样本采集过程中需要注意的问题

项目:客流量统计系统

样本采集:

目标:人头

摄像头架设位置:垂直

样本采样:包括头部边缘的人头作为检测目标

样本采集需要注意的问题:

  • 样本的大小:需要按照一定的比例(1:1)采集,可以使用ps设置扣取目标并缩放到统一尺度下
  • 样本的基准参考点:尽量保持人头的头顶居于图片的中心位置,以防止图片过于偏于某个方向而引入较多的噪声

目标:头和肩膀

摄像机架设位置:垂直

样本采样部位:包括完整的人头和部分肩膀信息

样本采集需要注意的问题:

  • 样本的大下:按照一定的比例(1:1)采集,(头和肩膀的采样形状会随着人体的不同姿势而发生改变,如果用矩形框,人在水平站立和倾斜45度时采样的矩形框比例不同,为了统一标准,选取正方形)
  • 样本的基准参考点:尽量将人头摆放着中间位置,并按照人头的大小将采样区域扩大为人头的1.5-2倍作为样本。(原因:如果选取包含人体的全部肩部和头部信息,会随着人体的旋转,采样的大下发生变化,可能不利于特征的分类)

样本训练:

分类器:svm

样本比例:如果使用opencv自带的svm进行特征训练,对于二分类问题,正负样本比例接近1:1,若正负样本个数差异较大,听朋友说可以通过加权svm来控制分类器

样本数量:在客流统计系统中,正负样本分别大于4000张

样本更新:在使用svm训练出分类器后,需要用测试样本对分类器进行测试,分别将误检和虚检的目标添加到正负样本中,更新样本(主要是更新负样本,正样本主要依靠人工扣取更新),直至正负样本分别收敛为止。

svm系数调整:对于线性分类器,参数C值对svm的分类结果有较大影响,可以通过调节c值获取较好的分类器,同样训练的迭代次数同样对此有影响,常见的博客中用到的是100次迭代。但是在使用过程中,用到了1E5--1E7有较好的效果,说明迭代次数较大时,分类器性能较好。

 

 

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

样本采集过程中需要注意的问题

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