OpenCV阳性样品尺寸？

Question

所以我遇到过很多关于OpenCV的haartraining和级联培训工具的教程。特别是我有兴趣使用createsamples工具训练汽车分类器，但是关于-w和-h参数的地方似乎存在冲突的陈述，所以我很困惑。 我指的是命令：

$ createsamples -info samples.dat -vec samples.vec -w 20 -h 20

我有以下三个问题：

• 我知道正样本的宽高比应该与上面的-w和-h参数的宽高比相同。但是，所有正样本的-w和-h参数是否必须与 size 相同？例如。我有接近1000张图片。裁剪后所有这些都必须是相同的尺寸吗？

• 如果不是大小而是纵横比，那么与OpenCV工具中提到的-w和-h参数相比，正面样本的纵横比必须精确匹配吗？我的意思是，分类器是非常敏感的，所以即使是这里和那里的几个像素也会影响它的性能？或者你会说使用图像是安全的，只要它们的眼睛比例大致相同。

• 我已经裁剪了几张相同尺寸的图像。但是在尝试使它们具有相同的大小时，它们中的一些在边界框中包含的背景比其他的更多，并且一些具有略微不同的边缘。 （例如，请看下面的两张图片。较大的汽车占据了更多的图像，但是较小的汽车周围有更宽的余量）。我只是想知道是否有这样的图像集是好的，或者它是否会降低分类器的准确性，因此我应该确保所有感兴趣的对象（在这种情况下，汽车）周围更紧的边界框？

Answer 1

第一个问题：是的，用于训练的所有图像必须大小相同。 （至少我最后一次面对检测样本训练。这里应该是一样的。如果我没有错，如果图像大小不一样会有错误。但你可以尝试一下，看看时间许可证。）

第二个问题：不确定你在这里问的是什么。但是分类器并不像你想的那么敏感。离开感兴趣对象的几个像素，例如，如果小手指缺少几个像素（由于裁剪）而其他图像的拇指缺少像素等等，那么分类器仍将是能够检测到手。因此，这里和那里缺少一些像素或者添加了一些背景像素，在一天结束时不会对分类器造成太大影响。

第三个问题：您应该将图像裁剪为仅包含汽车以获得最大效果。尽量消除尽可能多的背景。我根据具有背景噪音，黑色背景和背景最小的裁剪样本的样本进行了研究。根据我的记忆，具有最小背景的裁剪样本在假阳性和假阴性方面显示出最佳结果。

您可以使用对象标记来执行此操作：http://achuwilson.wordpress.com/2011/02/13/object-detection-using-opencv-using-haartraining/

繁琐的方法是在裁剪后使用paint将所有图像的大小调整为相同的像素值。

此链接还应回答您的问题：http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html

我同意GilLevi的观点，与Haar，HoG，LBP级联相比，有更好的检测方法。图像的训练可能需要数天（取决于训练的图像数量）。如果您真的必须使用级联方法，并且您希望尽可能减少培训时间， 与HoG或LBP相比，具有类Haar功能的训练需要更长的时间。但结果明智，我不确定哪个会确保更好的性能和稳健性。

希望我的回答对你有所帮助。如果还有更多问题，请做出评论。