我使用 2000 个裁剪人脸图像（仅包含人脸）和 3321 个负随机图像训练了一个新的 haar 级联。
我使用了命令：
opencv_traincascade -data classifier -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 maxFalseAlarmRate 0.5 -numPos 2000 -numNeg 3321 -w 80 -h 40 -mode ALL -precalcValBufSize 1024 -precalcIdxBufSize 1024
我很担心，因为训练只用了 34 分钟。结果也不是很好。
我应该使用更多样本吗？使用上述参数训练一个分类器只需要 30 分钟是正常的吗？我应该改变它们以获得更好的结果吗？
我正在使用 OpenCV 2.4.7 开发 windows8。我正在使用具有 8GN 内存的相对强大的机器。
提前致谢，
吉尔。
【问题讨论】：
我的答案可能迟到了。不过为了别人我还是会发的；
首先，我很惊讶培训只用了这么短的时间。特别是因为您的样本非常大。 80x40 真的很大！我自己通常使用 20 像素左右的样本来训练最大尺寸。在您的情况下，22x11 就可以了。随着样本量的增加，训练时间几乎呈平方增长。
接下来，2000 个正数应该工作得很好。也就是说，如果他们不是太相似的话。最好有与您希望在行动中检测到的差异一样大的样本。删除非常相似的样本。它们对检测器的质量有负面影响。
然后，3000 底片有点偏低。大约 6000 个底片给了我很好的结果。但同样，最好有非常不同的底片。最好有很多细节的底片。明亮的蓝天图片效果不佳。如果你不能轻易得到那么多底片，你也可以展示你拥有的那些的旋转版本。
最后，我越想，我就越相信你做错了什么。 2000 个 80x40 样本在 34 分钟内完成 20 个阶段？没门！你真的在那个矢量文件中有所有 2000 个阳性吗？
问候并祝你好运！
【讨论】：
检查您是否真的有一个 20 级级联。如果您获得的阶段少于预期，请检查是否是因为您用完了正样本。通常，您不应在每个阶段使用所有阳性样本。根据您的命中率，您可能会在每个阶段拒绝一些正样本，这些样本需要补充以进行下一阶段的训练。因此，您希望 numPos 小于您拥有的阳性样本总数。
首先，您需要分析您的检测结果。您是否正遭受过多的误报、过多的误报或两者兼而有之？
一般来说，如果你的结果不好，你可以做几件事。
首先，确保您的负片图片相当大，并且它们包含通常与您感兴趣的对象相关联的背景（在您的情况下为面孔）。训练器自动为每个阶段生成负样本。它使用它已经拥有的阶段来对负图像进行检测。它检测到的任何东西都被定义为误报，这些被用作下一阶段的否定。
更多数据通常是个好主意。因此，如果您有 15K 阳性，请尝试添加更多。如果您的检测器漏掉了很多人脸，这将非常有用。
如果您看到太多误报，那么您应该尝试降低分类器的总体误报率。由于您拥有如此多的数据，您可以尝试通过增加阶段的数量来做到这一点。或者，您可以降低每个阶段的最大误报率。这意味着每个阶段都必须更加复杂，并且需要更长的训练时间。
您还可以尝试不同的功能。您现在可以选择 Haar、LBP 和 HOG。与 Haar 相比，LBP 和 HOG 的训练时间和记忆力要少得多。但是，HOG 可能不太适合人脸。
【讨论】：