基于opencv的强级联器重新训练动物脸检测模型

最新推荐文章于 2024-02-14 23:32:00 发布

原创

最新推荐文章于 2024-02-14 23:32:00 发布 · 485 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #Adboost #createsamples #traincascade

本文档详述了如何利用OpenCV的级联分类器和Adaboost算法，结合已有的动物脸数据集，训练出一个高精度的检测模型。首先介绍了训练目的和选定的方法——基于OpenCV的opencb_traincascade。接着，详细阐述了搭建OpenCV和CMake环境的过程，包括安装、配置及解决遇到的问题。最后，通过使用createsamples和traincascade工具，创建并训练模型，过程中注意了neg样本路径的正确设置，以及理解训练参数对模型性能的影响。

一、目的

在对动物脸视频进行检测的过程中，开源算法模型的检测效果一般，达不到实验需求。因此，想基于已经的大量数据集，自己训练出一个检测模型。引用该篇文献“Rapid Object Detection using a Boosted Cascade of Simple Features”的检测方法。借助平台opencv。

二、具体实现

1、确定方法

参考该网址博客“https://blog.youkuaiyun.com/wjb820728252/article/details/72465347”，选择opencv平台下的opencb_traincascade方法。

2、平台搭建

2.1 安装opencv

参考博客“https://blog.youkuaiyun.com/yunpiao123456/article/details/52538561”。给出OpenCv的官方下载地址：OpenCv下载。opencv的下载非常简单，解压缩后即可使用。在测试opencv性能时，由于文件配置问题，导致无法识别opencv。仔细添加目录时，有包含目录和库目录，两者添加的路径也不相同。再则是附加依赖配置时，找到D:\Installer\opencv\opencv\build\x64\vc15\lib路径下的红框内容，写入。