电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

如何用OpenCV训练自己的分类器

如何用OpenCV训练自己的分类器_第1页
1/17
如何用OpenCV训练自己的分类器_第2页
2/17
如何用OpenCV训练自己的分类器_第3页
3/17
如何用OpenCV训练自己的分类器 2009-09-04 22:15 最近要做一个性别识别的项目,在人脸检测与五官定位上我采用OPENCV的 haartraining进行定位,这里介绍下这两天我学习的如何用opencv训练自己的分类器。在这两天的学习里,我遇到了不少问题,不过我遇到了几 个好心的大侠帮我解决了不少问题,特别是无忌,在这里我再次感谢他的帮助。 一、简介 目标检测方法最初由 Paul Viola [Viola01]提出,并由 Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为: 首先,利用样本(大约几百幅样本图片)的 harr 特征进行分类器训练,得到一个级联的boosted分类器。 分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中,被检窗口依次通过每一级分类器, 这样在前面几层的检测中大部分的候选区域就被排除了,全部通过每一级分类器检测的区域即为目标区域。 分类器训练完以后,就可以应用于输入图像中的感兴趣区域的检测。检测到目标区域分类器输出为 1,否则输出为 0。为了检测整副图像,可以在图像中移动搜索窗 口,检测每一个位置来确定可能的目标。 为了搜索不同大小的目标物体,分类器被设计为可以进行尺寸改变,这样比改变待检图像的尺寸大小更为有效。所以,为了在图像中检测未知大小的目标物体,扫描 程序通常需要用不同比例大小的搜索窗口对图片进行几次扫描。 目前支持这种分类器的boosting技术有四种: Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。 "boosted" 即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票),并利用基础分类器的自我训练得到。 根据上面的分析,目标检测分为三个步骤: 1、 样本的创建 2、 训练分类器 3、 利用训练好的分类器进行目标检测。 二、样本创建 训练样本分为正例样本和反例样本,其中正例样本是指待检目标样本,反例样本指其它任意图片。 负样本 负样本可以来自于任意的图片,但这些图片不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个文本文件,每一行包含了一个负样本图片的文件 名(基于描述文件的相对路径)。该文件创建方法如下: 采用Dos命令生成样本描述文件。具体方法是在Dos下的进入你的图片目录,比如我 的图片放在D:\face\posdata下,则: 按 Ctrl+R打开 Windows运行程序,输入 cmd打开 DOS命令窗口,输入 d:回车,再输入 cd D:\face\negd...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

如何用OpenCV训练自己的分类器

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部