Opencv Haar Cascade 简单物体的训练/检测
Opencv Haar Cascade training / detection for simple objects
我正计划为白色杯子、红色球和蓝色冰球制作级联检测器。由于这些物体的形状非常简单，我想知道在训练中与寻找复杂物体（例如汽车/面孔）之间是否存在任何参数差异？此外，在训练 pos 图像中，我有不同光照条件下的对象和对象处于阴影下的实例。
对于训练负片图像，我注意到图像尺寸可能会有所不同。但是，对于正图像，它们必须是固定大小。
我计划使用 100x100 pos 图像来帮助检测 20-30 英尺外的物体，当我在 5 英尺以内/在物体的正上方（离地面 3 英尺 appx）时，200x200 pos 图像用于检测物体).这是否意味着我必须训练 6 个不同的 XML？每个对象 2 个，因为它是针对 100x100 和 200x200 训练的？
简答：是
长答案：可能：
你要这样想，分类器要为正例图像建立一组特征，然后用这些特征来判断你的检测图像是否相同。如果您要大幅移动检测角度，那么您将需要一个不同的分类器。
举个例子：
如果在 20 英尺外你的杯子看起来像这样：
与关联的 background/lighting 等，如果你的杯子看起来像这样（可能在 5 英尺外但角度不同），它将是一个非常不同的分类器：
现在，综上所述，如果您的杯子只有大号和小号版本，那么您可能只需要一个。但是，您需要为每个对象使用不同的分类器 (cup/ball/puck)
图片不是我的 - 取自 Google
我正计划为白色杯子、红色球和蓝色冰球制作级联检测器。由于这些物体的形状非常简单，我想知道在训练中与寻找复杂物体（例如汽车/面孔）之间是否存在任何参数差异？此外，在训练 pos 图像中，我有不同光照条件下的对象和对象处于阴影下的实例。
对于训练负片图像，我注意到图像尺寸可能会有所不同。但是，对于正图像，它们必须是固定大小。
我计划使用 100x100 pos 图像来帮助检测 20-30 英尺外的物体，当我在 5 英尺以内/在物体的正上方（离地面 3 英尺 appx）时，200x200 pos 图像用于检测物体).这是否意味着我必须训练 6 个不同的 XML？每个对象 2 个，因为它是针对 100x100 和 200x200 训练的？
简答：是
长答案：可能：
你要这样想，分类器要为正例图像建立一组特征，然后用这些特征来判断你的检测图像是否相同。如果您要大幅移动检测角度，那么您将需要一个不同的分类器。
举个例子：
如果在 20 英尺外你的杯子看起来像这样：
与关联的 background/lighting 等，如果你的杯子看起来像这样（可能在 5 英尺外但角度不同），它将是一个非常不同的分类器：
现在，综上所述，如果您的杯子只有大号和小号版本，那么您可能只需要一个。但是，您需要为每个对象使用不同的分类器 (cup/ball/puck)
图片不是我的 - 取自 Google