我怎样才能获得自信水平dlib.simple_对象

Question

我训练了我自己的模型来识别一个模式，我把它作为一个.svm，并且在没有好的轨迹时通过跟踪运动来支持这一点。这是很好的工作，但我的问题是，有时我得到假阳性，有时覆盖最近开始的运动轨迹。在

我尝试用dir()记录检测器，但是找不到任何置信域，也没有检查引用，但是我无法找到如何让这个跟踪器输出其置信级别。在

我想做的是基本上有一个系统愿意使用的轨迹质量的阈值，随着时间的推移，这个阈值逐渐降低。也就是说，如果它丢失了我的模式轨迹，并立即从图像中随机选取一个低置信度轨迹，它不会覆盖我最近的（因此也是高质量的）运动轨迹。然而，如果运动轨迹已经运行了很长时间，它更有可能滑落，我更倾向于相信低质量的轨道。在

TL；DR；如何获得此探测器的置信水平？非常感谢您能给我的任何帮助。

我在下面附上了我的代码以显示上下文

import os
import sys
import glob
import dlib
import cv2


detector_path = sys.argv[1] #first point towards the detector to use
video_path = sys.argv[2] #then point it towards a folder filled with images. Doesn't need to be drawn from video


win = dlib.image_window()
files_to_test = os.listdir(video_path)

detector = dlib.simple_object_detector(detector_path)

tracker = None
tracker_age = 0
for file in files_to_test:
    img = dlib.load_rgb_image(video_path + "/" + file)
    dets = detector(img)
    print("Number of faces detected: {}".format(len(dets)))
    for k, d in enumerate(dets):
        print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
            k, d.left(), d.top(), d.right(), d.bottom()))
    if len(dets) > 0:
        tracker = dlib.correlation_tracker()
        d = dets[0]
        print(dir(d))
        x = d.left()
        y = d.top()
        x2 = d.right() 
        y2 = d.bottom()
        rect = dlib.rectangle(x,y,x2,y2)
        tracker.start_track(img,rect)
        tracker_age = 0
        win.clear_overlay()
        win.add_overlay(dets)
    else:
        print("relying on motion track for the past {} frames".format(tracker_age))
        if not tracker == None:
            tracker.update(img)
            pos = tracker.get_position()
            startX = int(pos.left())
            startY = int(pos.top())
            endX = int(pos.right())
            endY = int(pos.bottom())
            # draw the bounding box from the correlation object tracker
            cv2.rectangle(img, (startX, startY), (endX, endY),
                (0, 255, 0), 2)

    win.set_image(img)
    dlib.hit_enter_to_continue()

Answer 1

使用dlib.simple_object_detector您将无法获得所需的内容，请尝试以下函数：

[boxes, confidences, detector_idxs] = dlib.fhog_object_detector.run_multiple(detectors, image, upsample_num_times=1, adjust_threshold=0.0)

有关详细信息，请参见http://dlib.net/train_object_detector.py.html