最近一段在用opencv自带的分类器训练函数训练分类器，遇到了一点问题： 分类器预设的stage=20太深，当训练到第6层时，已经收敛，而由于训练数据非常多，再往下训练非常耗时（已经卡住三天了），因此我就想，如何把目前生成的6层弱分类器连接起来，当做最终的分类器（精度已经达到要求）。然后就查询网络，得到了下面的解决方法：1.直接根据最终分类器.xml的格式要求，将stagei.xml拼接起来。这个
转载
2024-09-10 23:05:35
21阅读
参考链接： opencv之级联分类器训练opencv_traincascade http://jingyan.baidu.com/article/4dc40848f50689c8d946f197.html 如何利用OpenCV自带的haar training程序训练分类器1、准备好正负样本图片，正样本就是含有目标的图片，负样本就是不还有目标的图片，建好文件夹，如图所示。其中正样本图片最好是裁剪成同
转载
2024-04-09 07:52:45
34阅读
OpenCV训练分类器制作xml文档 (2011-08-25 15:50:06)转载▼标签：杂谈分类： 学习我的问题：有了opencv自带的那些xml人脸检测文档，我们就可以用cvLoad（）这个函数加载他们，让他们对我们的人脸进行检测，但是，现在生活中的计算机视觉并不远远是检测人脸，还有很多物品需要识别，所以，能不能自己做个xml的检测文档，用它来检测自己需要的东西呢？例如，检测一个可乐瓶！
转载
2024-02-22 13:33:43
72阅读
一、基本步骤1.利用python爬虫爬取（也可以手动收集）图片集，分为pos（正相关，要识别的）和neg（负相关，里面没有pos，一般是背景之类的无关图）一般1：3即可，笔主这里准备500：1500.爬虫随便搜一个就行，忘了从哪个大佬那里copy的了（仅供参考侵删） 里面 地面 是搜索词，替换即可，倒数第三行改一下路径即可。import time
import requests
import ur
转载
2024-04-08 11:30:33
287阅读
2009-12-19考了CET英语，心情很差，估计又不过的，哎！英文差！于是看看书，看看自己感兴趣的书今天下午，研究了整个下午的小难题，在8点40分终于搞定了！肚子饿，还没吃饭，还没洗澡，克服了一个不懂的小难题，心理有点体会，想在这里留点纪念，方便别人以后学习。于是乎，我写了：（那些开训练器的相关介绍我就不再详细谈了，进入正题）我的问题：有了opencv自带的那些xml人脸检测文档，我们 就可以用
转载
2024-03-23 12:30:24
59阅读
使用ctf-chart需要注意的一点是线对宽度需要结合摄像头测试的nyquist频率，视场，增距镜来确定，不然起不到有效管控模组解像力的要求。这个我有这套系统的计算方法，适合8M以下摄像头检测使用。优势是简单高效，缺点是需要根据不同的客户要求定制不同线宽的图卡。0.计算过程MTF算法主要利用了光学干涉的
转载
2024-05-02 12:13:55
55阅读
haartraining，名称可能不一样，比如2.4.9的可能叫cascade.exe等，请对号入座。首先找到exe文件，如下： F:\opencv\build\x64\vc12\bin\opencv_haartraining.exe 因为下面正样本描述文件需要的是特征向量描述文件，所以还需要另外一个程序来生成，也在同目录下： F:\opencv\build\x64\vc12\bin\opencv
转载
2024-10-09 12:35:53
135阅读
前言使用opencv自带的分类器效果并不是很好，由此想要训练自己的分类器，正好opencv有自带的工具进行训练。本文就对此进行展开。步骤1.查找工具文件；2.准备样本数据；3.训练分类器；具体操作注意，本文是在windows系统实现的，当然也可以在linux系统进行。1.查找工具文件； opencv中的自带的分类器训练工具在开源库中以应用程序的类型呈现的，具体目录如下。 .\openc
转载
2024-05-09 07:36:18
232阅读
opencv ---- opencv_haartraining 训练目标检测模型1 样本整理 2 训练参数解读 3 测试demo书写一 目标检测样本整理1 使用labelimg 标注目标图像的label文件（附labelimg配置文件及教程网址：） 2 裁剪只包含目标的图片作为正样本，通过计算iou>0.65确定为正样本（可参考mtcnn中 样本生成的方法得到正负局部样本集），还通过调整io
转载
2024-05-13 11:06:30
1191阅读
Opencv训练自己分类器注：此文是我整理了网上的各方资料汇集而成，由于在实践中遇到了很多坑，所以把自己的成功训练的经验写下来做个笔记给大家做个参考,本文所使用 opencv版本为3.3 下载链接：Releases - OpenCV1.准备训练样本图片1.1样本的采集： 样本图片最好使用灰度图，且最好根据实际情况做一定的预处理；样本数量越
转载
2024-05-26 16:54:25
266阅读
opencv 2.1网上查的另一种资料训练分类器成功，在此与大家分享。 参考英文资料网址： http://note.sonots.com/SciSoftware/haartraining.html#e134e74e 样本训练要求1、杯子的背景要统一吗，因为有些背景是白色，有些是淡淡的背景色，还有些深色的背景色答：背景色要统一2、整个图的大小就是最外面一个框框
转载
2023-09-11 15:12:40
164阅读
opencv在2.4.0之后推出了能够支持HAAR、LBP、HOG三种特征的供cascade分类算法训练的程序，可以在opencv的bin文件目录下找到该opencv_traincascade.exe程序以及用来创建样本的opencv_createsamples.exe程序。（当然opencv也保留了之
转载
2023-12-16 07:27:20
184阅读
作者：yuyu
在网上找了中文资料，发现大多都是转载那两篇文章，而且那两篇文章讲的都有误差，经过两天的摸索，我终于训练分类器成功了，在此与大家分享。参考英文资料网址： http://note.sonots.com/SciSoftware/haartraining.html#e134e74e整个过程分为两步：1. 2.
转载
2024-08-29 17:23:30
67阅读
openCV 基础学习with:于士琪openCV基础 env:opencv3.4.0+vc2017集成开发环境图像的表示：矩阵 1. 灰度矩阵 <br>
2. 彩色（多通道）如RGB图像，RGB图像的通道顺序是BGRMatclass CV_EXPORTS Mat
{
public:
//一系列函数
...
/* flag 参数中包含许多关于矩阵
转载
2024-02-27 09:58:17
129阅读
首先，网上有很多网页都有说的，本文章就简述，主要详细讲解可能遇到的一些问题。训练流程如下：1.只做样本，肯定分为正样本和负样本，样本制作好以后，还要进行一些处理才能进行下一步，否则会出各种问题。（a.样本要进行灰度化处理，批量灰度处理的程序可以到这里去下载，可能要自己改一下程序里面的图片路径：；b.我用的opencv版本是2.4.10，电脑是64位的，之前我一直用x64里面的exe结果不行，然后换
转载
2024-08-10 11:33:16
95阅读
检测的物体是否为绝对刚性的物体，也就是检测的目标是一个固定物体，没有变化（如特定公司的商标
原创
2022-08-19 02:12:05
674阅读
前言实践是检验真理的唯一标准。因为觉得一板一眼地学习OpenCV太过枯燥，于是在B站上找了一个以项目为导向的教程学习。 （教程传送门）一、案例介绍提供信用卡上的数字模板： 要求：识别出信用卡上的数字，并将其直接打印在原图片上。虽然看起来很蠢，但既然可以将数字打印在图片上，说明已经成功识别数字，因此也可以将其转换为数字文本保存。车牌号识别等项目的思路与此案例类似。示例：
原图
转载
2024-01-09 17:03:29
237阅读
注意：使用opencv自带的build\x64\vc15\bin里面的opencv_createsamples.exe和opencv_traincascade.exe（opencv_createsamples.exe生成vec文件，opencv_traincascade.exe训练生成xml文件）大体步骤：收集样本（正、负样本）——制作标签文件——训练样本——获得xml数据集 下面开始方法步骤：在
转载
2024-04-23 11:58:10
48阅读
我的问题：有了opencv自带的那些xml人脸检测文档，我们就可以用cvLoad（）这个函数加载他们，让他们对我们的人脸进行检测，但是，现在生活中的计算机视觉并不远远是检测人脸，还有很多物品需要识别，所以，能不能自己做个xml的检测文档，用它来检测自己需要的东西呢？例如，检测一个可乐瓶！问题解决：首先了解下，目标检测分为三个步骤：1、 样本的创建2、 训练分类器3、 利用训练好的分类器进行目标检测
转载
2024-01-12 11:49:57
48阅读
第一次尝试用openCV-python进行了人脸训练和人脸识别，主要参考下面的文章：稍有区别，区别在于：1. 在jm文件夹中放置训练图片命名格式为：人脸唯一编号.人脸姓名.图片编号，如图所示。这样第4步人脸识别的时候就能根据识别人脸的编号确定对应人名。2. 摄像头人脸采集像上面拍照处理照片比较繁琐，特别是需要大量照片训练时，可以直接用摄像头采集人脸照片。代码如下：# -*- coding: utf
转载
2024-06-26 11:15:37
39阅读
