matlab - HaarTraining - MATLAB 还是 OpenCV？

Question

我必须训练多达 20 个 haar 分类器。我所拥有的是:

1. 通过编译提供的cpp文件的传统命令行方法在 OpenCV 分布中
2. MATLAB 中的级联训练 GUI

在命令行方法中，与CGT、MATLAB 的ROI 标记界面相比，ObjectMarker 界面非常不友好。

但是，每当我使用 CGT、MATLAB 时，即使是 250 张正面图像 和 30000 张负面图像(均使用视频文件创建)的小样本，它也无法说明:

"Could not create sufficient samples, either decrease the False Alarm Rate, decrease the number of stages or increase the number of negative images."

误报率已经设置为 0，即要使用的 +ve 和 -ve 图像数量相等，阶段数已经是一个非常小的值，即 10。我无法通过这个。

那些已经创建了高效工作的分类器的人，请指导我:

• 我应该使用这两种方法中的哪一种？

• 除了上面列出的方法，还有其他方法吗？

Answer 1

您要检测哪种对象？你使用什么样的负片？理想情况下，负片图像应该是通常与您感兴趣的对象相关联的场景的大图像。

编辑:即使您提供了 30K 个负图像，训练仍然可能没有足够的负样本。 trainCascadeObjectDetector 函数通过运行检测器为每个阶段生成负样本，检测器由到目前为止在负图像上的阶段组成。如果检测器检测到任何物体，则它们被构造为误报，并将它们用作下一阶段的负样本。根据您提供的负片图像类型，经过一些阶段后，电流检测器很可能不会在负片图像中检测到任何误报。

你说过你的负面形象来自你房间的视频。问题可能是你所有的负片图像彼此太相似了。因此，您可能应该尝试在负片集中包含其他图像，以使其多样化。此外，您还应该确保在负面图像中包含包含手势的图像，而不是您正在训练的图像。