Python opencv人脸检测中的分类器置信度

我在python中使用opencv的har级联人脸检测器（cv.HaarDetectObjects）

例如：

    faces = cv.HaarDetectObjects(grayscale, cascade, storage, 1.2, 2,
    cv.CV_HAAR_DO_CANNY_PRUNING, (50,50))

       for f in faces:
           print(f)

这将以以下形式打印检测列表：

 ((174, 54, 114, 114), 53)
 ((22, 51, 121, 121), 36)
 ((321, 56, 114, 114), 21)
 ((173, 263, 125, 125), 51)
 ((323, 272, 114, 114), 20)
 ((26, 271, 121, 121), 36)

其中每一行代表一个检测。前4个数字是左上角点的x、y位置以及边界框的高度和宽度。最后一个数字是（引用openCV文档）邻居的数量

我想我有两个问题：

1） 最后一个数字是什么意思？在谷歌搜索时，我找不到任何关于这一点的参考

2） （更重要的是）是否有办法获得每次检测的置信度分数？人脸分类器在多大程度上确定检测对应于真实人脸

感谢

1）检测代码为一个对象生成多个检测-例如，在不同的比例下，轻微移动等。然后对检测进行分组，并将该组中的邻居数作为返回数。另请参见Viola Jones论文第5.6段（）和OpenCV源代码

---

2） 您可以使用邻居的数量作为信心的衡量标准。

非常感谢您的提问和回答，我已经寻找了一天具有信心分数的opencv人脸检测。你的问题和回答给了我一些解决问题的指导

正如Palmstrom所说，最后一个数字表示该簇中对象位置的数量。你可以用它作为信心分数

据我所知，在旧的python API中只有这样的API。新API没有此值（群集中的对象数）

我把我的代码放在这里，以防它会帮助其他人。这是一个很旧的python API，很难找到它的教程

import sys
import cv

def detect_face(image):
    image_size = cv.GetSize(image)
    # # create grayscale version
    grayscale = cv.CreateImage(image_size, 8, 1)
    cv.CvtColor(image, grayscale, cv.CV_BGR2GRAY)
    # # equalize histogram
    cv.EqualizeHist( grayscale,grayscale )

    #parameters to the detection function    
    cascade = cv.Load('haarcascade_frontalface_alt.xml')
    haar_scale = 1.1
    min_neighbors = 3
    haar_flags = cv.CV_HAAR_DO_CANNY_PRUNING
    min_size = (30,30)

    faces = cv.HaarDetectObjects(grayscale, cascade, cv.CreateMemStorage(0),
                                haar_scale, min_neighbors, haar_flags, min_size)

    print faces

    if len(faces) > 0:
        print '=> ' +  str(len(faces)) + ' face detected!'
        for ((x,y,width,height), n) in faces:
            pt1 = (x,y)
            pt2 = (x + width, y + height)
            cv.Rectangle(image, pt1, pt2, cv.RGB(255, 0, 0), 3, 8, 0) 


if __name__ == '__main__':

    filename = sys.argv[1]
    image = cv.LoadImage(filename,cv.CV_LOAD_IMAGE_COLOR);
    detect_face(image)

    cv.ShowImage("cam", image)
    cv.WaitKey(0)

可能有用：