Question

我一直在尝试编写一个识别铅笔帽的应用程序（在这种情况下）。

我一直拍摄了大约40张物体的照片，以及635张没有物体的照片。然后我一直在使用perl脚本“createsamples.pl”使用此命令从40张正面图片生成3000张正面图像（我还尝试生成1500张图片，结果相同）：

createsamples.pl p.dat n.dat output

p.dat是包含40张正片图像名称的文件，n.dat是包含636张负片图像名称的文件。

我一直在将创建的矢量文件合并到一个矢量文件中，然后我一直在尝试像这样开始训练：

opencv_traincascade -data cascades -vec samples.vec -bg n.dat -numPos 1000 -numNeg 635 -numStages 1 -w 20 -h 20 -featureType LBP

这在几秒钟内完成，但当我在我的应用程序中尝试时，却给了我无数的错误检测。

所以我再次试用了更多的舞台，最多20个。

===== TRAINING 19-stage =====
BEGIN
POS count : consumed   2000 : 2302
NEG count : acceptanceRatio    635 : 0.000145818
Precalculation time: 1.487
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|    0.997| 0.829921|
+----+---------+---------+
|   3|    0.997| 0.829921|
+----+---------+---------+
|   4|   0.9985| 0.856693|
+----+---------+---------+
|   5|   0.9965| 0.694488|
+----+---------+---------+
|   6|   0.9955| 0.645669|
+----+---------+---------+
|   7|   0.9955|      0.6|
+----+---------+---------+
|   8|    0.996| 0.579528|
+----+---------+---------+
|   9|   0.9955| 0.544882|
+----+---------+---------+
|  10|   0.9955| 0.540157|
+----+---------+---------+
|  11|   0.9955| 0.359055|
+----+---------+---------+
END>

在这个舞台上，我仍然得到了错误的检测，而不是那么多，但它们仍然在那里。

所以我尝试了更多的舞台，最多30个。但是在21阶段的训练中，我已经获得了这个接受率：

===== TRAINING 20-stage =====
BEGIN
POS count : consumed   2000 : 2320
NEG count : acceptanceRatio    635 : 9.72903e-005
Precalculation time: 1.493
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|    0.997| 0.831496|
+----+---------+---------+
|   3|    0.997| 0.831496|
+----+---------+---------+
|   4|    0.999| 0.779528|
+----+---------+---------+
|   5|   0.9955|  0.64252|
+----+---------+---------+
|   6|   0.9965| 0.694488|
+----+---------+---------+
|   7|   0.9955| 0.689764|
+----+---------+---------+
|   8|   0.9955| 0.628346|
+----+---------+---------+
|   9|    0.996| 0.645669|
+----+---------+---------+
|  10|   0.9965| 0.541732|
+----+---------+---------+
|  11|   0.9955|  0.43622|
+----+---------+---------+
END>

这个接受率意味着分类器过度训练了吧？至少这是人们在stackoverflow上提到的几个问题。

使用视频捕捉并将物体（铅笔帽）放在相机前面以便检测它。在大多数帧中，它仍然被检测到，但是与盖子位于同一背景上的任何其他物体也会被检测到。

40张正面照片看起来像是：

http://i.imgur.com/fOqiyP8.jpg

其中10个是在灰色背景下拍摄的，10个是在红色背景下拍摄的，10个是在银色的背景下拍摄的，10个是在我的键盘上盖上的。

总而言之，我的问题是：

1）我使用的40张图片可以使用吗？或根本没有背景？因为现在，当我将我的视频捕捉指向我之前使用的红色背景时，我会得到错误的检测。发生的事情的例子（删除空间请）：http：//i.imgur.com/w0szcTh.jpg？1

2）我完全没有达到目标吗？

3）我发现最好的教程是关于我尝试的是这个： http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html 他的照片也显示了背景，但似乎他没有得到错误的检测。你知道我的方法还有什么问题吗？

先谢谢你们，我希望你们中的任何人都可以帮助我。

Answer 1

我认为，对于这个问题，颜色检测+轮廓发现应该是更有效的方法。另请查看http://code.google.com/p/cvblob/。

Haar级联与灰度图像一起使用，并且您的对象没有很多视觉特征，可以将其与其他对象区分开来，这就是为什么您的探测器有大量错误检测的原因。

Android OpenCV：使用训练有素的分类器进行大量错误检测。是否也检测到背景颜色？

1 个答案: