【问题标题】:Opencv Haar Cascade training / detection for simple objects简单对象的 Opencv Haar 级联训练/检测
【发布时间】:2015-07-26 17:32:06
【问题描述】:

我计划为一个白色杯子、一个红色球和一个蓝色圆球制作一个级联检测器。这些对象的形状有多简单,我想知道在训练与寻找复杂对象(例如汽车/人脸)时是否存在任何参数差异?此外,在训练 pos 图像中,我有不同光照条件下的对象以及对象处于阴影下的实例。

对于训练负片图像,我注意到图像大小可能会有所不同。但是,对于正图像,它们必须是固定大小。

我计划使用 100x100 pos 图像来帮助检测 20-30 英尺范围内的物体,当我在物体正上方 5 英尺/am 范围内(距离地面 3 英尺左右)时,使用 200x200 pos 图像来检测物体。这是否意味着我必须训练 6 个不同的 XML? 2 为每个对象,因为它被训练为 100x100 和 200x200?

【问题讨论】:

    标签: opencv haar-classifier


    【解决方案1】:

    简短回答:是的

    长答案:可能:

    你必须这样想,分类器会为正面图像建立一组特征,然后使用这些特征来确定你的检测图像是否相同。如果您要大幅改变检测角度,那么您将需要一个不同的分类器。

    让我以图片为例:

    如果在 20 英尺外你的杯子看起来像这样:

    具有相关的背景/照明等,如果您的杯子看起来像这样(可能是 5 英尺远,但角度不同),它将是一个非常不同的分类器:

    现在,话虽如此,如果您的杯子只有越来越小的版本,那么您可能只需要一个。但是,您需要为每个对象(杯子/球/冰球)使用不同的分类器


    图片不是我的 - 来自谷歌

    【讨论】:

      猜你喜欢
      • 2019-01-21
      • 2020-10-16
      • 1970-01-01
      • 2014-12-15
      • 1970-01-01
      • 2016-10-22
      • 2016-10-26
      • 2016-11-21
      • 2013-01-12
      相关资源
      最近更新 更多