Opencv-Haar-Cascade分类器进行鼠标识别

检测思路

1. 计算积分图，使用积分图（Integral Image）对Haar-like进行特征求值
2. 挑选最优分类器；
3. 使用AdaBoost算法把这些分类器训练成一个强分类器，用于区分鼠标和非鼠标
4. 级联，也就是强分类器的强强联手。把强分类器级联到一起，提高准确率

检测方法

利用haar特征，结合级联分类器进行鼠标检测： Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联

检测目标选择

选择特征明显的物体(颜色和轮廓)

样本构建方法

样本分为正样本(有目标)、负样本(无目标)

• 正样本
  正样本构建：
  拍20张，通过画图软件编辑图片大小50*50(图片尺寸可以减少训练的时间)，通过python程序分别调节每张目标图片的亮度各5张、对比度各5张，正样本最终筛选数量为191张,并生成描述文件。
• 调节亮度和对比度的python代码

from PIL import Image
from PIL import ImageEnhance
import os

root = "C:/Users/空雨衣/Desktop/test/"
fileList = os.listdir(root)
contrasparam = 0.3
brightparam = 0.3
sharpparam = 0.2
contrcounter = 1
brightcounter = 1
sharpcounter = 1
counter = 0
for filename in fileList:
    path = root  + filename
    img = Image.open(path)
    enh_con = ImageEnhance.Contrast(img)
    enh_bri = ImageEnhance.Brightness(img)
    enh_sha = ImageEnhance.Sharpness(img)
    #调节对比度
    for i in range(1,6):
        image_contrasted = enh_con.enhance(contrasparam * i * counter*0.06)
        newname1 = root + str(contrcounter) + "1contrast1" + str(i)+".jpg"
        image_contrasted.save(newname1)
    c