图像识别之麻将识别源码（ 一 ）
object detection自定义物体识别之麻将识别（ 一 ）
未经过允许不得转载，转载请联系我，如何联系，点我头像。
连载已经完结,
百度网盘测试APP下载地址：
链接：https://pan.baidu.com/s/1grwUcLkI9i3OABsLtB5h3Q
提取码：pkbl
先见效果图，另外我已经上传到了抖音视频，想看NB效果，可以点击链接直接观看：
本人从事机器学习有一些时间，感觉与一般做APP应用也没有啥差别，现在每天就是准备样本 ，调整参数，训练，验证结果。可能是我还没有达到哪些教授的水平能设计神经网络吧，感觉也就是一般马龙该做的杂七杂八事情。另外我更加关注移动设备AI的实现与效果，体验一样重要，识别的速度要快！
接下来的博客开始记录我研究过程，过程是：采集样本->标注->训练->测试。
先从准备样本开始。找一台高清拍照手机， 一张桌子， 一副麻将牌。刚好这些家里都有(*￣︶￣)。
麻将一共27张不同的牌，先将麻将找出来。
一般训练都需要图片，打算每张麻将拍摄100张左右，80张用于训练，20张用于测试。样本可能算少了一点，考虑到麻将背景单一，结构比较简单，根据我经验，这些样本应该算是一般够用的。
拍摄图片拷贝到电脑，但是考虑到这些图片张数特别多100*27 = 2700张。这么多图片拷贝还是挺麻烦的，关键是图片还要按命名规范，重命名2700个图片就已经很累的，更别说去打标了。 由于这样，本人考虑可以拍摄视频，通过将视频裁剪出一张一张这样就简单多了，只用拍摄27个视频文件，只用重命名27个视频文件，通过python脚本将图片截出来，放到对应文件夹即可，既然会python，不得已才用人工啊 。
拍摄视频技巧： 内心假设有一个半球透明遮罩盖在麻将上面，打开相机录像，验证遮罩上下左右四面八方来一遍，记得过程要缓慢，运动过快拍摄视频会比较模糊，后期图片也会比较模糊。
上图就是拍摄的视频文件，实际多一个麻将背景图视频。
接下来就要上python了，将视频截图保存到对应目录，并且按照一定的命名规范。如下图，
当然算法裁剪后的图还是需要简单人工挑选的，删掉没有麻将的图，删掉比较模糊的图。
现在开始上代码了，下一节将讲如何打标。
算法虽然简单，但是包含了命名规范，避免文件名相同覆盖，自己感觉还是很特意的。
for videodir in dirs:
print('dealing {}'.format(videodir))
videopath = os.path.join(VIDEO_PATH,videodir)
cap = cv2.VideoCapture(videopath)
videoname=os.path.splitext(videodir)[0]
if videoname.find('_')>=0:
videoname=videoname.split('_')[0]
print('videoname= {}'.format(videoname))
imagepath_parrent = os.path.join(IMAGE_PATH,videoname)
ret = cap.isOpened()
if ret:
if os.path.exists(imagepath_parrent)== False:
os.mkdir(imagepath_parrent)
imagepath = os.path.join(imagepath_parrent,videoname)
frame_num = 0
frame_step = 0
frame_success = 0
while ret:
ret,cameraImg = cap.read()
frame_num+=1
if frame_num%8==0:
frame_success+=1
frame_step=frame_step+1;
cv2.imwrite(getImageFilePath(imagepath,frame_step), cameraImg)
print('done {},total {}'.format(videodir,frame_success))
