问题标签 [haar-classifier]

I'm working on haar cascade for gesture recognition when i train xml for single gexture and use it in Emgucv C# it run fine no lag but when i trin 15 gexture and use xml it become lagging.... Here is the code:

Any code better then it or link plz......

我尝试建立自己的 Haar 来分割嘴唇。但是我还没有取得很好的成绩。我可以得到任何用于嘴唇分割的 Haar，就像我们的眼睛一样。我在互联网上搜索了这样的haar，但找不到。

我的目标是确定我的嘴是张开还是闭合。

如果没有人做过这样的事情。我将构建一个并将其开源。

我听说类似 Haar 的特征被描述为弱描述符，因此在这种情况下，Adaboost 方法优于 SVM。我的问题是什么是弱描述符和强描述符，为什么提升方法比 SVM 表现更好（例如）？

我的训练已经进行了一个多星期，现在我不想要训练它的阶段数。我想将阶段数从 25 更改为 17-18。我需要从一开始就重新训练整个分类器吗？请解释原因。

我想计算停车场航拍图像中的汽车数量。经过一些研究，我相信 Haar Cascade Classifiers 可能是一个选择。我将使用的图像示例类似于 Google 地图中停车场的放大图像。

我目前的计划是使用汽车训练自定义 Haar 分类器，我只在一个方向（上下）裁剪图像，然后在以 15 度增量旋转图像的同时多次尝试识别。我的具体问题是：

1. 在这里使用 Haar 分类器是一种好方法还是有更好的方法？
2. 假设这是一个很好的方法，当从较大的图像中裁剪汽车以获取训练数据时，最好裁剪一个较大的区域，该区域可能包含相邻停车位中的小部分汽车（尽管一些训练图像显然会包括单人汽车，有只有一辆车在他们旁边，等等）还是最好将汽车裁剪得尽可能接近它们的轮廓？
3. 再次假设我采用这种方法，我怎样才能避免重复计算汽车？如果一辆车在一个方向上被识别，我不希望它被再次计算。有什么方法可以将汽车标记为已计数并忽略它？

这是我的代码

这段代码只生成一个 2px x 4px 的矩形特征。据我所知，haar 特征中有很多矩形特征。如何编写代码以扩展 haar 功能？请帮我

我正在寻找使用 haar 级联进行人脸检测，所以我尝试按照这里的教程进行操作：http: //opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_objdetect/py_face_detection/py_face_detection.html

但是，当我运行它时，会填充图像窗口，但不会绘制矩形。我检查了代码，一切对我来说都是有意义的，或者我是否使用了一个过时的函数，但一切似乎都很好。

我不知道为什么我不能让它工作。关于可能出现什么问题的任何建议？我正在使用 Python 2.7.3。

我正在尝试将视频分割成前景和背景。假设我的视频主要包含人脸，我从人脸检测器开始，并使用人脸检测器内的所有像素作为 GrabCut 的可能前景种子。

问题是有时（在几帧中），人脸检测器不会检测到人脸，尽管人脸肯定存在。特别是当用户从屏幕上移开视线并且可以看到脸部的侧面轮廓时。

有针对这个的解决方法吗？

我想到的一个明显的答案是使用侧面轮廓 Haar 分类器，但是我如何融合它们呢？从某种意义上说，在任何时候我都应该拥有脸部的正面轮廓或侧面轮廓（或根本没有）。

我想知道检测到的人脸是否有任何相关的置信度值，因此我可以使用来自级联的检测来提供更自信的检测。

Can someone explain me what the functions in haar.cpp file (in OpenCv) do? And which function actually does the Haar feature evaluation?

我正在尝试开发一个简单的应用程序来检测给定图像中的人脸和眼睛：

（注：旋转是必须的，因为使用该cvtColor功能后，输出图像是逆时针旋转90度生成的。）

我收到以下错误：

回溯（最近一次通话最后）：文件“/home/namit/Codes/wow.py”，第 10 行，在 faces = face_cascade.detectMultiScale(gray, 1.3, 5, 0) 错误：/home/namit/OpenCV/opencv -2.4.9/modules/objdetect/src/cascadedetect.cpp:1081: 错误: (-215) scaleFactor > 1 && image.depth() == CV_8U in function detectMultiScale