如何提高 OpenCV 中的 Haar Cascade 精度？答案

【问题标题】：How to improve Haar Cascade accuracy in OpenCV?如何提高 OpenCV 中的 Haar Cascade 精度？
【发布时间】：2016-10-06 20:39:30
【问题描述】：

我已经收集了 1000 张正（50*50）图像和 1000 张负（50*50）图像，并在 OpenCV 中训练了 Haar Cascade。我正在尝试检测手机。训练代码：

opencv_traincascade -data data -vec crop1.vec -bg mob_neg.txt -numPos 900 -numNeg 900 -numStages 15 -w 50 -h 50 bgcolor 255 -bgthresh 100

cascade 无法准确检测移动设备（它正在检测移动设备以及许多其他对象，如鼠标、钥匙、钱包、手等）你能帮我解决这个问题吗我使用连拍模式通过相机拍摄手机图像。通过不同的角度和不同的旋转拍摄正像负片取自网络。

我应该怎么做才能提高级联精度？？

我应该改变正片或负片的尺寸吗？提前致谢

【问题讨论】：

这似乎不是一个编程问题。也许尝试交叉验证？
增加样本数量和阶段数量是提高准确率的唯一方法，但肯定会花费很多时间。

标签： python opencv haar-classifier

【解决方案1】：

我是个新手，但发现这篇文章很有帮助：

https://pythonprogramming.net/haar-cascade-object-detection-python-opencv-tutorial/

作者在其中提到了使用两倍于负数的正数的经验法则。他还讨论了一种通过使用opencv_createsamples（也为您旋转正图像）将正图像覆盖在负图像上来生成正图像的方法。

他还在正图像样本生成和训练之前缩放负片并将它们转换为灰度。

我希望这会有所帮助。

【讨论】：

【解决方案2】：

我认为你需要在训练你的 haar 级联时稍微压缩你的标准：

-miniHitRate
-maxFalseAlarmRate

默认设置为 1，将它们压缩到 0.5 甚至更低以获得更准确的级联。试试：

opencv_traincascade -data data -vec crop1.vec -bg mob_neg.txt -numPos 850 -numNeg 900 -numStages 15 -miniHitRate 0.5 -maxFalseAlarmRate 0.5 -w 50 -h 50 bgcolor 255 -bgthresh 100

【讨论】：