Android OpenCV : Lots of false detections with trained classifier. 是否也检测到背景颜色？

Question

我一直在尝试编写一个识别铅笔帽的应用程序(在本例中)。

我已经拍摄了大约 40 张物体的照片，以及 635 张没有物体的照片。然后我一直在使用 perl 脚本“createsamples.pl”通过此命令从 40 张正面图片生成 3000 张正面图像(我也尝试生成 1500 张图像，结果相同):

createsamples.pl p.dat n.dat output

p.dat是40张正片名称的文件，n.dat是636张负片名称的文件。

我一直在将创建的矢量文件合并到一个矢量文件中，然后我一直在尝试像这样开始训练:

opencv_traincascade -data cascades -vec samples.vec -bg n.dat -numPos 1000 -numNeg 635 -numStages 1 -w 20 -h 20 -featureType LBP

这在几秒钟内完成，但当我在我的应用程序中尝试时，却给了我无数次错误检测。

所以我再次尝试了更多阶段，最多 20 个。

===== TRAINING 19-stage =====
BEGIN
POS count : consumed   2000 : 2302
NEG count : acceptanceRatio    635 : 0.000145818
Precalculation time: 1.487
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|    0.997| 0.829921|
+----+---------+---------+
|   3|    0.997| 0.829921|
+----+---------+---------+
|   4|   0.9985| 0.856693|
+----+---------+---------+
|   5|   0.9965| 0.694488|
+----+---------+---------+
|   6|   0.9955| 0.645669|
+----+---------+---------+
|   7|   0.9955|      0.6|
+----+---------+---------+
|   8|    0.996| 0.579528|
+----+---------+---------+
|   9|   0.9955| 0.544882|
+----+---------+---------+
|  10|   0.9955| 0.540157|
+----+---------+---------+
|  11|   0.9955| 0.359055|
+----+---------+---------+
END>

在这个阶段，我仍然有错误检测，不再那么多了，但它们仍然存在。

所以我尝试了更多阶段，最多 30 个。但是在第 21 个阶段训练时，我已经得到了这个接受率:

===== TRAINING 20-stage =====
BEGIN
POS count : consumed   2000 : 2320
NEG count : acceptanceRatio    635 : 9.72903e-005
Precalculation time: 1.493
+----+---------+---------+
|  N |    HR   |    FA   |
+----+---------+---------+
|   1|        1|        1|
+----+---------+---------+
|   2|    0.997| 0.831496|
+----+---------+---------+
|   3|    0.997| 0.831496|
+----+---------+---------+
|   4|    0.999| 0.779528|
+----+---------+---------+
|   5|   0.9955|  0.64252|
+----+---------+---------+
|   6|   0.9965| 0.694488|
+----+---------+---------+
|   7|   0.9955| 0.689764|
+----+---------+---------+
|   8|   0.9955| 0.628346|
+----+---------+---------+
|   9|    0.996| 0.645669|
+----+---------+---------+
|  10|   0.9965| 0.541732|
+----+---------+---------+
|  11|   0.9955|  0.43622|
+----+---------+---------+
END>

这个接受率意味着分类器训练过度了，对吧？至少这就是人们在 stackoverflow 上提到的几个问题。

我正在使用视频捕捉并将物体(铅笔帽)放在相机前面以检测它。在大多数帧中，它仍会被检测到，但与帽子位于同一背景上的任何其他对象也会被检测到。

40张正片是这样的:

http://i.imgur.com/fOqiyP8.jpg

其中 10 个是在灰色背景下拍摄的，10 个是在红色背景上拍摄的，10 个是在银色背景上拍摄的，10 个是在键盘上的帽子上拍摄的。

总而言之，我的问题是:

1) 我正在使用的 40 张图片可以使用吗？还是应该根本没有背景？因为现在，当我将我的视频捕获指向我之前使用的红色背景时，我得到了错误的检测。发生情况的示例(请删除空格):http://i.imgur.com/w0szcTh.jpg?1

2) 我实现目标的方式完全错误吗？

3) 我发现的关于我正在尝试的最好的教程是这个: http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html他的照片也显示了背景，但似乎他没有得到错误的检测。你知道我的方法还有什么问题吗？

在此先感谢大家，我希望你们中的任何人都可以帮助我。

Answer 1

我认为，对于这个问题，颜色检测+轮廓查找应该是更有效的方法。另请查看 http://code.google.com/p/cvblob/ .

Haar 级联适用于灰度图像，您的对象没有太多视觉特征可以将其与其他对象区分开来，这就是为什么您的检测器有很多错误检测。