在利用ssd训练人脸检测模型之前，我们要对数据进行处理。我们针对每张照片，要将这种照片的的名字以及这张照片的各个标签信息存储到xml文件里面，最后的xml文件形式如下所示：
注意一下，其实xml的格式是那种根节点子节点的形式，比如在这里，annotation就是根节点，folder和size这些就是子节点，然后xmin这些就是子节点的子节点，我们最后要创建一个这种xml文件，那么我们就需要创建上图所示的这种结构，我们先学一下如何创建节点，代码如下：
'''this code was desinged by nike hu'''
from xml.dom.minidom import Document
import cv2
def write_xml_1(filename, savimg, bboxes, xmlpath):
'''saving 参数其实是输入的照片，bboxes是输入的标签坐标，xmlpath是最后保存xml文件的路径'''
doc = Document() # 定义整个文件的对象
annotation = doc.createElement('annotation') # 定义一个根节点
doc.appendChild(annotation) # 将创建的根节点加进去
folder = doc.createElement('folder') # 再创建annotation的子节点
folder_name = doc.createTextNode('widerface') # createTextNode() 方法创建文本节点,该方法返回 Text 对象
folder.appendChild(folder_name) # 把子节点放到folder后面,相当于<folder>widerface</folder>
annotation.appendChild(folder) # 将folder放到跟节点后面
filenamenode = doc.createElement('filename') # 创建节点
filename_name = doc.createTextNode(filename) # 创建文本
filenamenode.appendChild(filename_name) # 将文本放进去
annotation.appendChild(filenamenode) # 跟根节点关联起来我们学会如何闯将节点之后就可以任性的搭建我们想要的xml结构的文件，我这里提供一种搭建结构，这里得代码是用的他人的。大家看看，可以根据自己情况来改变。
def writexml(filename,saveimg,bboxes,xmlpath):
doc = Document()
annotation = doc.createElement('annotation')
doc.appendChild(annotation)
folder = doc.createElement('folder')
folder_name = doc.createTextNode('widerface')
folder.appendChild(folder_name)
annotation.appendChild(folder)
filenamenode = doc.createElement('filename')
filename_name = doc.createTextNode(filename)
filenamenode.appendChild(filename_name)
annotation.appendChild(filenamenode)
source = doc.createElement('source')
annotation.appendChild(source)
database = doc.createElement('database')
database.appendChild(doc.createTextNode('wider face Database'))
source.appendChild(database)
annotation_s = doc.createElement('annotation')
annotation_s.appendChild(doc.createTextNode('PASCAL VOC2007'))
source.appendChild(annotation_s)
image = doc.createElement('image')
image.appendChild(doc.createTextNode('flickr'))
source.appendChild(image)
flickrid = doc.createElement('flickrid')
flickrid.appendChild(doc.createTextNode('-1'))
source.appendChild(flickrid)
owner = doc.createElement('owner')
annotation.appendChild(owner)
flickrid_o = doc.createElement('flickrid')
flickrid_o.appendChild(doc.createTextNode('yanyu'))
owner.appendChild(flickrid_o)
name_o = doc.createElement('name')
name_o.appendChild(doc.createTextNode('yanyu'))
owner.appendChild(name_o)
size = doc.createElement('size')
annotation.appendChild(size)
width = doc.createElement('width')
width.appendChild(doc.createTextNode(str(saveimg.shape[1])))
height = doc.createElement('height')
height.appendChild(doc.createTextNode(str(saveimg.shape[0])))
depth = doc.createElement('depth')
depth.appendChild(doc.createTextNode(str(saveimg.shape[2])))
size.appendChild(width)
size.appendChild(height)
size.appendChild(depth)
segmented = doc.createElement('segmented')
segmented.appendChild(doc.createTextNode('0'))
annotation.appendChild(segmented)
