN8Dg-bdI

看完視頻會立即注意到，并沒有獲得真正的實時性能——每秒只處理幾幀。為什么是這樣？
要回答這些問題，請務必參考以下部分。

限制、缺點和潛在的改進

第一個限制是最明顯的——OpenCV實例分割的實現太慢而無法實時運行。在CPU上運行，每秒只能處理幾幀。為了獲得真正的實時實例分割性能，需要利用到GPU。
但其中存在的問題是：

• OpenCV對其dnn模塊的GPU支持相當有限；
• 目前，它主要支持英特爾GPU；
• NVIDIA CUDA GPU支持正在開發中，但目前尚未推出；

一旦OpenCV正式支持dnn模塊的NVIDIA GPU版本， 就能夠更輕松地構建實時（甚至超實時）的深度學習應用程序。但就目前而言，本文的實例分割教程只作為演示：
此外，也可以做出的另一項改進與分割的人重疊在模糊的背景上有關。當將本文的實現與Microsoft的Office 365視頻模糊功能進行比較時，就會發現Microsoft會更加“流暢”。但也可以通過利用一些alpha混合來模仿這個功能。
對實例分割管道進行簡單而有效的更新可能是：

• 使用形態學操作來增加蒙版的大小；
• 在掩膜本身涂抹少量高斯模糊，幫助平滑掩碼；
• 將掩碼值縮放到范圍[0,1]；
• 使用縮放蒙版創建alpha圖層；
• 在模糊的背景上疊加平滑的掩膜+人；

或者，也可以計算掩膜本身的輪廓，然后應用掩膜近似來幫助創建“更平滑”的掩碼。

總結

看完本篇文章，你應該學習了如何使用OpenCV、Deep Learning和Python實現實例分割了吧。實例分割大體過程如下：

• 檢測圖像中的每個對象；
• 計算每個對象的逐像素掩碼；

注意，即使對象屬于同一類，實例分割也應為每個對象返回唯一的掩碼；

作者信息

Adrian Rosebrock ，機器學習，人工智能，圖像處理
本文由阿里云云棲社區組織翻譯。?
文章原標題《Instance segmentation with OpenCV》，譯者：海棠，審校：Uncle_LLD。?
文章為簡譯，更為詳細的內容，請查看原文。

總結

以上是生活随笔為你收集整理的使用opencv实现实例分割，一学就会|附源码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。