c++ - OpenCV:detectMultiScale() 从对象中给出了太多点

Question

我用 opencv_traincascade 训练了我的电脑一整天，使用 6000 多张类似于以下的正面图像来检测 2 欧元硬币:

现在，我刚刚尝试运行一个简单的 OpenCV 程序来查看结果并检查文件 cascade.xml。最后的结果非常令人失望:

硬币上有很多点，但背景上也有很多其他点。我用于训练的正面图像会不会有问题？或者，我是否在使用参数错误的 detectMultiScale()？

这是我的代码:

#include "opencv2/opencv.hpp"

using namespace cv;

int main(int, char**) {

  Mat src = imread("2c.jpg", CV_LOAD_IMAGE_COLOR); 

  Mat src_gray;

  std::vector<cv::Rect> money;

  CascadeClassifier euro2_cascade;

  cvtColor(src, src_gray, CV_BGR2GRAY );
  //equalizeHist(src_gray, src_gray);

  if ( !euro2_cascade.load( "/Users/lory/Desktop/cascade.xml" ) ) {
     printf("--(!)Error loading\n");
     return -1;
  }

  euro2_cascade.detectMultiScale( src_gray, money, 1.1, 0, CV_HAAR_FIND_BIGGEST_OBJECT|CV_HAAR_SCALE_IMAGE, cv::Size(10, 10),cv::Size(2000, 2000) );

  for( size_t i = 0; i < money.size(); i++ ) {
     cv::Point center( money[i].x + money[i].width*0.5, money[i].y + money[i].height*0.5 );
     ellipse( src, center, cv::Size( money[i].width*0.5, money[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );
  }

  //namedWindow( "Display window", WINDOW_AUTOSIZE );
  imwrite("result.jpg",src);
}

我也尝试过减少邻居的数量，但效果是一样的，只是点数少了很多……在正面图像中硬币周围有 4 个角作为背景，这会不会是一个问题？我用 Gimp 从显示硬币的视频截图中生成了 png 图像，所以我不知道为什么 opencv_createsamples 会放置这 4 个角。

Answer 1

那些正面形象只是普通错误

您在训练数据的各个部分给图像添加的“噪声”越多，它就会越稳健，但是训练所需的时间也就越长。然而，这是您的负样本将起作用的地方。如果您拥有尽可能多的负面训练样本和尽可能多的范围，那么您将创建更强大的检测器。你需要确保你的正面图像中只有你的硬币，你所有的负面图像都包含但硬币

到目前为止，我已经看到了您提出的几个问题，我认为您想要检测三种不同类型的欧元硬币。您最好在这些不同的硬币上训练三个分类器，然后在您的图像上运行这三个分类器。

我认为您还缺少关于 HAAR 如何有效工作(或 LBP 或其他)的关键知识，它从您的正图像中创建一组“特征”，然后尝试在您运行分类器的图像中找到这些特征超过。它通过找出正面图像和负面图像之间的不同之处来创建这些特征。你不想要任何不是你试图在正面图像中检测到的东西。

编辑 1 - 示例

想象一下，为道路 parking 标志创建一个分类器，这是一种类似于硬币的检测。它很大，是红色的，而且是六角形的。为此创建分类器相对容易 - 只要您不将训练阶段与错误数据混淆。

编辑 2 - 图像缩放:

您还必须记住，在运行检测阶段时，它需要您的分类器，从小规模开始，然后扩大规模。大的、明显的特征会被更快地检测到——在我之前的例子中，大红色 Blob 和六边形。然后它会从小特征开始，例如文本或数字。

编辑 3 - 一个更好的例子

This这个例子很好地向您展示了训练级联对象检测器是如何工作的。事实上，它甚至有与 parking 标志相同的示例!