OpenCV Hog人检测被垂直线愚弄了？
我一直在使用Python在RPi上测试openCV。视频来自闭路电视摄像头的USB抓取器 我在一个房间里用“理想”的棒状图形测试了它，它工作得很好，自动跟踪和缩放 然而，在现实世界中进行测试时，第一个测试位置可以看到一个波纹屋顶，屋顶的垂直线总是作为一个人被检测到 我对此感到非常惊讶，因为对灌木丛、树木和其他光学上混乱的图像，猪的检测似乎相当稳健。一系列的垂直线似乎每次都能抓住它 为什么会这样 我需要重新训练它吗？我想这将是一项相当艰巨的任务 还有其他人发现这个问题吗 也许我应该试着预先过滤掉图像中的垂直线OpenCV Hog人检测被垂直线愚弄了？,opencv,false-positive,Opencv,False Positive,我一直在使用Python在RPi上测试openCV。视频来自闭路电视摄像头的USB抓取器 我在一个房间里用“理想”的棒状图形测试了它，它工作得很好，自动跟踪和缩放 然而，在现实世界中进行测试时，第一个测试位置可以看到一个波纹屋顶，屋顶的垂直线总是作为一个人被检测到 我对此感到非常惊讶，因为对灌木丛、树木和其他光学上混乱的图像，猪的检测似乎相当稳健。一系列的垂直线似乎每次都能抓住它 为什么会这样 我需要重新训练它吗？我想这将是一项相当艰巨的任务 还有其他人发现这个问题吗 也许我应该试着预先过滤掉图
有个人跟踪器，不能应付围栏或屋顶是有点限制 单次培训后出现假阳性是很常见的，应该是意料之中的。您现在应该记录所有这些假阳性，并将其用于硬阴性训练。也就是说，您可以将这些误报添加到阴性训练集中。一旦你进行了严格的负面训练，你的模型应该表现得更好，误报的数量也会减少
理解为什么围栏和其他边缘显示为假阳性有点复杂，我极力推荐的许多文章和Dalal和Triggs的原始猪皮可以更好地解释这一点。好的，我会试试。我使用openCV的默认培训。我觉得很奇怪，很明显，有些东西不是一个人那么容易被发现的。