从图像创建 Haar Cascade 显示错误答案

【问题标题】：Creating Haar Cascade from images shows error从图像创建 Haar Cascade 显示错误
【发布时间】：2020-03-02 22:55:03
【问题描述】：

我想为车牌创建自己的 haarcascade。我找到了一个名为 Cascade-Trainer-GUI 的 GUI，它可以做到这一点。我正在使用 Windows 10。您可以从这里下载 gui：

http://amin-ahmadi.com/cascade-trainer-gui/

我有两个包含正面和负面图像的文件夹。大约有 650 张正面图像和 570 张负面图像。

当我运行程序时，它会在几秒钟内完成，但我没有得到 cascade.xml 文件。我得到 .txt 文件，并在该 txt 文件的末尾显示：

OpenCV Error: Insufficient memory (Failed to allocate 1357715212 bytes) in cv::OutOfMemoryError, file D:\cv\opencv_3.2.0\sources_withTextModule\modules\core\src\alloc.cpp, line 52

我已按照文档进行操作，并在 youtube 上观看了一些视频，但我不知道我做错了什么。

这些是我尝试训练级联时我的 PC 的性能：

我试图清理我的磁盘空间并关闭所有其他程序，以便增加我的 RAM 内存，但我仍然遇到同样的错误。

我试图将缓冲区大小从 1024 减少到 256。在这种情况下，它开始工作，但在 5-6 个样本（10 分钟）后它显示错误Insufficient Count of Samples，我试图减少最大特征的参数数量100% 到 70%，但我在同一时间后得到同样的错误。

你可以从这里下载图片，我已经把它们分为正面和负面：

https://www.sendspace.com/file/uo18pu

你知道我做错了什么吗，我应该怎么做才能解决这个问题？我应该在这个 gui 中选择哪些参数？

另外，是否有某种应用可以在线创建 haar 级联？

【问题讨论】：

标签： python opencv haar-classifier

【解决方案1】：

我相信你的问题是由于用于训练的图像块的大小。在最初的 Violaj-Jones 论文中，他们使用了 20x20 像素的补丁，从而产生了超过 180,000 个特征。为了在级联的每个阶段找到最佳特征集，boosting 算法必须在每次迭代中找到最佳特征/阈值组合（弱分类器是感知器）。这涉及计算具有 M 个可能阈值的 N 个特征的熵，其中 M 与训练图像的数量一致。然后在每次boosting迭代中需要MxN个内存空间。假设这个程序在内部使用浮点精度，那么每次提升迭代大约需要 MxNx4 字节的内存。在您的情况下，对于 20x20 图像块，这只有 180000x(119+114)x4=167,760,000 字节，即大约 0.16 GB，但如果训练块的大小更大或者如果您使用的基本特征比原始的 Violaj-Jones 论文大（在本文中，基本特征的集合是 4，但还有另一个称为 haar-like 的集合）。然后，我相信你需要配置训练图像块的大小。

【讨论】：

因为我使用的是车牌图像，我将“样本宽度设置为 85”和“样本高度设置为 28”（矩形），负片图像大多是平方的，但它们的高度从 100 到 1000 不等。 toy 可以告诉我我应该怎么做才能使这项工作，如何配置训练图像块的大小？
是否应该将所有负片图像转换为相同尺寸，例如 100x100 或 200x200？
我建议使用另一种算法来检测车牌，例如 hought-transform。无论如何，如果您决定尝试使用 haar 级联，请选择 LBP 特征并使用不大于 24x24 像素的训练补丁，否则您将需要大量 RAM。
我有 8gb 内存，够吗？另外，如果我使用 LBP 功能，Python 和 OpenCV 中的编码过程是否与使用 haar 级联相同？
特征集 N 随着您用于训练的补丁的大小而增长。如果您想对 HxW 大小窗口进行近似计算，请点击以下链接 (stackoverflow.com/questions/40198217/…)，他们在其中以数字方式执行计算（使用可以在 python 或 C++ 中实现的简单代码）。然后，您计算 NXMX4，这将为您提供所需的 RAM 量。