75、OpenCV：从对象检测到未来展望

OpenCV：从对象检测到未来展望

1. 对象检测方法

在图像中确定对象是否存在有多种方法，这些方法结合了计算机视觉技术和机器学习方法。
- 关联问题解决 ：将距离视为一种置信度，这是解决无关联和多重关联问题的关键。在多重关联情况下，通常选取裕度最大的关联作为正确关联；在无关联情况下，若已知每个图像都属于某个已知类别，可选择负裕度最小的；若可能存在未知类别的图像，则可设置一个负裕度阈值（可能为 0 但不一定），若所有分类器返回的值都比该阈值差，则将图像归为“未知”类别。
- 不同方法特点
- 基于树的方法和潜在支持向量机（Latent SVM） ：具有对象定位的特性，这源于它们使用滑动窗口。
- 词袋（Bag of Words）方法 ：不具备对象定位特性，但可用于更抽象的查询，如场景分类。

这些方法加上跟踪和运动建模方法，为解决计算机视觉中的实际问题，如视频序列中对象的定位、跟踪等提供了必要工具。

2. 练习题

以下是一系列相关练习题，可帮助深入理解和应用这些对象检测方法。
1. 训练数据有限时的选择 ：若训练数据有限，决策树和 SVM 分类器哪个更可能对测试数据有更好的泛化能力？原因是什么？
2. Haar 分类器检测人脸
- 设置并运行 Haar 分类器，在网络摄像头中检测自己的脸。
- 能处理多大的尺度变化？
- 能承受多大的模糊度？ <