haar-cascade 没有拿出 xml 文件

Question

我是学生，我正在尝试使用基本的手部识别创建我自己的第一个 haar-cascade（用于学习）。我收集了 510 个阳性样本和 1276 个阴性样本。我的训练一切正常（我想，我让你看到了终端窗口）。

唯一的事情是当我使用带有基本脚本的 xml 文件时（你会看到它之后），什么都没有出现。我用我的终端启动它，我没有错误。之后我的相机掉了几次！（但速度较慢）但没有出现任何窗口。如果我使用来自网络的其他 xml 文件，它可以工作......我不知道为什么......

有人可以帮助我吗？

Python 3.5 和 opencv 3.2

 Charless-MacBook-Pro:desktop charles$ opencv_traincascade -data data -vec Positive_image.vec -bg Negative_image.text -numPos 449 -numNeg 1276 -numStages 10 -w 50 -h 50 -featureType LBP
    PARAMETERS:
    cascadeDirName: data
    vecFileName: Positive_image.vec
    bgFileName: Negative_image.text
    numPos: 449
    numNeg: 1276
    numStages: 10
    precalcValBufSize[Mb] : 1024
    precalcIdxBufSize[Mb] : 1024
    acceptanceRatioBreakValue : -1
    stageType: BOOST
    featureType: LBP
    sampleWidth: 50
    sampleHeight: 50
    boostType: GAB
    minHitRate: 0.995
    maxFalseAlarmRate: 0.5
    weightTrimRate: 0.95
    maxDepth: 1
    maxWeakCount: 100

    ===== TRAINING 0-stage =====
    <BEGIN
    POS count : consumed   449 : 449
    NEG count : acceptanceRatio    1276 : 1
    Precalculation time: 18
    +----+---------+---------+
    |  N |    HR   |    FA   |
    +----+---------+---------+
    |   1|        1|        1|
    +----+---------+---------+
    |   2|        1|        1|
    +----+---------+---------+
    |   3|        1| 0.402821|
    +----+---------+---------+
    END>
    Training until now has taken 0 days 0 hours 1 minutes 31 seconds.

    ===== TRAINING 1-stage =====
    <BEGIN
    POS count : consumed   449 : 449
    NEG count : acceptanceRatio    1276 : 0.403542
    Precalculation time: 19
    +----+---------+---------+
    |  N |    HR   |    FA   |
    +----+---------+---------+
    |   1|        1|        1|
    +----+---------+---------+
    |   2|        1|        1|
    +----+---------+---------+
    |   3| 0.995546| 0.300157|
    +----+---------+---------+
    END>
    Training until now has taken 0 days 0 hours 3 minutes 14 seconds.

    ===== TRAINING 2-stage =====
    <BEGIN
    POS count : consumed   449 : 451
    NEG count : acceptanceRatio    1276 : 0.121674
    Precalculation time: 19
    +----+---------+---------+
    |  N |    HR   |    FA   |
    +----+---------+---------+
    |   1|        1|        1|
    +----+---------+---------+
    |   2|        1|        1|
    +----+---------+---------+
    |   3|        1| 0.413009|
    +----+---------+---------+
    END>
    Training until now has taken 0 days 0 hours 4 minutes 59 seconds.

    ===== TRAINING 3-stage =====
    <BEGIN
    POS count : consumed   449 : 451
    NEG count : acceptanceRatio    1276 : 0.0501789
    Precalculation time: 20
    +----+---------+---------+
    |  N |    HR   |    FA   |
    +----+---------+---------+
    |   1|        1|        1|
    +----+---------+---------+
    |   2|        1|        1|
    +----+---------+---------+
    |   3|        1|0.0783699|
    +----+---------+---------+
    END>
    Training until now has taken 0 days 0 hours 6 minutes 46 seconds.

    ===== TRAINING 4-stage =====
    <BEGIN
    POS count : consumed   449 : 451
    NEG count : acceptanceRatio    1276 : 0.00391926
    Precalculation time: 20
    +----+---------+---------+
    |  N |    HR   |    FA   |
    +----+---------+---------+
    |   1|        1|        0|
    +----+---------+---------+
    END>
    Training until now has taken 0 days 0 hours 8 minutes 44 seconds.

    ===== TRAINING 5-stage =====
    <BEGIN
    POS count : consumed   449 : 451
    Train dataset for temp stage can not be filled. Branch training terminated.

这是我使用 python 编写的基本脚本：

import numpy as np
import cv2

face_cascade = cv2.CascadeClassifier('/Users/charles/Desktop/closedFist.xml')

cap = cv2.VideoCapture(0)

while 1:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x,y,w,h) in faces:
        cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = img[y:y+h, x:x+w]

    cv2.imshow('img',img)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

---

编辑：

它有效。我收集了 2100 个正样本和 4500 个负样本。我的 xml 文件有 25 个阶段。我的错误是具有相同分辨率的负样本和正样本：50x50 像素。现在负样本的比例为 16:9。 160x90 像素。它有效！！！

Answer 1

我有一些制作 HAAR 级联分类器的经验。在您的训练阶段，您提供的终端转储已TRAINING 5-stage 终止。所以训练阶段已经中止了。（你在代码中指定了10个训练阶段，但是第5个失败了，并且中止了整个训练过程......）

我怀疑您需要更多正样本来进行对象识别。负面文件太多了。我使用了 2:1 的正负样本比例。尝试不同的比例，但最好有更多的阳性样本。 （也取决于您的矢量文件创建选项！）

如果您能描述您是如何创建矢量文件并启动 train 命令的，那么 SO 社区可以为您提供更好的帮助。 :)

---

编辑：

我刚刚发现“无法填充临时阶段的训练数据集。分支训练终止”的“错误”消息意味着该算法已达到逻辑结束。这意味着使用给定的图像数据集无法使分类模型变得更好。所以使用 stage=5 因为 stage=6 会导致这个问题......希望它有所帮助！