難例(或叫做難樣本，Hard Example，Hard Negative，Hard Instance)是指利用第一次訓(xùn)練的分類器在負(fù)樣本原圖(肯定沒有人體)上進(jìn)行行人檢測(cè)時(shí)所有檢測(cè)到的矩形框，這些矩形框區(qū)域很明顯都是誤報(bào)，把這些誤報(bào)的矩形框保存為圖片，加入到初始的負(fù)樣本集合中，重新進(jìn)行SVM的訓(xùn)練，可顯著減少誤報(bào)。這種方法叫做自舉法(Bootstrap)，自舉法首先使用初始負(fù)樣本集來訓(xùn)練一個(gè)模型，然后收集被這個(gè)初始模型錯(cuò)誤分類的負(fù)樣本來形成一個(gè)負(fù)樣本難例集。用此負(fù)樣本難例集訓(xùn)練新的模型，此過程可以重復(fù)多次。

比如典型的誤報(bào)如下：

上圖中將樹干誤認(rèn)為是人體，這些就是Hard Example，將這些矩形框保存為64*128的圖片文件，加入到負(fù)樣本集合中。

也就是說，難例就是分錯(cuò)類的負(fù)樣本，將難例加入負(fù)樣本集合進(jìn)行二次訓(xùn)練就是告訴分類器：“這些是你上次分錯(cuò)類的，要吸取教訓(xùn)，改正錯(cuò)誤”

初次訓(xùn)練SVM+HOG分類器見：自己訓(xùn)練SVM分類器進(jìn)行HOG行人檢測(cè)

Navneet Dalal在CVPR2005上的HOG原論文翻譯見：http://blog.csdn.net/masibuaa/article/details/14056807

#include <iostream> #include <fstream> #include <string> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/objdetect/objdetect.hpp> #include <opencv2/ml/ml.hpp>using namespace std; using namespace cv;int hardExampleCount = 0; //hard example計(jì)數(shù)int main() {Mat src;char saveName[256];//剪裁出來的hard example圖片的文件名string ImgName;ifstream fin_detector("HOGDetectorForOpenCV_2400PosINRIA_12000Neg.txt");//打開自己訓(xùn)練的SVM檢測(cè)器文件ifstream fin_imgList("INRIANegativeImageList.txt");//打開原始負(fù)樣本圖片文件列表//ifstream fin_imgList("subset.txt");//從文件中讀入自己訓(xùn)練的SVM參數(shù)float temp;vector<float> myDetector;//3781維的檢測(cè)器參數(shù)while(!fin_detector.eof()){fin_detector >> temp;myDetector.push_back(temp);//放入檢測(cè)器數(shù)組}cout<<"檢測(cè)子維數(shù)："<<myDetector.size()<<endl;//namedWindow("src",0);HOGDescriptor hog;//HOG特征檢測(cè)器hog.setSVMDetector(myDetector);//設(shè)置檢測(cè)器參數(shù)為自己訓(xùn)練的SVM參數(shù)//一行一行讀取文件列表while(getline(fin_imgList,ImgName)){cout<<"處理："<<ImgName<<endl;string fullName = "D:\\DataSet\\INRIAPerson\\INRIAPerson\\Train\\neg\\" + ImgName;//加上路徑名src = imread(fullName);//讀取圖片Mat img = src.clone();//復(fù)制原圖vector<Rect> found;//矩形框數(shù)組//對(duì)負(fù)樣本原圖進(jìn)行多尺度檢測(cè)，檢測(cè)出的都是誤報(bào)hog.detectMultiScale(src, found, 0, Size(8,8), Size(32,32), 1.05, 2);//遍歷從圖像中檢測(cè)出來的矩形框，得到hard examplefor(int i=0; i < found.size(); i++){//檢測(cè)出來的很多矩形框都超出了圖像邊界，將這些矩形框都強(qiáng)制規(guī)范在圖像邊界內(nèi)部Rect r = found[i];if(r.x < 0)r.x = 0;if(r.y < 0)r.y = 0;if(r.x + r.width > src.cols)r.width = src.cols - r.x;if(r.y + r.height > src.rows)r.height = src.rows - r.y;//將矩形框保存為圖片，就是Hard ExampleMat hardExampleImg = src(r);//從原圖上截取矩形框大小的圖片resize(hardExampleImg,hardExampleImg,Size(64,128));//將剪裁出來的圖片縮放為64*128大小sprintf(saveName,"hardexample%09d.jpg",hardExampleCount++);//生成hard example圖片的文件名imwrite(saveName, hardExampleImg);//保存文件//畫矩形框，因?yàn)閔og檢測(cè)出的矩形框比實(shí)際人體框要稍微大些,所以這里需要做一些調(diào)整//r.x += cvRound(r.width*0.1);//r.width = cvRound(r.width*0.8);//r.y += cvRound(r.height*0.07);//r.height = cvRound(r.height*0.8);rectangle(img, r.tl(), r.br(), Scalar(0,255,0), 3);}//imwrite(ImgName,img);//imshow("src",src);//waitKey(100);//注意：imshow之后一定要加waitKey，否則無法顯示圖像}system("pause"); }

源碼下載，環(huán)境為VS2010 + OpenCV2.4.4

http://download.csdn.net/detail/masikkk/6549325

from:?http://blog.csdn.net/masibuaa/article/details/16113373

總結(jié)

以上是生活随笔為你收集整理的用初次训练的SVM+HOG分类器在负样本原图上检测HardExample的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。