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）。
我已经拍摄了大约 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”通过这个命令从 40 张正面图片中生成 3000 张正面图片（我也尝试生成 1500 张图片，结果相同）：
createsamples.pl p.dat n.dat output
p.dat是40张正片名称的文件，n.dat是636张负片名称的文件。
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，但是当我在我的应用程序中尝试它时给了我无数错误检测。
所以我再次尝试了更多阶段，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>
在这个阶段，我仍然得到错误检测，不再那么多了，但它们仍然存在。
所以我尝试了更多的阶段，最多 30 个。但是在第 21 阶段的训练中，我已经得到了这个接受率：
===== 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被过度训练了，对吧？至少这就是人们在stackoverflow上提到的几个问题。
我使用视频捕捉并将物体（铅笔帽）放在相机前面以检测它。在大多数帧中，它仍然会被检测到，但与帽子位于同一背景上的任何其他物体也会被检测到。
40张正面图片是这样的：
http://i.imgur.com/fOqiyP8.jpg
其中 10 幅是在灰色背景下拍摄的，10 幅是在红色背景上拍摄的，10 幅是在银色背景上拍摄的，10 幅是在我的键盘上盖着帽子时拍摄的。
总而言之，我的问题：
1）我正在使用的 40 张图片可以使用吗？还是应该根本没有背景？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，我会得到错误检测。发生情况的示例（请删除空格）：http://i.imgur.com/w0szcTh.jpg?1
2）我是否完全走错了实现目标的道路？
3）我发现的关于我正在尝试的最好的教程是这个： http ://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html 他的图片也显示了背景，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？
在此先感谢大家，我希望你们中的任何人都可以在这里帮助我。