我目前正在使用Haar分类器来检测对象。在我的途中,我不明白minNeighbors参数是什么,它代表什么?实际上,我不明白检测候选矩形的邻居是什么。谁能给邻近的想法下定义吗?
发布于 2014-03-07 12:41:11
Haar级联分类器采用滑动窗口方法。如果您查看级联文件,您可以看到一个大小参数,它通常是一个很小的值,比如2020。这是级联所能检测到的最小窗口。因此,通过应用滑动窗口方法,您可以从图片中滑动一个窗口,而不是调整它的大小,然后再搜索,直到无法进一步调整它的大小为止。因此,在每一次迭代中,haar的级联分类器都存储真实的输出。因此,当这个窗口在图片中滑动时,调整大小并再次滑动,它实际上检测到许多错误阳性。您可以通过提供minNeighbors 0来检查它检测到的内容。这里有一个例子:

因此,由于调整了滑动窗口的大小,出现了大量的人脸检测,同时也出现了大量的假阳性。因此,为了消除假阳性,从检测中得到合适的人脸矩形,本文采用了邻域方法。就像如果它是在其他矩形的邻域,而不是它是好的,你可以进一步传递它。因此,这个数字决定了需要多少邻域才能把它作为一个面矩形传递。在相同的图像中,当它是1时:

因此,通过增加这个数字,你可以消除假阳性,但要小心,增加它,你也可能失去真正的阳性。当它是3时,这是一个完美的结果:

发布于 2014-03-07 16:28:25
来自OpenCV文档
minNeighbors -参数指定每个候选矩形必须保留多少邻居。
换句话说,这个参数将影响检测到的人脸的质量。较高的值导致较少的检测,但具有更高的质量。
这个参数背后的思想是,检测器将运行在多尺度风格的上,同时遵循滑动窗口策略。在这一步之后,它将给您多个响应,即使是一个单一的脸区域。这个参数倾向于过滤这些响应,就像设置一个下限阈值一样,也就是说,只有当该人脸的响应数高于minNeighbors时,它才会被算作一个有效的人脸。
要了解卡斯卡德分类器::多尺度检测的其他参数,请查看我前面回答的这个职位。
https://stackoverflow.com/questions/22249579
复制相似问题