如何获得 cv2.CascadeClassifier.detectMultiScale() 的分数？答案

【问题标题】：How to get a score for cv2.CascadeClassifier.detectMultiScale()?如何获得 cv2.CascadeClassifier.detectMultiScale() 的分数？
【发布时间】：2012-11-29 07:58:33
【问题描述】：

使用 Python 时，

openCV 函数

cv.HaarDetectObjects()

返回找到的对象以及检测分数。

如果我改用 opencv2 函数，

cv2.CascadeClassifier.detectMultiScale()

我得到检测到的对象，但没有得分。这使得很难获得良好的检测“置信度”度量。

有没有办法以某种方式使用 CV2？

【问题讨论】：

你知道怎么做吗？谢谢！

标签： python opencv computer-vision

【解决方案1】：

根据documentation

cv2.CascadeClassifier.detectMultiScale(image, rejectLevels, levelWeights[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize[, outputRejectLevels]]]]]]) → objects

列表rejectLevels是一种表示检测结果置信度的分数。

对应的（但未记录）C++ API 是：

CV_WRAP virtual void detectMultiScale( const Mat& image,
                               CV_OUT vector<Rect>& objects,
                               vector<int>& rejectLevels,
                               vector<double>& levelWeights,
                               double scaleFactor=1.1,
                               int minNeighbors=3, int flags=0,
                               Size minSize=Size(),
                               Size maxSize=Size(),
                               bool outputRejectLevels=false );

【讨论】：

你知道关卡权重是干什么用的吗？
你有使用 detectMultiScale 和 rejectLevels 和 levelWeights 的例子吗？

【解决方案2】：

我知道这是一个非常古老的问题，但有一个未回答的评论：可以使用detectMultiScale3 方法，该方法接受outputRejectLevels 布尔参数并返回置信度分数。

weights='data/haarcascades/haarcascade_frontalface_alt.xml'
face_cascade = cv2.CascadeClassifier()
face_cascade.load(cv2.samples.findFile(weights))
face_cascade.detectMultiScale3(image, outputRejectLevels=True)

【讨论】：

【解决方案3】：

您可以通过以下代码在 %100 到 %99 之间找到权重百分比：

cascade_01 = cv2.CascadeClassifier(<type here path of .xml file>)
found_object = cascade_01.detectMultiScale(image_gray, scaleFactor=1.05, minNeighbors=15, minSize=(20, 20))
    score_rejlevels= cascade_01.detectMultiScale3(image_gray, outputRejectLevels=True)
    if len(found_object) != 0:
        if len(score_rejlevels[2]) <2:
            if len(score_rejlevels[2])!=0:
                score=100-1/float(score_rejlevels[2])
                print(score)

【讨论】：