使用Python的OpenCV中detectMultiScale的参数

我无法理解传递给detectMultiScale的参数。我知道一般语法是detectMultiScale（图像、拒绝级别、级别权重） 但是，级别和级别权重的参数意味着什么？用于检测对象的最佳值是什么

---

我想用它来检测眼睛的瞳孔

这里可以找到一个代码示例：

关于参数说明，您可能引用了旧的参数定义，事实上，您可能面临以下参数：

• scaleFactor：指定图像大小减小多少的参数 在每个图像比例下
• minNeighbors：指定每个候选矩形必须保留多少邻居的参数

在这里，您可以找到关于这些参数的很好的解释：

确保为人脸和眼睛（如眼睛）获得适当的预训练分类器集

• haarcascade_frontalface_default.xml
• haarcascade_eye.xml

---

在这些参数中，您需要注意其中四个：

• scaleFactor

  –指定在每个图像比例下图像大小减小多少的参数

基本上，比例因子用于创建比例金字塔。更多说明，您的模型在培训期间定义了一个固定的大小，这在XML中是可见的。这意味着，如果存在，将在图像中检测到该大小的面部。但是，通过重新缩放输入图像，可以将较大的面调整为较小的面，使其可通过算法检测到

1.05是一个很好的可能值，这意味着您可以使用一小步调整大小，即将大小减小5%，从而增加找到与模型匹配的大小以进行检测的机会。这也意味着该算法的工作速度较慢，因为它更彻底。您可以将其增加到1.4以加快检测速度，同时有丢失一些人脸的风险

• minNeighbors

  –指定每个候选矩形必须保留多少个邻居的参数

此参数将影响检测到的面的质量。值越高，检测次数越少，但质量越高。3~6是一个很好的值

• minSize

  –可能的最小对象大小。小于该值的对象将被忽略

此参数确定要检测的大小。你决定吧！通常，[30,30]是人脸检测的良好开端

• maxSize

  –最大可能对象大小。大于此值的对象将被忽略

此参数确定要检测的大小。再说一次，你决定吧！通常，您不需要手动设置它，默认值假定您想要检测没有在面部大小上的上限。

< P>提供所有C++和Python方法的描述。p> 这是一个用于：

检测多尺度 Python：

objects=cv.CascadeClassifier.detectMultiScale（图像[，缩放因子[，minNeighbors[，标志[，minSize[，maxSize]]]]

参数：

包含对象所在图像的CV_8U类型的图像矩阵 被检测到。 矩形的对象向量，其中每个矩形包含 检测到的对象，矩形可能部分位于外部 原始图像。 scaleFactor参数，指定图像大小的减小程度 在每个图像比例下。 minNeighbors参数，指定每个候选对象有多少个邻居 矩形应该保留它。 为旧级联标记与中相同含义的参数 函数cvHaarDetectObjects。它不用于 新瀑布。 最小可能对象大小。小于该大小的对象 都被忽略了。 最大可能对象大小。大于该值的对象 忽略。如果计算maxSize==minSize模型 在单一尺度上。 注意

• （Python）使用级联分类器的人脸检测示例可以在opencv_source_code/samples/Python/facedetect.py中找到

如前所述，可以从中获取示例用法。您可以将每个记录的参数作为关键字传入

rects=cascade.detectMultiScale（img，
scaleFactor=1.3，
minNeighbors=4，
minSize=（30,30），
标志=cv.CASCADE\u SCALE\u图像）

检测多尺度函数用于检测面。该函数将返回一个矩形，其中包含检测面周围的坐标（x、y、w、h）

它有3个常用参数-输入图像、scaleFactor和minNeighbours

scaleFactor

指定图像大小随每个比例减小的程度。在合影中，可能有一些脸靠近相机，而不是其他脸。自然，这些脸会比后面的脸显得更突出。此因素会对此进行补偿

minNeighbours

指定每个候选矩形必须保留多少邻居。您可以在此处详细了解它。您可能需要调整这些值以获得最佳结果。此参数指定矩形必须称为面的邻居数

---

我们在特定范围内进行试验和测试后获得这些值。

您的参数非常错误。我想指出，您应该为

minSize

指定一个元组

（30,30）

，而不是

[30,30]

。因此，示例用法是

faces=face\u cascade.detectMultiScale（image=gray，