Image processing 将多个Haar分类器与OpenCV相结合

我想知道是否有一种方法可以组合来自不同训练级联的Haar分类器？ 我有一个场景，我检测到一个物体，它根据物体的角度而不同。所以我分离了我的训练样本来训练多个分类器。他们在课堂上表现良好。现在我按顺序运行它们，这花费了我很多计算时间

我认为OpenCV可能每次都在计算所有的特性，因此每次都会进行新的迭代。我想，如果我可以通过OR操作组合分类器，那么OpenCV可能只需要使用一个级联，因此只需迭代一次，只需计算一次所需的特征，以此类推。这可能会显著提高我的性能。然而，我不确定是否（以及如何）可以做到这一点。也许其他人以前也尝试过类似的东西

干杯！

---

--artur

我将我的每一个任务作为一个单独的并行任务运行。

我不会等待所有任务，而是通过引发事件来处理每一个任务。

好吧，当你训练一个特定的分类器时，AdaBoost算法（在每个阶段）会选择不同的功能来最小化训练错误。该程序适用于级联的每个阶段

不幸的是，对于每个对象，这些特征都不相同（虽然特征形状的数量固定，但大小不同），因此特征空间也不相同。

---

因此，即使有一种方法可以组合这些分类器，其好处也是微乎其微的，因为对于不同的对象，您可能没有相同的功能，因此您需要重新评估几乎所有的功能。

这确实没有给我带来太多的加速。我不确定我是否做错了。我使用boost:：thread_group运行6个经过训练的haar级联。在我将它们添加到组中之后，我调用join_all（）来运行它们并等待它们全部完成。相比之下，虽然我得到了这个结果（核心2四核，3 GHz和4 Gb Ram）：6个级联：并行：1,16s，正常：1,45s | 9个级联：并行：1,4s，正常：1,85s | 12个级联：并行：1,68s，正常：2,14S |我使用高分辨率图像（1920x1080）通过预处理来限制我使用级联的区域。但是你正在做的是等待所有线程结束，所以不会提供太多的加速。您应该做的是在每个线程结束时处理它们-这将为您加快速度。另外，试着计算哪个线程占用的时间最长，然后首先运行那个线程。