OpenCV detectMultiScale() 参数的推荐值答案

【问题标题】：Recommended values for OpenCV detectMultiScale() parametersOpenCV detectMultiScale() 参数的推荐值
【发布时间】：2014-01-15 01:33:04
【问题描述】：

CascadeClassifier::detectMultiScale() 的推荐参数是什么？我应该根据哪些因素更改默认参数？

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() )

【问题讨论】：

标签： c++ opencv cascade-classifier

【解决方案1】：

在这些参数中，需要多注意其中的四个：

scaleFactor – 指定在每个图像比例下图像尺寸缩小多少的参数。

基本上，比例因子用于创建比例金字塔。更多解释可以找到here。简而言之，如here 所述，您的模型在训练期间定义了固定大小，在xml 中可见。这意味着在图像中检测到这种大小的人脸（如果存在）。但是，通过重新缩放输入图像，您可以将较大的人脸调整为较小的人脸，使其可以被算法检测到。

1.05 是一个很好的可能值，这意味着您使用一小步来调整大小，即将大小减小 5%，您增加了与模型匹配大小的机会发现检测。这也意味着该算法工作得更慢，因为它更彻底。您可以将其提高到 1.4 以加快检测速度，但可能会完全丢失一些人脸。
minNeighbors – 指定每个候选矩形应保留多少个邻居的参数。

此参数会影响检测到的人脸质量。更高的值导致更少的检测，但质量更高。 3~6 物有所值。
minSize – 最小可能的对象大小。小于该值的对象将被忽略。

这个参数决定了你想要检测的小尺寸。你来决定！通常，[30, 30] 是人脸检测的良好开端。
maxSize – 最大可能的对象大小。大于此的对象将被忽略。

此参数确定您要检测的大小。再一次，你决定！ 通常不需要手动设置，默认值假设你要检测的人脸大小没有上限。

【讨论】：

图像金字塔是否与滑动窗口技术结合使用？如果我们使用滑动窗口以不同的比例和不同的大小扫描图像，那我们不就不需要使用图像金字塔了吗？
“minNeighbors”指的是什么？是关于修剪同一张脸周围的过多检测吗？
@user961627 是的，图像金字塔和滑动窗口技术正在结合使用。如果您使用滑动窗口以不同比例和不同尺寸扫描图像，则不再需要使用图像金字塔，因为图像金字塔只是在处理时对图像进行上/下采样。对于minNeighbors，是的，它是关于修剪同一张脸周围的过多检测。说明请参考答案。
@Micka 不要 100% 同意 scaleFactor。事实上，您希望它尽可能高，同时仍然获得“好”的结果，这必须根据经验确定。它在很大程度上取决于要检测的目标、级联的类型和训练；过去，24x24 FD 级联的价值甚至高达1.1。 scaleFactor 或 minSize 的值太低将导致巨大的计算成本，因为需要生成更多的金字塔层。 1.05 的一个因素需要的层数大约是 1.1 的两倍（以及 > 2 倍的时间）。
@IwillnotexistIdonotexist 这显然是真的，抱歉我没有提到它。我只是想说，可以让检测器根据某人的确切需求选择窗口大小，并且可以计算 scaleFactor 来满足这些需求。但是如果不知道训练窗口的大小和最小/最大大小以及对计算时间和检测灵敏度/特异性的限制，很难推荐一个值:)

【解决方案2】：

如果您有良好的 CPU 和 RAM 性能或更多，您可以设置比例因子=1 minNeighbors=3

如果您在 raspberry 之类的嵌入式系统中工作，我建议您选择 smth like scaleFactor= 2, （数值越高，精度越低） minNeighbors = 1，（值越高，精度越低，但可靠性越高）该算法将运行得更快，否则如果 CPU 性能和 RAM 不够，它将冻结。

希望对你有帮助

【讨论】：

ScaleFactor 应始终大于 1，对于良好的 CPU 和 RAM，应始终大于 1.05。

【解决方案3】：

cl_int err;
    cl_uint numPlatforms;

    err = clGetPlatformIDs(0, NULL, &numPlatforms);
    if (CL_SUCCESS == err)
    printf("\nDetected OpenCL platforms: %d", numPlatforms);
    else
    printf("\nError calling clGetPlatformIDs. Error code: %d", err);

    string str ="haarcascade_frontalface_alt2.xml";
    ocl::OclCascadeClassifier fd;
    fd.load(str);
    ocl::oclMat frame, frameGray;
    Mat frameCpu;


    CvVideoCapture vcap = openVideo("0");
    vcap.set(CV_CAP_PROP_FRAME_WIDTH,320);
    vcap.set(CV_CAP_PROP_FRAME_HEIGHT,240);

    static const cv::Size maxSize;

    for(;;){
    //  // processing loop
        vector<Rect> faces;
    vcap >> frameCpu;
    frame = frameCpu;
    ocl::cvtColor(frame, frameGray, CV_BGR2GRAY);
    //ocl::equalizeHist(frameGray, frameGray);
    //Mat mm(frameGray);
    //cvWaitKey(100);

    fd.detectMultiScale(frameGray,faces,1.05,3,0|CV_HAAR_FIND_BIGGEST_OBJECT ,minSize,maxSize);


      for(int   i=0; i<  faces.size() ; i++)
       {
         if(faces.size())
         //circle(img, Point(palm[i].x+ palm[i].width/2,palm[i].y+palm[i].height/2),palm[i].width,Scalar(255,0,0), 2,8 );       
             cv::rectangle(frameCpu, faces[i],Scalar(255,0,0), 2,8 );       
       }

      imshow("fsfs",frameCpu);

    cvWaitKey(1);

【讨论】：