Opencv 基于Haar训练的Cat检测

我想使用HAAR-cascades检测可变形对象（在我的例子中是一只猫）。我对2000张正片和3000张负片进行了测试，共20个阶段。我没有看到任何预期的事情发生。 我确信这可能是我的训练数据集的问题。我的阳性数据集中有cat图像。同一只猫的不同形状和姿势。我想知道哈尔是否能够识别积极数据集中的差异，并且仍然将它们识别为猫

---

需要帮助，有没有其他我可以使用的替代方法？？？

首先，您还没有列出用于训练haar分类器的方法。如果您没有使用opencv\u traincascades，那么这就是开始的地方

其次，检测猫是一项非常困难的工作，有很多未定义的边缘、旋转和空间变化。利用这一思路，自己回答以下问题：

• 你的积极数据集是什么样子的
• 这与您通过输入提要显示的内容类似吗
• 当你训练分类器时，它的误报率是多少
• 你在你的背景中包括了什么（更多看起来像猫的图片，而不是猫更好，等等）

我建议将您的输出从分类阶段发布到问题中，以便我们更好地了解正在发生的事情。请查看这些链接以获取更多帮助

也许先尝试使用钢笔或徽标，然后按照openCV教程进行操作，了解基本知识？（抱歉，如果我假设你不知道基本知识，如果你知道的话）

---

G./

有一篇关于cat检测的论文：。也许你可以从他们那里得到一些想法。例如，作者认为，这种僵硬的模型捕捉不到猫的尸体。有一种方法是只检测头部，然后通过分割找到身体的其余部分。你是否成功地利用Haar训练创建了cat检测算法？我现在也有同样的问题：-）谢谢！不，我认为haar不能很好地用于变形物体识别。至少，在我的情况下，我无法运行它，有太多的误报/阳性。我还尝试了单词袋方法进行物体识别，它们在刚性物体上做得很好，但在猫身上做不到。在训练分类器时很难捕获数据中的所有变化。最后，我们欺骗并解决了一个非常琐碎的颜色直方图匹配方法，没有办法接近我们打算做的，但足以完成类项目。