12

我正在使用经过训练的 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，我看到您可以通过访问 detectMultiScale 方法返回的信息rejectLevels来做到这一点。levelWeights我在这里看到这在 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？这里问了一个类似的问题，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？如果它对您有用，请提及您正在使用的 OpenCV 版本。我在 2.4.9。

2.4.11 API 给出以下语法

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

因此，我尝试过

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]]
[]
[]

谢谢您的帮助，

罗南

4

2 回答 2

11

对于任何来到这个问题并使用 OpenCV 3.0 的人，我在摸索了 python API 之后就解决了。

detectMultiScale在级联分类器上，有、detectMultiScale2和三种方法detectMultiScale3。使用第三个，我能够得到看起来像信心/体重的东西。

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 定义的人脸的置信度相匹配rects[i]。neighbours[i]是当前矩形附近的匹配数。

于 2015-12-07T03:34:45.600 回答
1

除了破解 c++ 之外，看起来没有任何方法可以获取实际的rejectLevels 和 levelWeights。

于 2015-03-20T20:48:44.640 回答