Ich habe eine Anwendung mit Haar-Kaskade, um Augen in der Bilderfassung von der Videokamera zu erkennen. Das verwendete Verfahren ist:OpenCV: Wie kann die Genauigkeit der Augenerkennung mit Haar Classifier Cascade verbessert werden?
void CascadeClassifier::detectMultiScale(const Mat& image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
Dies funktioniert ganz mit Standardwert von scaleFactor
, fein minNeighbors
und flags
aber einige Menschen die Augen nicht erkannt werden kann. Also möchte ich die Genauigkeit der Augenerkennung verbessern. Es scheint wie "Cascade Classifier Training" und erstellen Sie die benutzerdefinierte Kaskadenklassifizierer ist eine gute Lösung, aber bevor Sie auf diese Weise
wäre es möglich, die Erkennungsgenauigkeit durch die Anpassung einiger Parameter in der Methode zu verbessern? Bitte erläutern Sie mehr die Bedeutung von scaleFactor
, minNeighbors
und flags
, weil diese Bedeutung von cascadeclassifier-detectmultiscale Dokumente sind mir nicht ganz klar. Vielen Dank.
Dies ist tatsächlich in dieser Antwort besser dokumentiert als in jeder anderen Online-Dokumentation, die ich online gefunden habe – user151496
Ich habe experimentell gefunden, dass eine niedrigere minNeighbor findet die Features häufiger. (mit weniger Genauigkeit) –
Was ist mit der Bildfarbpalette oder den Farbräumen? Welches ist das beste für die Augenerkennung von Haar? Vollfarbe oder Graustufen? RGB, LAB, YCrCb, HSV? – dwkd