内容简介:为了让我的iOS应用识别1€,2€和0.50€硬币我一直在尝试使用opencv_createsamples和opencv_traincascade来创建我自己的classifier.xml.所以,我从一个短视频裁剪了60张2欧元硬币的图像,如下所示:然后,我使用opencv_createsamples将它们与随机背景相结合.我获得了类似于此的12000张图片:
为了让我的iOS应用识别1€,2€和0.50€硬币我一直在尝试使用opencv_createsamples和opencv_traincascade来创建我自己的classifier.xml.所以,我从一个短视频裁剪了60张2欧元硬币的图像,如下所示:
然后,我使用opencv_createsamples将它们与随机背景相结合.我获得了类似于此的12000张图片:
我运行了以下命令:
opencv_createsamples -img positives / i.jpg -bg negatives.txt -info i.txt -num 210 -maxidev 100 -maxxangle 0.0 -maxyangle 0.0 -maxzangle 0.9 -bgcolor 0 -bgthresh 0 -w 48 -h 48(for i from 0至60)
cat * .txt> positives.txt
opencv_createsamples -info positives.txt -bg negatives.txt -vec 2.vec -num 12600 -w 48 -h 48
opencv_traincascade -data final -vec 2.vec -bg negatives.txt -numPos 12000 -numNeg 3000 -numStages 20 -featureType LBP -precalcValBufSize 2048 -precalcIdxBufSize 2048 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -w 48 -h 48
训练在第13阶段停止.一旦我得到了一个cascade.xml,我就在我的智能手机拍摄的一张简单图像上立即尝试了(使用detectMultiScale()),但没有检测到任何内容:
如果我将其中一个用作训练的图像作为输入,那么它的效果非常好:
我真的不明白为什么会发生这种情况并且它让我疯了,最重要的是因为我一直试图让它工作数周……你能不能告诉我我在哪里弄错了?
我写的简短程序在这里:
#include "opencv2/opencv.hpp" using namespace cv; int main(int, char**) { Mat src = imread("2b.jpg"); Mat src_gray; std::vector<cv::Rect> money; CascadeClassifier euro2_cascade; cvtColor(src, src_gray, CV_BGR2GRAY ); equalizeHist(src_gray, src_gray); if ( !euro2_cascade.load( "cascade.xml" ) ) { printf("--(!)Error loading\n"); return -1; } euro2_cascade.detectMultiScale( src_gray, money, 1.1, 3, 0|CASCADE_SCALE_IMAGE/*CV_HAAR_FIND_BIGGEST_OBJECT | CV_HAAR_SCALE_IMAGE*/, cv::Size(10, 10),cv::Size(2000, 2000) ); printf("%d\n", int(money.size())); for( size_t i = 0; i < money.size(); i++ ) { cv::Point center( money[i].x + money[i].width*0.5, money[i].y + money[i].height*0.5 ); ellipse( src, center, cv::Size( money[i].width*0.5, money[i].height*0.5), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 ); } namedWindow( "Display window", WINDOW_AUTOSIZE ); imwrite("result.jpg",src); }
我还尝试将 feature homography 用于我的OpenCV版本3.1.因此,我为我的版本下载了opencv_contrib并尝试编译xfeatures2d模块,但我在CMakeList文件中出现了CMake错误…而且xfeature2d甚至不存在于xcc的opencv框架中,所以即使我在我的电脑上工作也可以不要在iOS中使用它…
UPDATE
据我所知,我刚刚尝试删除了equalizeHist(src_gray,src_gray);我已经设置了detectMultiScale()“中的邻居数量,这就是我得到的:
更新2
正如有人建议的那样,在 this 教程之后,我刚刚使用裁剪后的正片创建了一个.vec文件,只有硬币.我用这个命令:
opencv_createsamples -vec i.vec -w 48 -h 48 -num 210 -img ./positives/i.jpg -maxidev 100 -maxxangle 0 -maxyangle 0 -maxzangle 0.9 -bgcolor 0 -bgthresh 0
(对于我从0到60)
如您所见,没有用于创建样本的背景图像.
然后,在下载 mergevec.py 之后,我将所有矢量文件合并在一起.现在我要开始另一场LBP培训…我希望它能更好地运作
以上所述就是小编给大家介绍的《c – 为什么OpenCV仅在训练图像中识别对象?》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 原 荐 Qt封装百度人脸识别+图像识别
- 走进AI时代的文档识别技术 之表格图像识别
- 揭秘“图像识别”的工作原理
- REM图像识别市场分析
- 图像识别攻击还没完全解决,语音识别攻击又来了!
- 零基础小白快速打造图像识别模型
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
数据挖掘导论
Pang-Ning Tan, Michael Steinbach / 范明 范宏建 / 人民邮电出版社 / 2006-01-01 / 49.00元
本书全面介绍了数据挖掘的理论和方法,旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题:数据、分类、关联分析、聚类和异常检测。除异常检测外,每个主题都包含两章:前面一章讲述基本概念、代表性算法和评估技术,后面一章较深入地讨论高级概念和算法。目的是使读者在透彻地理解数据挖掘基础的同时,还能了解更多重要的高级主题。此外,书中还提供了大量示例、图表和习题。 本书适合作为......一起来看看 《数据挖掘导论》 这本书的介绍吧!