请选择 进入手机版 | 继续访问电脑版
快捷导航
联合开发网 门户 查看主题

Gentle Adaboost 训练

发布者: cal | 发布时间: 2018-9-18 19:22| 查看数: 349| 评论数: 0|帖子模式

项目单
项目类型: 其他
开发周期(天): 3 天
开发工具/库: python OpenCV
开发需求: 基于Gentle Adaboost训练,对一段30秒视频内减速带和井盖识别
QQ: 此信息不公开
淘宝旺旺: 此信息不公开
客户来源: 淘宝店铺
步骤如下:
参考博客https://blog.csdn.net/wuxiaoyao12/article/details/39227189
1. 准备正、负样本图片。将正样本归一化成20×20像素的灰度图,并调整负样本尺寸使其大于正样本尺寸。
2. 生成正、负样本描述文件。通过opencv_createsamples.exe可执行文件将正样本生成.vec文件,负样本使用.txt文件。
3. Gentle Adaboost 级联分类器的训练。利用opencv_traincascade.exe程序训练基于Haar-like特征的Gentle Adaboost级联分类器,该程序中包含了Haar-like特征提取及Gentle Adaboost分类器训练过程。将正、负样本描述文件输入到opencv_traincascade.exe 中,并设置minHitRate 为0.995,maxFalseAlarm 为0.5,boostType类型为GAB,即Gentle Adaboost。训练一段时间后,得到分类器配置参数文件(.xml)。
之后的步骤
参考博客https://blog.csdn.net/itismelzp/article/details/50379359
1. 利用threshold()函数对待检图像进行二值化处理,减少运算量,以便更好地提取Haar-like特征;
2. 利用cascade.detectMultiScale()函数对预处理后的待检图像进行多尺度识别,设置检测窗口放大比例为1.2倍,检测次数为4,检测目标的最小尺寸为48×42像素,最大尺寸为230×220像素;
d. 加载分类器,利用训练好的分类器对步骤c中所有子窗口进行判决,并将目标车辆用矩形框框选出来。

最新评论

Archiver|手机版|小黑屋|联合开发网 ( 黑ICP备17006336号 )

GMT+8, 2018-12-16 23:48 , Processed in 0.222080 second(s), 29 queries .