for i in range(len(bboxes)):
bbox = bboxes[i]
objects = doc.createElement('object')
annotation.appendChild(objects)
object_name = doc.createElement('name')
object_name.appendChild(doc.createTextNode('face'))
objects.appendChild(object_name)
pose = doc.createElement('pose')
pose.appendChild(doc.createTextNode('Unspecified'))
objects.appendChild(pose)
truncated = doc.createElement('truncated')
truncated.appendChild(doc.createTextNode('1'))
objects.appendChild(truncated)
difficult = doc.createElement('difficult')
difficult.appendChild(doc.createTextNode('0'))
objects.appendChild(difficult)
bndbox = doc.createElement('bndbox')
objects.appendChild(bndbox)
xmin = doc.createElement('xmin')
xmin.appendChild(doc.createTextNode(str(bbox[0])))
bndbox.appendChild(xmin)
ymin = doc.createElement('ymin')
ymin.appendChild(doc.createTextNode(str(bbox[1])))
bndbox.appendChild(ymin)
xmax = doc.createElement('xmax')
xmax.appendChild(doc.createTextNode(str(bbox[0] + bbox[2])))
bndbox.appendChild(xmax)
ymax = doc.createElement('ymax')
ymax.appendChild(doc.createTextNode(str(bbox[1] + bbox[3])))
bndbox.appendChild(ymax)
f = open(xmlpath, "w")
f.write(doc.toprettyxml(indent=''))
f.close()对于wider_face这个数据集，这个数据集自带的文本文件如下：
这一行带有jpg字母的，就代表图片的路径，这一行的下面代表有多少个标签，然后449这些数据就代表x,y,w,h,…，后面几个0有其他含义，我们暂时用不到，知道文本文件之后，我们将每张照片的数据存储为xml格式的代码如下：
'''this code was desinged by nike hu'''
# 接下来这个函数用来将所有训练的照片找出来并且对每张照片创建xml文件
def convert_xml(label): # 这里得lable代表是train或者test,val
root_path = 'E:/code/DataSet/wider_face/' # 这里是下载数据集后的根目录
imageData = root_path + 'WIDER_' + label + '/images/' # 这里就定位到图片存储的位置
face_split = root_path + 'wider_face_split/' + 'wider_face_' + label + '_bbx_gt.txt' # 定位到坐标标注信息文档
face_file = open(face_split, 'r')
index = 0
while True:
filename = face_file.readline().strip() # 读取每一行，读取的这一行代表图像的存储路径,注意去掉字符串两边空格，否则最后存照片的时候可能出错
if 'jpg' not in filename: # 如果不是读取的图片路径那一行，跳过
continue
if filename == '': # 跳出循环的条件，代表已经读完了
break
image_path = (imageData + filename).strip() # 图像路径,记得strip将字符串两边空格去掉，否则图片读取为None
image = cv2.imread(image_path) # 读取图像
if image is None:
continue # 如果照片没有读取出来，跳过
number_label = face_file.readline() # 在图像路径的下一行会出现这张照片里面有的标签个数
if number_label == '0':
continue # 如果标签为0，代表这张照片没有标签，跳过
bboxes = [] # 用来存储坐标
for i in range(int(number_label)): # 接着读取下面的数据，有多少行标签就读取多少行
bbox = face_file.readline().split(' ') # 类似[449 330 122 149 0 0 0 0 0 0]
bboxes.append(bbox[0:4]) # 将坐标保存
save_file_name = filename.replace('/', '_') # 用后面的符号替代前面的符号
with open('./Imagesets/Main/' + label + '.txt', 'a') as f:
f.write(save_file_name.split('.')[0] + '\n') # 只保存文件名，不保存jpg这些文件格式,注意结尾加一个\n
cv2.imwrite('./JPEGimges/' + save_file_name, image) # 将image保存在这个目录下
xmlpath = 'Annotations/' + save_file_name.split('.')[0] + '.xml' # 保存的xml文件的名字，前面的Annotations是保存的文件夹
writexml(save_file_name.split('.')[0], image, bboxes, xmlpath) # 传入参数就去，存储xml文件
index += 1
print('已经处理了' + str(index) + '张照片')好了，对于数据集的处理就是这样了，希望对大家有用。
2020 4.16
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
