Haar分类器参数整定

Question

我试着训练一个haar分类器来检测图像中的乐高人脸，但是我很难调整参数。在

我拍了3张乐高积木的照片（每张50张），然后用opencv把它们的头分离成40x40的图像。在

示例图像如下：

除此之外，我只取了500张空白背景图片作为数据集中的负片。 我创造了道路，并产生了样本.vec文件如opencv文档中所述。在

之后，我试着训练我的haar分类器。我使用了我在另一个类似项目中发现的参数： opencv_traincascade -data classifier -vec samples.vec -bg negatives.txt\ -numStages 10 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 1000\ -numNeg 600 -w 40 -h 40 -mode ALL -precalcValBufSize 1024\ -precalcIdxBufSize 1024

结果真的很糟糕。分类器识别不存在的乐高积木，奇怪的是它无法识别预期的乐高人脸。在

我真的很难调整这个分类器，因为参数列表非常庞大，我不知道如何设置值，从而得到一个高效的分类器，而且不需要花很长时间来训练。在

任何帮助都将不胜感激，特别是关于如何选择参数和“平均”计算机的预期训练时间。感谢您抽出时间！在

（注：训练时间是2个小时，我认为这太快了，可能是导致成绩不好的原因）。在

Answer 1

看看我的答案-Generating good training data for haar cascades

如果你的训练集真的是你发布的那张照片的大小，那么40x40可能只是宽度和高度的一种大方法。2小时对于训练来说是可以的，但是在0.999的时候我不希望它能这么快进入10个阶段。在

这是一个没有真正“正确”答案的问题之一。不过，我还是建议高分辨率的图像。在

对评论问题的回答 首先评论-训练你的分类器你将要使用的图像，所以如果他们是低分辨率，那么坚持低分辨率。这可能只是一个更难的问题。在

第二点评论-如果你只是在一个场景中训练，比如说，如果你有一个背景鲜明的乐高摄影棚，你只会检测到它，那么除了积极的功能之外，什么都要用。一、 e.背景。这就变成了一个更简单的简历问题，当我说否定是“其他一切”时，我的意思是你想检测到什么。如果你想发现在伦敦街头行走的乐高男士，那么你需要一个比他们都在同一背景下的大得多的底片。它甚至有助于使你的背景颜色或其他什么，我不确定。在

Answer 2

解决问题：

它需要更高分辨率的图像和更小的最大虚警率。在

可能是低分辨率的图像增加了大量的噪声，误导了分类器。在

我建议所有面临类似问题的人重新评估并重建数据集。在