用于Viola-jones的haar级联XML

Question

<!-- tree 0 -->
-<_>
**<!-- root node -->**
-<feature>
    -<rects>
        <_>2 7 16 4 -1.</_>
        <_>2 9 16 2 2.</_>
    </rects>
    <tilted>0</tilted>
</feature>
<threshold>4.3272329494357109e-003</threshold>
<left_val>0.0383819006383419</left_val>
<right_node>1</right_node>
</_>
-<_>
    **<!-- node 1 -->**
-<feature>
    -<rects>
        <_>8 4 3 14 -1.</_>
        <_>8 11 3 7 2.</_>
    </rects>
    <tilted>0</tilted>    
</feature>
<threshold>0.0130761601030827</threshold>
<left_val>0.8965256810188294</left_val>            
<right_val>0.2629314064979553</right_val>

​

什么是<root node>和<node 1>？

我认为每个弱分类器与一个类似haar的特征相匹配。

但是当我看到这段XML代码时，其中有两个节点，我感到很困惑。

end我也不明白right/left_node或right/left_val是什么意思。

Answer 1

训练样本有不同的方法。一种方式是使" nsplits“选项小于2，其中仅生成根节点，其中每个根节点对应于haar特征，但是如果"nsplits”大于1，则将根节点分割成叶节点，使得根节点+叶节点=nsplits值，并且具有与以回归决策树形式(CART)排列的每个“节点”相关联的1个haar特征。

简短地回答你的问题，即使在这里，每个分类器都是一个haar特征，但被安排在具有超过1个叶子的期望树形式中。对于这个特定的例子，训练是在nsplits = 2的情况下完成的。

Answer 2

OpenCV代码是通用的，不适用于维奥拉-琼斯特定算法，因此XML文件具有树状结构，而维奥拉-琼斯文件具有多级线性结构。简而言之，你会发现每个根节点是一个阶段，当然内部节点是特征，而每个特征有2到3个矩形。