解决OpenCV 2.4.9加载老版本的xml模型进行Haar特征人脸检测崩溃的bug

      想找到OpenCV中1.0的版本的Haar特征检测与2.0版本的Haar特征检测的差异,用同样的数据集训练了一个人脸检测模型,然后使用opencv_traincascade.exe级联出来,加上-baseFormatSave命令可以级联出老版本的xml,暂且命名为casacde_1.0.xml,而默认的是不加-baseFormatSave命令级联出来的是新版本的xml,暂且命名为cascade_2.0.xml。然后使用如下代码去加载模型。

CascadeClassifier detector;
std::string cascade_filename = "cascade_1.0.xml";
detector.load(cascade_filename);
if (detector.empty())
{
	cout << "load classifier failed!" << endl;
	return -1;
}

        在第三行load函数这里崩溃了,如下图所示

        单步跟踪进入load函数,一路跟踪到崩溃的地方if( !CV_NODE_IS_USER(node->tag) || !node->info ),在OpenCV源码persistence.cpp中的,如下代码段

/* reads matrix, image, sequence, graph etc. */
CV_IMPL void*
cvRead( CvFileStorage* fs, CvFileNode* node, CvAttrList* list )
{
    void* obj = 0;
    CV_CHECK_FILE_STORAGE( fs );

    if( !node )
        return 0;

    if( !CV_NODE_IS_USER(node->tag) || !node->info )
        CV_Error( CV_StsError, "The node does not represent a user object (unknown type?)" );

    obj = node->info->read( fs, node );
    if( list )
        *list = cvAttrList(0,0);

    return obj;
}

node->info是0x00000000000,触发了CV_Error( CV_StsError, "The node does not represent a user object (unknown type?)" );

        于是,我打开OpenCV安装目录,C:\opencv\sources\data\haarcascades,找到haarcascade_frontalface_alt2.xml,用Notepad++打开,头部片段如下:

<opencv_storage>
<haarcascade_frontalface_alt2 type_id="opencv-haar-classifier">
  <size>20 20</size>
  <stages>
    <_>
      <!-- stage 0 -->
      <trees>
        <_>
          <!-- 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 -->

        而我用-baseFormatSave命令可以级联出老版本的xml头部片段如下:

<?xml version="1.0"?>
<opencv_storage>
<cascade>
  <size>
    24 24</size>
  <stages>
    <_>
      <trees>
        <_>
          <_>
            <feature>
              <rects>
                <_>
                  2 0 21 9 -1.</_>
                <_>
                  9 3 7 3 9.</_></rects>
              <tilted>0</tilted></feature>
            <threshold>2.4910642206668854e-001</threshold>
            <left_val>-9.2149019241333008e-001</left_val>
            <right_val>7.8150141239166260e-001</right_val></_></_>
        <_>
          <_>

        看到<opencv_storage>下面的那一行,OpenCV自带的模型是<haarcascade_frontalface_alt2 type_id="opencv-haar-classifier">,而我用-baseFormatSave命令可以级联出老版本的xml对应的这一行是<cascade>。这里少了type_id="opencv-haar-classifier"。修改成<cascade type_id="opencv-haar-classifier">,就可以顺利地加载老版本的xml模型进行haar特征检测了。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中,Haar特征分类器和级联分类器是实现人脸检测的关键。下面是它们的实现过程: 1. Haar特征分类器的实现过程: Haar特征是一种可以用于对象检测特征,它可以用来检测出图像中的各种形状,如边缘、线段、矩形等。在人脸检测中,我们需要用到的是Haar-like特征,它是由一些不同形状的矩形区域组成的,每个矩形区域的像素值之和作为该区域的特征值。 具体实现过程是:首先,将人脸和非人脸的样本集进行训练,从而得到一个弱分类器。然后,将得到的弱分类器组合成多个级联分类器。在每一级分类器中,都有多个Haar-like特征,这些特征用来对图像进行分类。最终,将级联分类器应用于图像中,通过多次扫描和分类,可以得到图像中所有的人脸区域。 2. 级联分类器的实现过程: 级联分类器是一种多级分类器,每一级都有自己的分类器,用来对输入图像进行分类。在人脸检测中,级联分类器通常由多个弱分类器组成,每个弱分类器都是由多个Haar特征组合而成的。在每一级分类器中,都有一个阈值,如果当前区域的特征值大于该阈值,就会被认为是人脸区域,否则就会被排除。级联分类器可以通过不断的训练来提高检测的准确率。 具体实现过程是:首先,选择一些正样本和负样本,用来训练级联分类器。然后,根据正样本和负样本集,得到第一个弱分类器,该分类器的阈值是根据样本集中的特征值计算得到的。接着,将得到的弱分类器应用于测试图像中,如果当前区域符合人脸的特征,就会被认为是人脸区域,否则就会被排除。最后,根据每个区域的分类结果,得到下一个弱分类器的训练集,然后重复上述过程,直到得到多个弱分类器组成的级联分类器。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值