问题标签 [cascade-classifier]

我的目标是检测不同类型的物体（绿色/红色苹果、咖啡杯和玻璃杯）。我尝试使用级联分类器来检测场景中的通用苹果并成功运行。

有一些方法可以训练我的分类器使用 Cascade 分类器识别 4 个对象吗？我需要确切地知道我检测到了哪个对象，而不仅仅是场景中是否存在通用目标对象。

谢谢大家

我修改了TrainCascadeObjectDetectorMATLAB生成的OpenCV XML文件（分类器），我删除了一些项目。

当我尝试加载它时：

我收到访问冲突错误：

我需要一组样本图像来训练基于 Haar 的分类器进行车牌检测。我知道这个问题已经被问过了，但是 googlecode 上的源代码已经死了。

http://tutorial-haartraining.googlecode.com/svn/trunk/data/negatives/

在哪里可以获得用于 haar 训练的背景样本图像？

哪里可以获得 Haar 训练的负样本图像？

我的目标是训练一个级联来识别骰子的某个面。

dice1.vec我有 106 个未生成的样本由 opencv_createsamples转换为 vec 文件（名为），并带有 params -w 32 -h32。此外，我有一个文本文件negTxt1.txt，其中大约 420 行涉及其他骰子面（32x32 .png 文件），大约 600 行涉及其他任意 640x480 大小的 bg 文件。

我尝试在opencv_traincacade.exe具有 16GB 内存的 Windows 计算机上使用以下参数运行： tools\opencv_traincascade.exe -data positives/testclassifier -vec positives/1/dice.vec -bg positives/negTxt1.txt -numStages 20 -numPos 100 -numNeg 1000 -precalcValBufSize 2048 -precalcIdxBufSize 2048 -acceptanceRatioBreakValue .0001 -w 32 -h 32 -mode ALL

但是，在消耗负样本时，程序在尝试消耗负样本时会崩溃，并且崩溃前的最后一行是NEG current samples: 427. 然后出现错误窗口“opencv_traincascade 已停止工作...”，没有错误消息。

我查看了来自 SO 和这里的建议（即这里，这里），但建议的修复似乎没有帮助。尝试将 -numPos 减小到 80 并不能防止崩溃，并且缓冲区大小参数足够大。尝试将 -numNeg 减少到 < 427 在第一阶段有效，但在下一阶段崩溃，在训练的同一点（当它说NEG current samples: ...）在另一个数字上。

我可以采取哪些步骤来防止此崩溃并成功创建分类器？

我有一个项目，可以在 openCV 中使用 Tracker lib 检测头部检测CascadeClassifer和跟踪。如何对 void 函数进行异或（XOR）？因为我使用 void 函数将检测与跟踪分开。它将如何检测头部然后它将开始跟踪，如果它开始跟踪检测将停止？

我读过汽车检测的正样本应该具有相同的大小或至少相同的纵横比。但是，我有一个汽车数据集，在裁剪图像后具有不同的大小或纵横比。那我该怎么办？

我正在使用斯坦福汽车数据集http://ai.stanford.edu/~jkrause/cars/car_dataset.html 裁剪汽车后，我发现所有图像都具有相同的纵横比。这足以训练吗？或者我必须将所有图像调整为相同大小？

我将所有正样本的大小调整为相同的大小，因此负样本的大小应该与正样本的大小相同。

我已经修改了用于对象检测的 opencv 级联分类器的源代码以包含新功能。我对负责训练分类器的 opencv_createsamples 和 opencv_traincascade 的源代码进行了更改。然后我也对级联分类器的detectMultiScale（检测器库）进行了类似的更改。虽然前两个是可执行文件，但检测器被编译为 opencv 库。由于库源代码的更改，将 C/C++ 库链接到 Python 方法的 Python 包装器 cv2.so 似乎已损坏。由于存储在 cv2.so 中的一组符号由于更改而不再相同，因此在导入 cv2 时出现以下错误。

ImportError：/usr/local/lib/python2.7/dist-packages/cv2.so：未定义符号：_ZN2cv17CascadeClassifier16detectMultiScaleERKNS_11_InputArrayERSt6vectorINS_5Rect_IiEESaIS6_EEdiiNS_5Size_IiEESB_

我现在如何更新 Python 绑定并因此更新 cv2.so 以反映我的更改？任何帮助表示赞赏。谢谢。

我成功地训练了我的第一个级联从后面检测街道上的汽车。现在我想让它变得更好，因为它仍然会捕获随机树木和摩托车，除非我调整参数。我试图将那些特定的树木和摩托车添加到负样本中，但生成的级联仍然可以检测到它们。我加的太少了吗？我将 100 添加到大约 1400。还有什么其他方法可以优化我的级联？

我训练级联分类器检测行人红绿灯，我使用了 5000 张正面照片和 1000 张负面照片进行训练，这是我得到的结果 xml 文件。

问题是经过训练的级联检测到许多错误图像。我使用了 OpenCV 人脸检测的原始代码，我还注意到最好的结果是当我将 detectMltiScale 中的 minneighbors 设置为 100 时。

我应该如何提高训练有素的级联质量？