我使用 OpenCV 的 haartraining 的旧实现已经有一段时间了。现在，在终于迁移到 OpenCV 2.3 之后，我想知道如何设置参数，就像我对旧实现所做的那样。据我所知，还没有关于 opencv_traincascade 的文档。
我缺少“-nonsym”开关和“-nsplits”。现在，只有一个“maxDepth”参数，其描述为“max_depth_of_weak_tree”。弱三是树桩吗？现在是否假定所有 haar 特征都是非对称的？
非常感谢！
【问题讨论】：
标签： opencv face-detection classification
@Alex：这里对 opencv 2.3.2 文档给出的所有参数进行了很好的描述，我正在编写一个 python 脚本，它与 opencv 一起用于检测和跟踪撒谎的人。如果您打算使用以新包装器 cv2.() 开头的 python 函数，请不要忘记设置正确的 PATH 或它的麻烦...
http://opencv.itseez.com/trunk/doc/user_guide/ug_traincascade.html
【讨论】：
在新实现的 traincascade 应用程序中，它不使用对称属性来加速。所以没有指定 nonsym/sys 的选项。对于 maxDepth 选项，可以理解为二叉决策树的深度。默认深度为 1，因此您有 2 个拆分。对于 k 的一般深度，您有 $2^k$ 个分割。
【讨论】：
我不知道这是否会有所帮助，因为我没有尝试过，它似乎与旧的 haarcascade.exe 非常相似
opencv_traincascade.exe
用法：
opencv_traincascade.exe
-data <cascade_dir_name>
-vec <vec_file_name>
-bg <background_file_name>
[-numPos <number_of_positive_samples = 2000>]
[-numNeg <number_of_negative_samples = 1000>]
[-numStages <number_of_stages = 20>]
[-precalcValBufSize <precalculated_vals_buffer_size_in_Mb = 256>]
[-precalcIdxBufSize <precalculated_idxs_buffer_size_in_Mb = 256>]
[-baseFormatSave]
—cascadeParams—
[-stageType <BOOST(default)>]
[-featureType <{HAAR(default), LBP}>]
[-w <sampleWidth = 24>]
[-h <sampleHeight = 24>]
—boostParams—
[-bt <{DAB, RAB, LB, GAB(default)}>]
[-minHitRate <min_hit_rate> = 0.995>]
[-maxFalseAlarmRate <max_false_alarm_rate = 0.5>]
[-weightTrimRate <weight_trim_rate = 0.95>]
[-maxDepth <max_depth_of_weak_tree = 1>]
[-maxWeakCount <max_weak_tree_count = 100>]
—haarFeatureParams—
[-mode <BASIC(default) | CORE | ALL
—lbpFeatureParams—
【讨论】：