问题标签 [haar-classifier]

我正在尝试创建一个 Haar 分类器来识别对象，但是我似乎无法弄清楚每个阶段生成的结果表代表什么。

例如 1

例如 2

我不确定在每种情况下N,HR和FA指的是什么。有人可以解释他们代表什么以及他们的意思吗？

我正在尝试训练一个 Haar 分类器，但是在Stage 2它停止时显示消息Killed

我用来运行的命令如下：

这是什么原因造成的？

注意：我正在按照此处给出的教程进行操作（用不同数量的不同对象替换图像）。

花了一天时间使用 Haar 分类器（用于正面）检测面部，这就是我发现它无法识别/检测面部的原因：

• 即使正面射击，头部也会略微向左或向右倾斜
• 浓密的胡须或胡须
• 非苍白/白色肤色的面孔（未能检测到几张非洲面孔，以及少数来自印度次大陆的面孔）
• 极端蒙古人种特征
• 甚至有一点阴影的脸，即不是高度均匀照明的脸

已尝试修改 scaleFactor 和 minNeighbours，但没有成功。

因此，它本质上似乎归结为能够在理想照片中检测到狭窄范围的面部，包括皮肤白皙、面部直立（没有头部倾斜）、面部毛发最少、面部光线均匀等。

或者，我错过了什么吗？更新/插入的任何特定设置或步骤？

是否在任何地方记录了用于创建与 OpenCV 捆绑的 Haar Cascade XML 的面部类型（正 ID）？

OTOH，我发现了这个很好的问答，但同样，还有许多其他关于 SO 的问题表明人们在创建自己的 Haar Cascades 方面收效甚微（挑战似乎在于正确训练）。有关如何处理此问题的指导将非常有帮助。

我正在为 Qt 使用 OpenCV。

我正在做一个能够检测多个对象的程序。到目前为止，我可以制作面部、眼睛和鼻子检测器，但是当我尝试进行全身检测时，要么得到完全错误的检测，要么根本没有检测到，要么程序崩溃。为了检测全身，我只使用与其他检测相同的代码，但使用 haarcascade_fullbody.xml 文件。不能使用相同的代码吗？为什么它适用于其他功能而不适用于全身？

我还尝试使用来自https://github.com/Itseez/opencv_extra/tree/master/testdata/cv/latentsvmdetector/models_VOC2007的 OpenCV 预训练模型来实现汽车检测，但我得到了解析错误。

提前致谢！

来自 MainWindow 的代码：

来自 DetectFeature 的代码：

假设我想训练级联来识别一个对象，但是这个对象有不同的形状。例如，如果我想识别一个杯子。你知道杯子有很多种形状，但它们也有相似之处。或者另一个例子：方向盘。你总能看出这个物体是一个方向盘，但它有不同的形状。我的问题：我可以训练级联来识别一个物体的大多数不同形状吗？

我无法正确训练分类器。当我使用生成的 cascade.xml 时，无法识别该对象。相反，对象的某些部分是。

训练的命令行是这样的：

训练时输出如下所示：

当我用它来检测我的对象（在我的情况下，对象是方向盘）时，结果是：

我正在尝试使用级联分类器（haarcascade_frontalface_alt_tree.xml）检测人脸，但是这条线

给我这个错误：

该图像img是使用cv::Mat创建的，imread()并且vec是vector<cv::Rect>. 我正在使用 opencv 2.4.9 在 debian 上工作，但相同的代码在使用相同版本的 opencv 的 macos 中运行良好。

嗨，我正在创建自己的分类器来检测水下物体。一切正常，直到最后一步，当我尝试使用 opencv_haartraining 生成 XML 文件时，我没有收到错误，但程序似乎没有做任何事情就退出了。有什么帮助吗？这是一个链接，其中包含正在发生的事情的图像：

https://www.dropbox.com/s/gmz9zwb7351t7e1/error.png?dl=0

当谈到级联分类器（使用类似 haar 的特征）时，我总是读到像 AdaBoosting 这样的方法用于选择“最佳”特征进行检测。但是，这仅在有一些初始功能集开始增强时才有效。

给定一个 24x24 像素的图像，有 162,336 个可能的 haar 特征。我在这里可能错了，但我不认为像 openCV 这样的库最初会针对所有这些特性进行测试。

所以我的问题是如何选择初始特征或它们是如何生成的？有没有关于初始特征数量的指导方针？

如果最初使用所有 162,336 个特征。它们是如何产生的？

我有一组简单的刚性 3D 对象，我希望从图像中检测和识别（比如说 5 到 10 个类）。物体在某种意义上很简单，它们是一种颜色的圆柱体或具有简单图案（例如条纹）或类似简单形状的矩形。这些对象彼此之间有很大的不同（例如，没有两个类，其中一个是大圆柱体，另一个是相同但较小的圆柱体）。因为纹理非常简单（实体和/或简单图案），所以词袋方法失败了（它们不包含大量独特的边缘）。

虽然一种可能的方法是手动编码每个分类器（手动特征提取等），但是否有一种简单的数据驱动方法（例如 Haar/LBP 分类器）可以工作？如果 Haar 或 LBP 可以很好地解决这个问题，那么如何解决未知相对视点的问题（以及通过这种透视失真、旋转等）？只是从所有可能的角度为一个对象提供正图像会收敛还是通常会做其他事情？检测和识别应该实时运行。