目标检测（从样本处理到训练检测）训练级联分类器

最新推荐文章于 2024-07-30 11:49:24 发布

童二hsin

最新推荐文章于 2024-07-30 11:49:24 发布

阅读量7k

点赞数 6

分类专栏：分类器目标检测文章标签： opencv 目标检测训练样本级联分类器

本文链接：https://blog.csdn.net/qq_30028077/article/details/50483205

版权

本文详细介绍了目标检测的过程，从样本处理到训练级联分类器，再到目标检测。首先，正样本需要经过归一化处理并生成VEC文件，负样本则直接使用原图。接着使用opencv_traincascade.exe进行训练，设置参数如样本数量、训练层数和特征类型。最后，通过训练得到的XML文件进行目标检测。文章还提到了训练过程中可能遇到的错误及其解决方法，并强调了特征提取和检测算法优化的重要性。

摘要由CSDN通过智能技术生成

一直在复习期末考试，没能及时的将整个检测过程写来了。正好最近考完了，而且上个月做的检测结果出现部分的漏检，于是决定从头再来一次，就当做是加深印象了。做的这个实验是百香果的识别与检测，类似行人和人脸检测，下面简单写点自己对训练级联分类器整个流程浅薄的认识。下面就开始啦，整个训练检测过程主要是这样的：样本处理—>训练分类器—>目标检测。

一：样本的处理

1：正样本的处理。正样本，也就是我们包含需要检测的目标的样本集，如行人检测当中的行人、人脸识别当中的人脸。这里就需要我们自己准备样本了，拍照或者是提取视频帧。一般在正式使用正样本之前需要对其进行归一化处理，人工裁剪很难保证精度而且费时费力，可以用一段精简的matlab程序就可以解决，作用是将尺寸不一的正样本归一化成大小统一的如30X30、50X50的训练样本。然后就是重命名问题了，简单来做就是按数字排序来命名，1.jpg、2.jpg。。n.jpg以此类推，接着就要运用批处理命令，获取正样本路径列表，这其实就是为了之后生成正样本的的VEC文件做准备。