Question

我使用经过训练的opencv级联分类器来检测视频帧中的手，并希望降低我的误报率。在网上阅读，我看到你可以访问网页 detectMultiScale方法返回的rejectLevels和levelWeights信息。我看到here这在C ++中是可能的，我的问题是 - 有没有人设法在Python中做到这一点？一个类似的问题被问到here，但它是针对早期版本的检测方法。

如果可能，调用该方法的正确语法是什么？如果它适合您，请提及您正在使用的OpenCV版本。我在2.4.9。

2.4.11 API提供以下语法

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

因此，我已经尝试了

import cv2
import cv2.cv as cv
import time
hand_cascade = cv2.CascadeClassifier('cascade.xml')
img = cv2.imread('test.jpg')

rejectLevels = []
levelWeights = []
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = hand_cascade.detectMultiScale(gray,rejectLevels,levelWeights, 1.1, 5,cv.CV_HAAR_FIND_BIGGEST_OBJECT,(30, 30),(100,100),True)

但我得到的输出是

[[259 101  43  43]
 [354 217  43  43]
 [240 189  43  43]
 [316 182  47  47]
 [277 139  92  92]]
[]
[]

感谢您的帮助，

罗南

Answer 1

对于任何人来到这个问题并使用OpenCV 3.0，我都是在探索python API之后找到的。

在级联分类器上有三种方法detectMultiScale，detectMultiScale2和detectMultiScale3。使用第三个，我能够得到看起来像一个信心/重量。

faces = faceCascade.detectMultiScale3(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30),
    flags = cv2.CASCADE_SCALE_IMAGE,
    outputRejectLevels = True
)
rects = faces[0]
neighbours = faces[1]
weights = faces[2]

weights[i]看起来与rects[i]定义的面部的置信度相匹配。 neighbours[i]是当前矩形附近的匹配数。

Answer 2

没有黑客攻击c ++，看起来没有办法获得实际的rejectLevels和levelWeights。

使用Python获取OpenCV中detectMultiscale的置信度？

2 个答案: