基于haar级联（opencv）的图像目标检测

我有大约2000张图片，我必须找到其中有给定“L”形物体的图片，如下所示。

我使用了下面的图片作为正面图片 下面的是没有L形物体的负片。 并使用opencv的opencv_traincascade方法创建了xml文件（分类器）。 但它也会提供一些错误检测以及正确检测，以提高准确性

编辑：一些错误案例

---

你能附上一些假阳性病例吗？附上一些病例。另外，在某些情况下，它并没有检测到阳性的，所以我看到，因为你试图训练模型的形状是一种通用的形状，所以它很容易分心（但是我可以想象那些假阳性中的“L”）。我认为你需要过滤你的结果，而不是输入更多的案例来进行训练，你可以过滤给定场景中的面积、颜色、预期对象的最大数量等输出。让这个逻辑更加稳健，而不是让haar cascade以100%的准确度进行预测，因为在某些情况下，即使是正面人脸检测器也会返回假阳性情况，所以不要完全依赖Haar级联。