Question

我想建立一个可以玩井字游戏的人工智能。首先，我正在尝试使用OpenCV来“看到”电路板。为了构建我的分类器，我使用了以下命令：

opencv_createsamples -vec pos_out.vec -img board.png -w 48 -h 48 -bg neg.txt -num 50
opencv_traincascade -data training_data/ -vec pos_out.vec -numPos 50 -numNeg 7 -bg neg.txt -w 48 -h 48

我没有很多照片，所以七张背景（负片）照片只是桌面背景。积极的图片是一个井字游戏的截图，裁剪，所以只是董事会可见。

使用分类器的代码只是将分类器作为参数，以及它应该为游戏板寻找的图片：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;

void detectAndDisplay(Mat frame);

CascadeClassifier board_cascade;

int main(int argc, char **argv)
{
    CvCapture* capture;
    Mat frame;

    if (!board_cascade.load(argv[1])) {
        fprintf(stderr, "Error loading cascade file %s.", argv[1]);
        return -1;
    }

    frame = imread(argv[2], 1);

    for (int i=0; i<10; i++)
        detectAndDisplay(frame);

    waitKey(0);

    return 0;
}

void detectAndDisplay(Mat frame)
{
    int i;
    vector<Rect> boards;
    Mat frame_gray;

    cvtColor(frame, frame_gray, CV_BGR2GRAY);
    equalizeHist(frame_gray, frame_gray);

    board_cascade.detectMultiScale(frame_gray, boards, 1.5, 8, 0, Size(500, 500));

    for(i=0; i<boards.size(); i++) {
        Point center(boards[i].x + boards[i].width/2, boards[i].y+boards[i].height/2);
        ellipse(frame, center, Size(boards[i].width/2, boards[i].height/2), 0, 0, 360, Scalar(255, 0, 0), 2, 8, 0);
        printf("Width: %d height: %d x: %d y: %d\n", boards[i].width, boards[i].height, boards[i].x, boards[i].y);;
    }

    if (i > 0) {

        int startx = boards[0].x;
        int starty = boards[0].y;
        int width = boards[0].width;
        int height = boards[0].height;

        for (i=1; i<=6; i+=2) {
            for (int j=1; j<=6; j+=2) {
                Point center(startx + (width/6 * i), starty + (height/6 * j));
                ellipse(frame, center, Size(30, 30), 0, 0, 360, Scalar(255, 0, 0), 2, 8, 0);
            }
        }
    }

    imshow("Board detection", frame);
}

This是board.png，我将其用作“积极”形象。 This是图像中的纸板与“正”图像的尺寸相同时的结果，而this是不是时的结果。正如你所看到的，当电路板大小相同时，它确实合理，但是当电路板尺寸较大时，它会合理地好。

我以前从来没有“训练”过分类器，所以我希望得到一些关于如何改进结果的指示。添加更多阳性样本会有帮助吗？或者是否有一些我应该在某处修改的参数？

谢谢！

在OpenCV中训练分类器

0 个答案: