Android 如何利用级联分类器减少错误识别

你好，我正在尝试使用cascade分类器、android和opencv库识别一辆汽车。我的问题是，我的手机几乎把所有东西都标记为汽车

我根据以下内容创建了代码： 和人脸检测样本。我的应用程序行为非常奇怪，因为标记看起来像随机的。我甚至不知道标记汽车是否正确，或者这只是一些随机行为。现在它甚至把我的键盘标记为汽车。我不确定我能改进什么。我看不出在训练5到14个阶段之间有任何进展

我已经把我的档案训练了14个阶段

我的代码如下所示：

@Override
public Mat onCameraFrame(Mat aInputFrame) {
    // return FrameAnalyzer.analyzeFrame(aInputFrame);
    // Create a grayscale image
    Imgproc.cvtColor(aInputFrame, grayscaleImage, Imgproc.COLOR_RGBA2RGB);

    MatOfRect objects = new MatOfRect();

    // Use the classifier to detect faces
    if (cascadeClassifier != null) {
        cascadeClassifier.detectMultiScale(grayscaleImage, objects, 1.1, 1,
                2, new Size(absoluteObjectSize, absoluteObjectSize),
                new Size());
    }

    Rect[] dataArray = objects.toArray();
    for (int i = 0; i < dataArray.length; i++) {
        Core.rectangle(aInputFrame, dataArray[i].tl(), dataArray[i].br(),
                new Scalar(0, 255, 0, 255), 3);
    }

    return aInputFrame;
}

@覆盖
公共Mat-onCameraFrame（Mat-aInputFrame）{
//返回FrameAnalyzer.analyzeFrame（aInputFrame）；
//创建灰度图像
Imgproc.cvtColor（输入帧、灰度图像、Imgproc.COLOR\u RGBA2RGB）；
MatOfRect对象=新的MatOfRect（）；
//使用分类器检测人脸
if（级联分类器！=null）{
cascadeClassifier.detectMultiScale（灰度图像、对象、1.1、1、，
2、新尺寸（absoluteObjectSize，absoluteObjectSize），
新尺寸（））；
}
Rect[]dataArray=objects.toArray（）；
for（int i=0；i

尝试更改以下选项

在示例代码中使用

COLOR\u RGBA2RGB

和

cvtColor

不会产生灰度图像。尝试

RGBA2GRAY

在

detectMultiScale

中增加邻居的数量。现在是2。更多的邻居意味着对结果更有信心

希望有足够的样本进行培训。快速搜索和阅读书籍，给人的印象是培训需要数千张图片。例如，大约10000张图像用于OCR haar培训。对于面部训练，使用3000到5000个样本

更重要的是，决定你是否真的想参加haar识别汽车的培训。可能有更好的车辆识别方法。例如，对于移动车辆，我们可以使用基于光流的技术

---

使用更多的阴性样本，并在训练后将假阳性添加到阴性样本中，然后再次训练。@Mika第二次训练是添加到第一次训练还是覆盖第一次训练？负片与正片的比例越高，效果越好？不确定Haar探测器的培训，但我想你必须完全重新培训。好吧，你通常使用的负样本（5到10倍）比正样本多得多，但我不是机器学习方面的专家……或者可能没有那么明显。。。看看@kir，谢谢你提供的信息。我将检查所有这些要点。随着邻居的增加，我得到了一些积极的结果