我正在尝试使用 Python 2.7 和 OpenCV 2.4.13 从无人机图像中进行汽车检测器。目标是在城市环境中从任何方向的俯视图检测汽车。我面临时间执行和准确性问题。
当我将它与从互联网上获得的一些级联一起使用时，检测器工作正常：
- 香蕉分类器（显然它不检测汽车，而是检测它识别为香蕉的物体）：（coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html）
- 来自 OpenCV 的人脸检测级联（与香蕉分类器的行为相同）
对于检测本身，我使用detectMultiScale()withscaleFactor = 1.1-1.2和minNeighbors=3
检测在 4000x3000 像素图像中的合理时间（几秒）内执行。
当我尝试使用自己训练有素的分类器时，就会出现问题。结果不好，检测时间很长（半个多小时）
为了训练，我从一个有很多汽车的停车场的大型正射镶嵌图（我缩小了几次）中提取了正片和负片图像。我总共提取了 50 辆汽车（25x55 像素），然后我水平反射，从同一个正射镶嵌图中得到 100 个正图像和 2119 个负图像（60x60 像素）。我将此集称为图像的“完整集”。从那个集合中，我创建了一个子集（4 个正数和 35 个负数），我称之为“虚拟集”：
对于训练，我使用了opencv_createsamplesand opencv_traincascade。我从 100 张正面图像中创建了 6000 个样本，将汽车从 0 度旋转到 360 度：
perl bin/createsamples.pl positives.txt negatives.txt samples 6000 "opencv_createsamples -bgcolor 0 -bgthresh 0 -maxxangle 0.5 -maxyangle 0.5 -maxzangle 6.28 -maxidev 40 -w 60 -h 60"
所以现在，我有 6000 个 60x60 像素的汽车样本图像，它们在随机背景上的任何方向。
然后我执行mergevec.py创建samples.vec文件，并运行训练应用程序opencv_traincascade：
python mergevec.py -v samples/ -o samples.vec
opencv_traincascade -data classifier -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3700 -numNeg 2119 -w 60 -h 60 -mode ALL -precalcValBufSize 3096 -precalcIdxBufSize 3096
使用这种方法，我训练了四个分类器，两个使用完整集，另外两个使用虚拟集，每组一个 LBP 和一个 HAAR。我得到的结果如下：
- 假人组，LBP：训练在 1 个阶段停止。快速检测，未检测到物体
- 假人组，HAAR：训练在 1 阶段停止。检测需要很长时间（或至少半个多小时）。我中断了这个过程，因为它显然不起作用。
- 全套，LBP：训练停止在 6 个阶段。检测速度非常慢（在 500x400 像素图像中需要 1-2 分钟，使用 scaleFactor = 2）。当图像中至少有 10 辆汽车以及用于训练的同一图像时，检测很少数量的对象 (2)，它们都不是汽车。
- 全套，HAAR：我在第 4 阶段停止训练以测试它。与 Dummy 集的行为相同。
我做错了什么？由于香蕉和面部级联在合理的时间内工作并检测到物体，问题显然出在我的级联中，但我不知道为什么。
我真的很感谢你的帮助。在此先感谢，费德里科