Parameter detectMultiScale in OpenCV mit Python

Ich bin nicht in der Lage zu verstehen, die Parameter übergeben, um detectMultiScale. Ich weiß, dass die Allgemeine syntax ist detectMultiScale(Bild, rejectLevels, levelWeights)
Jedoch, was bedeuten die Parameter rejectLevels und levelWeights bedeuten? Und was sind die optimalen Werte, verwendet für die Erkennung von Objekten?

Ich dies nutzen wollen, um zu erkennen, Pupille des Auges

Sie haben die Parameter sehr falsch.

InformationsquelleAutor vss | 2016-03-25

  1. 6

    Ein code-Beispiel finden Sie hier:
    http://docs.opencv.org/3.1.0/d7/d8b/tutorial_py_face_detection.html#gsc.tab=0

    Bezug auf die parameter beschrieben, die Sie haben können, zitierte alt-parameter-Definitionen in der Tat können Sie konfrontiert werden mit den folgenden Parametern:

    • scaleFactor: Parameter, der angibt, wie stark das Bild die Größe reduziert wird
      bei jedem Bild skalieren.
    • minNeighbors: Parameter, der angibt, wie viele Nachbarn jeden Kandidaten Rechteck sollte beibehalten werden

    Hier finden Sie eine schöne Erklärung auf diese Parameter:
    http://www.bogotobogo.com/python/OpenCV_Python/python_opencv3_Image_Object_Detection_Face_Detection_Haar_Cascade_Classifiers.php

    Stellen Sie sicher, erhalten Sie die richtige pretrained classifier-sets für Gesichter und Augen wie

    • haarcascade_frontalface_default.xml
    • haarcascade_eye.xml

    InformationsquelleAutor tfv

  2. 0

    Unter diesen Parameter müssen Sie mehr Aufmerksamkeit zu widmen, vier von Ihnen:

    • scaleFactor – Parameter, der angibt, wie viel die Bildgröße ist reduziert auf jedes Bild skalieren.

    Grundsätzlich ist der Skalierungsfaktor wird verwendet, um erstellen Sie Ihre Waage Pyramide. Mehr Erklärung, Ihr Modell hat eine Feste Größe definiert, während der Ausbildung, die sichtbar ist in der XML. Dies bedeutet, dass diese Größe der Fläche gemessen wird, wird das Bild, wenn vorhanden. Jedoch, durch Skalierung der input-Bild können Sie die Größe eines größeren Gesicht zu einer kleineren, so dass es nachweisbar durch den Algorithmus.

    1.05 ist ein guter Wert für das, was bedeutet, dass Sie verwenden Sie einen kleinen Schritt für die Größenänderung, d.h. reduzieren Sie die Größe um 5%, erhöhen Sie die chance, eine passende Größe mit dem Modell für die Erkennung gefunden wird. Dies bedeutet auch, dass der Algorithmus arbeitet langsamer, da es ist gründlicher. Sie können zu erhöhen, um so viel wie 1.4 für die schnellere Erkennung, mit dem Risiko, es fehlten einige Gesichter insgesamt.

    • minNeighbors – Parameter, der angibt, wie viele Nachbarn jeden Kandidaten Rechteck sollte beibehalten werden.

    Diese parameter wirken sich auf die Qualität der erkannten Gesichter. Höherer Wert führt zu weniger Funde, aber mit höherer Qualität. 3~6 ist ein guter Wert für ihn.

    • minSize – Minimal mögliche Größe des Objekts. Objekte, die kleiner sind als die, die ignoriert werden.

    Dieser parameter bestimmt, wie kleine Größe, die Sie wollen, zu erkennen. Sie entscheiden es! In der Regel, [30, 30], ist ein guter start für die Gesichtserkennung.

    • maxSize – Maximal mögliche Größe des Objekts. Objekte, die größer als dieser Wert, werden ignoriert.

    Dieser parameter bestimmt, wie groß die Größe, die Sie wollen, zu erkennen. Wieder, Sie entscheiden! In der Regel, die Sie nicht benötigen, um es manuell, wird der Standardwert übernimmt Sie wollen erkennen, ohne eine Obergrenze für die Größe der Fläche.

    InformationsquelleAutor Rajshah

Schreibe einen Kommentar