级联分类器（Adaboost）之《多尺度尺寸的计算方法》

最新推荐文章于 2024-12-20 23:08:17 发布

lliming2006

最新推荐文章于 2024-12-20 23:08:17 发布

阅读量1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：计算机视觉，模式识别文章标签：计算机视觉机器学习

本文链接：https://blog.youkuaiyun.com/lliming2006/article/details/76638977

本文详细解释了在级联分类器中，如何根据设定的参数计算多尺度尺寸，涉及循环逻辑、训练样本尺寸、检测窗口大小、图像缩放和尺寸限制。通过实例展示了18*18分类器在24*24输入图像上，使用1.05的尺度因子时，满足最小和最大尺寸约束的检测尺度为20*20、21*21、22*22和23*23。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近有人问我：在级联分类器中，如何根据设定的参数来计算多尺度的问题。并给我看了一篇网上找来的文章（里面展示的尺度尺寸有误），让我给讲解下：

多尺度尺寸的计算主要是下面这个循环：

for(double factor=1;;factor *=scaleFactor) //多尺度检测(每次循环只用一个尺度来检测目标，循环N次就是N个尺度)
{
Size trainSize=getOriginalWindowSize();//训练样本的尺寸
Size checkWindowSize(cvRound(trainSize.width*factor),trainSize.height*factor); //多尺度检测窗口大小
Size ImgFactorSize(cvRound(img.cols/factor),img.rows/factor); //图像缩放后大小
Size processingWindowsSzie(ImgFactorSize.width-trainSize.width,ImgFactorSize.height-trainSize.height);//输入检测图像缩放后与训练样本尺寸之差

if（processingWindowsSzie.width<=0 ||processingWindowsSzie.height<=0）

break; //输入检测图像缩放后与训练样本尺寸之差小于0，跳出循环，多尺度检测结束

if